為準確提取步態(tài)特征、識別奶牛跛行,利用三維加速度傳感器采集30頭奶牛后趾加速度信號,針對奶牛步態(tài)人工分割的不足,提出基于改進的動態(tài)時間規(guī)整算法對奶牛步態(tài)進行分割,提取特征值并利用邏輯回歸法建立跛行識別模型。采用本文方法得到的步態(tài)分割精確度、靈敏度、準確率平均值分別為89.53%、95.51%、87.49%,比常規(guī)動態(tài)時間規(guī)整算法分別提高了5.31、4.48、8.43個百分點,總體準確率達到90.57%,相較自相關(guān)函數(shù)法和峰值檢測法分別提高了1.75、3.13個百分點。以支撐時間、步幅長度、平均強度、信號幅度面積、前進方向加速度均值和運動變化量為自變量的跛行識別模型識別率分別為83.44%、81.72%、86.15%、86.81%、89.45%和85.71%。本研究結(jié)果可為奶牛步態(tài)分割、跛行識別提供技術(shù)支持。 

【文章來源】：農(nóng)業(yè)機械學報. 2020,51(07)北大核心EICSCD

【文章頁數(shù)】：8 頁

【文章目錄】：
0 引言
1 材料和方法
    1.1 測量設備
    1.2 數(shù)據(jù)采集與預處理
2 改進動態(tài)時間規(guī)整算法步態(tài)分割實現(xiàn)
    2.1 步態(tài)序列特征點提取
    2.2 模板樣本建立
    2.3 累積成本矩陣計算
    2.4 算法改進
    2.5 最小規(guī)整路徑確定
3 跛行識別模型建立
    3.1 步態(tài)特征提取
    3.2 跛行識別模型
4 結(jié)果與分析
    4.1 步態(tài)分割結(jié)果對比
    4.2 步態(tài)特征提取結(jié)果
    4.3 跛行預測模型的測試
5 結(jié)論


【參考文獻】：
期刊論文
[1]基于序列相關(guān)和小波變換的加速度計信號降噪[J]. 董雅雯,王建林,魏青軒,邱科鵬,趙利強.  傳感技術(shù)學報. 2019(02)
[2]基于動態(tài)多特征變量的黃羽肉雞跛行狀態(tài)定量評價方法[J]. 沈明霞,李嘉位,陸明洲,劉龍申,孫玉文,李泊.  農(nóng)業(yè)機械學報. 2018(09)
[3]基于壓力分布測量系統(tǒng)的奶牛跛行早期識別[J]. 楊麗娟,張永,劉德環(huán),徐彬騰,劉彩霞.  農(nóng)業(yè)機械學報. 2016(S1)
[4]精準畜牧業(yè)中動物信息智能感知與行為檢測研究進展[J]. 何東健,劉冬,趙凱旋.  農(nóng)業(yè)機械學報. 2016(05)
[5]基于小波變換的信號特征與突變點檢測算法研究[J]. 馮媛碩,宋吉江.  曲阜師范大學學報(自然科學版). 2015(01)
[6]基于小波變換的人體步態(tài)序列提取[J]. 符懋敬,莊建軍,侯鳳貞,寧新寶,展慶波,邵毅.  物理學報. 2010(06)
[7]基于小波變換過零點表征的脈搏信號分析[J]. 白金星,趙子嬰,王艷蘋.  航天醫(yī)學與醫(yī)學工程. 2006(03)
[8]基于小波變換的高斯函數(shù)極值點及拐點的判別[J]. 杜建衛(wèi).  數(shù)學的實踐與認識. 2004(07)

碩士論文
[1]基于三維加速度傳感器的人體行為識別[D]. 徐川龍.浙江工業(yè)大學 2013



本文編號：3165512