內(nèi)蒙古自治區(qū)是我國重要的奶牛養(yǎng)殖優(yōu)勢區(qū)域和乳制品生產(chǎn)加工區(qū)。跛行作為奶牛的第二大類疾病,對養(yǎng)殖場的經(jīng)濟(jì)效益和福利化養(yǎng)殖影響較大。本研究針對奶牛早期跛行識別困難的問題,以提高早期跛行識別能力為目標(biāo),通過無線三維加速度傳感器系統(tǒng)采集奶牛趾蹄加速度信號,對數(shù)據(jù)預(yù)處理、特征提取與分析和模型建立方法展開系統(tǒng)研究。主要研究內(nèi)容和結(jié)果如下:（1）針對加速度信號中存在的各類噪聲,采用小波閾值去噪方法對奶牛趾蹄加速度信號進(jìn)行去噪處理。對小波閾值選擇準(zhǔn)則和閾值函數(shù)進(jìn)行改進(jìn),試驗(yàn)結(jié)果表明,改進(jìn)的小波閾值去噪方法取得了較好的去噪效果。（2）針對奶牛步幅分割方法工作量大、自動化程度不高、準(zhǔn)確率低的問題,提出了基于改進(jìn)子序列動態(tài)時間規(guī)整算法的奶牛步幅分割方法。該方法以時間和幅值組成的二維步態(tài)序列點(diǎn)歐氏距離為距離矩陣元素,通過累積成本值計算距離函數(shù),尋找最小規(guī)整路徑,進(jìn)而確定步幅分割點(diǎn),實(shí)現(xiàn)對奶牛單個步幅的分割。試驗(yàn)結(jié)果表明,改進(jìn)算法查準(zhǔn)率、召回率和綜合評價指標(biāo)（F-score）平均值均高于95%,較改進(jìn)前分別提高7.92、6.93和7.45個百分點(diǎn)。與其他步幅分割方法的對比結(jié)果表明,本文算法具有較高的精度和較強(qiáng)的... 

【文章來源】：內(nèi)蒙古農(nóng)業(yè)大學(xué)內(nèi)蒙古自治區(qū)

【文章頁數(shù)】：120 頁

【學(xué)位級別】：博士

【部分圖文】：

圖１?Ｆｌｏｗｅｒ提出的運(yùn)動評分法示意圖??

值灰度圖統(tǒng)計分析的??方法對移動的奶牛進(jìn)行識別。為了把奶牛特征從背景中提取，前景放大法被用來分??隔奶牛圖像和背景，獲得了奶牛站立和行走時背部的圖像，通過與正常牛的背部樣??條曲線比較，跛行奶牛背部樣條曲線有明顯差異。因此，背部姿態(tài)信息可以檢測奶??牛跋行。??為了研宄蹄病如何影響奶牛步態(tài)，Ｆｌｏｗｅｒ等人［２５］利用攝像機(jī)在長為４０ｍ的測量??通道記錄了?４８頭高產(chǎn)荷斯坦奶牛的步態(tài)數(shù)據(jù)，通過運(yùn)動分析軟件提�。秱�運(yùn)動學(xué)步態(tài)??特征，繪制了健康奶牛與蹄部病變奶牛趾蹄時空關(guān)系分布圖，如圖２所示。圖中顯示??了健康奶牛與蹄病奶牛的支撐持續(xù)時間和擺動持續(xù)時間在步幅中所占的比例、每個??蹄接觸地面（ＨＳ）序列、離開地面（ＨＯ）序列以及與地面接觸的蹄數(shù)。通過分析??發(fā)現(xiàn)，與患有蹄病奶牛相比，健康奶牛步行速度更快，步幅持續(xù)時間更短，步幅更??長；奶牛通過同側(cè)蹄和對側(cè)蹄之間交替支撐來完成雙趾支撐；在三趾支撐期間，健??康奶牛僅在三趾上花費(fèi)了步幅時間的１８％，如圖２ａ所示，而蹄病奶牛為減輕患趾負(fù)??荷，這一數(shù)據(jù)增加了一倍多，占步幅時間的４２％，如圖２ｂ所示。由此可知，蹄部病??變的奶牛支撐持續(xù)時間和擺動持續(xù)時間具有差異，可以作為檢測跛行指標(biāo)。??隹個步供?《和外５??Ｉ?■■?—ｊ??Ｉ?－?■????ＲＦ?ＲＦ??ＨＳｊ?ＨＯ?＾?ＨＳ?丨?隹柳?Ｈ０???ＬＦ?請起ＬＦ??ＨＯ?ＨＳ?ＨＯ?ＨＯ?ＨＳ?ＨＯ??ＬＲ?ＬＲ??ＨＳ?ＨＯ?ＨＳ?ＨＳ?ＨＯ?ＨＳ??ＲＲ?Ｉ?ＲＲ??ＨＯ?ＨＳ?ＨＯ?ＨＯ?ＨＳ?ＨＯ??離丨３丨?２?卜｜?２?卜｜?

?內(nèi)蒙古農(nóng)業(yè)大學(xué)博士學(xué)位論文?５??對國內(nèi)外精準(zhǔn)畜牧業(yè)動物信號感知與行為檢測研宄方面進(jìn)行了分析與總結(jié)。趙凱旋??［２８］利用機(jī)器視覺技術(shù)對奶牛腿部擺動進(jìn)行分析，將攝像機(jī)安裝在與地面高度１．８米，??離奶牛個體３５ｍ處的位置，如圖３所示，通過圖像處理技術(shù)提取運(yùn)動趾蹄位置，繪制??運(yùn)動曲線，提取步態(tài)不對稱性變量、步速、跟蹤距離、支撐時間、步幅長度和著地??敏感性等６個特征，對９８頭奶牛進(jìn)行識別分類，總體識別精度為９０．１８％。因此，奶??牛步行期間的步態(tài)特征變化可以作為區(qū)分奶牛跛行的依據(jù)。??—?７ｍ???？厲．．．屬—ｊ?雇?Ｉ?■?????奶牛?／?水梏＿??視野范圍??３５ｍ｜??Ｉ??Ｉ??Ａ??相機(jī)??圖３基于機(jī)器視覺的測置系統(tǒng)??Ｆｉｇ．３?Ｔｅｓｔ?ｓｙｓｔｅｍ?ｂａｓｅｄ?ｏｎ?ｍａｃｈｉｎｅ?ｖｉｓｉｏｎ?ｍｅｔｈｏｄ??康熙［２９］等人利用計算機(jī)視覺技術(shù)對奶牛牛蹄位置進(jìn)行自動定位，通過分析奶牛??步行時的同側(cè)牛蹄運(yùn)動軌跡，對跛行進(jìn)行了識別分類。宋懷波［３°］從奶牛序列圖像中??提取頭部、頸部和背部連接的輪廓線，計算該線擬合直線斜率，對１８頭奶牛進(jìn)行跋??行識別分類，有９４％的奶牛被正確分類。Ｊｉａｎｇｔ３ｎ等人采用雙正態(tài)分布模型獲取目標(biāo)??奶牛像素區(qū)域，設(shè)計了背景統(tǒng)計模型確定奶牛跛行程度，結(jié)果表明該方法可以用于??檢測奶牛跋行。??（２）基于測力傳感器技術(shù)的奶牛跛行檢測研究??自２０世紀(jì)８０年代以來，人們對測力傳感器技術(shù)檢測跛行進(jìn)行了大量的研究，主??要以測力板和壓敏墊來開發(fā)奶牛跛行自動識別系統(tǒng)。??Ｒａｊｋｏｎｄａｗａｒ？等人首先開發(fā)了一維地面反作用力系統(tǒng)，通過測量奶

【參考文獻(xiàn)】：
期刊論文
[1]《中國奶業(yè)年鑒（2018卷）》[J].   中國奶牛. 2019(12)
[2]我國乳制品工業(yè)的發(fā)展歷程[J]. 李依璇,羅潔,任發(fā)政,郭慧媛.  中國奶牛. 2019(10)
[3]基于機(jī)器視覺的跛行奶牛牛蹄定位方法[J]. 康熙,張旭東,劉剛,馬麗.  農(nóng)業(yè)機(jī)械學(xué)報. 2019(S1)
[4]基于小波閾值去噪與EMD分解方法提取潤揚(yáng)大橋振動信息[J]. 余騰,胡伍生,吳杰,李海鋒,喬燕.  振動與沖擊. 2019(12)
[5]改進(jìn)的小波閾值函數(shù)在沖擊加速度信號處理中的應(yīng)用[J]. 張穎,李廣武,楊建宏,郭小帆.  傳感技術(shù)學(xué)報. 2019(03)
[6]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(qiáng).  傳感技術(shù)學(xué)報. 2019(02)
[7]基于頭頸部輪廓擬合直線斜率特征的奶牛跛行檢測方法[J]. 宋懷波,姜波,吳倩,李通,何東健.  農(nóng)業(yè)工程學(xué)報. 2018(15)
[8]幾種常用步態(tài)檢測典型算法的設(shè)計比較[J]. 余佩,韓勇強(qiáng).  導(dǎo)航定位與授時. 2018(04)
[9]一種聯(lián)合小波閾值和維納濾波的探地雷達(dá)信號去噪方法[J]. 張夢殊,那振宇,梁道軒,熊木地,劉鑫.  移動通信. 2018(07)
[10]基于SMC控制器的奶牛步態(tài)模擬裝置的設(shè)計[J]. 楊麗娟,徐彬騰,劉德環(huán),房佳佳,畢力格圖,張永.  黑龍江畜牧獸醫(yī). 2017(23)

博士論文
[1]基于機(jī)器視覺的奶牛個體信息感知及行為分析[D]. 趙凱旋.西北農(nóng)林科技大學(xué) 2017
[2]設(shè)施羊舍聲信號的特征提取和分類識別研究[D]. 宣傳忠.內(nèi)蒙古農(nóng)業(yè)大學(xué) 2016

碩士論文
[1]基于改進(jìn)型DTW的語音識別系統(tǒng)的研究[D]. 徐智.安徽大學(xué) 2019
[2]基于視頻分析的奶牛關(guān)鍵部位提取及跛行檢測研究[D]. 吳倩.西北農(nóng)林科技大學(xué) 2019
[3]邏輯回歸算法改進(jìn)及基于TensorFlow并行化研究[D]. 秦誠.吉林大學(xué) 2019
[4]基于手機(jī)加速度傳感器的步態(tài)識別研究[D]. 何書芹.西北師范大學(xué) 2018
[5]基于無線體域網(wǎng)的人體姿態(tài)識別算法研究[D]. 王璐.吉林大學(xué) 2016
[6]內(nèi)蒙古奶業(yè)發(fā)展研究[D]. 劉娜.內(nèi)蒙古農(nóng)業(yè)大學(xué) 2016
[7]邏輯回歸算法及其GPU并行實(shí)現(xiàn)研究[D]. 董學(xué)輝.哈爾濱工業(yè)大學(xué) 2016
[8]奶牛跛行風(fēng)險因素的調(diào)查及跛行程度與血漿生化指標(biāo)關(guān)聯(lián)性的研究[D]. 谷城.黑龍江八一農(nóng)墾大學(xué) 2015
[9]基于小波變換的心電信號分析研究及其FPGA實(shí)現(xiàn)[D]. 張倩.吉林大學(xué) 2014
[10]基于加速度傳感器的人體運(yùn)動姿態(tài)識別[D]. 周博翔.長沙理工大學(xué) 2014



本文編號：3457330