牛行为监测技术及分类方法研究进展

摘要：

综述了声音监测技术、机器视觉技术、无线传感网络技术在牛行为监测的研究与应用现状,分析了支持向量机(SVM)、K均值聚类(K-means)、人工神经网络(ANNs)等3种牛行为识别分类算法的优缺点,结果表明:(1)机器视觉技术具有无接触的识别,不外带装置,可以对动物行为进行识别,对牛活动影响小,但对图像视频环境要求苛刻,动物行为识别精准度不高;(2)无线传感器技术应用广、技术成熟,可以监测畜禽采食、反刍、休息、活动等行为,但适合动物穿戴、长期可靠工作的无线网络传感器技术有待突破;(3)支持向量机计算简单,理论完善,所需样本数据少,且识别精度高,分类效果好.人工神经网络算法的学习规则简单,非线性拟合能力较强,但数据不足易出现运算时间长、过学习、容易陷入局部最小值等情况.

关键词：传感器、机器视觉、行为监测、行为分类、支持向量机、K均值聚类、人工神经网络

所属期刊栏目：32

分类号：S818.9(普通畜牧学)

资助基金：国家自然科学基金项目;江西省青年科学基金资助项目;江西现代农业科研协同创新专项;江西省农业科学院创新基金博士启动项目

在线出版日期：2020-12-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：99-105