李麗華 劉志偉 趙學(xué)謙 李 帥

(1.河北農(nóng)業(yè)大學(xué)機(jī)電工程學(xué)院， 保定 071001; 2.農(nóng)業(yè)農(nóng)村部肉蛋雞養(yǎng)殖設(shè)施工程重點實驗室， 保定 071001)

0 引言

我國本交籠養(yǎng)模式的應(yīng)用處在起步階段，存在生產(chǎn)效率較低、福利水平不高等諸多問題，該飼養(yǎng)模式下配套設(shè)施設(shè)備的合理設(shè)計和使用對種雞生產(chǎn)具有重要影響。準(zhǔn)確高效監(jiān)測分析種雞行為有助于了解配套設(shè)施設(shè)備對種雞的影響情況，以便及時發(fā)現(xiàn)設(shè)計缺陷，提高設(shè)計的效率和合理性。

研究者在動物行為識別方面進(jìn)行了大量研究。文獻(xiàn)[1-4]利用加速度傳感器、使用決策樹算法和隨機(jī)森林算法識別了綿羊的吃草、躺臥、跑、站立、走、放牧、跛行步態(tài)等多行為模式和羔羊哺乳期吮吸行為。文獻(xiàn)[5-7]利用加速度傳感器對豬的行為進(jìn)行了識別。文獻(xiàn)[8]結(jié)合加速度傳感器和RFID標(biāo)簽準(zhǔn)確識別了豬的休息、移動和進(jìn)食等行為和哺乳期的姿態(tài)。文獻(xiàn)[9-20]利用加速度傳感器，使用模式匹配法、神經(jīng)網(wǎng)絡(luò)、新的決策樹、支持向量機(jī)等算法，檢測奶牛采食、飲水、反芻、舔舐等行為。文獻(xiàn)[21]利用加速度傳感器研究了狗的快速旋轉(zhuǎn)和奔跑行為。文獻(xiàn)[22]利用加速度傳感器、采用邏輯回歸算法研究了肉雞的健康步態(tài)和跛行步態(tài)的程度。文獻(xiàn)[23-24]利用加速度傳感器識別了鴿子的平飛和著陸的飛行行為。

本文使用加速度傳感器構(gòu)建種雞個體行為自動采集系統(tǒng)，結(jié)合K-means聚類算法實現(xiàn)對種雞行為特征的自動識別，分析個體行為變化規(guī)律，為本交籠養(yǎng)模式優(yōu)化設(shè)計和高效管理提供科學(xué)依據(jù)。

1 材料與方法

1.1 試驗材料

本交籠采用河北新裕德畜牧機(jī)械科技有限公司提供的SYD父母代蛋種雞籠養(yǎng)設(shè)備，規(guī)格為前端4 800 mm×1 250 mm×720 mm，后端4 800 mm×1 250 mm×633 mm。試驗種雞選取公雞3只，母雞30只，按照1∶10比例飼養(yǎng)于本交籠內(nèi)，試驗周期30 d。母雞的品種是海蘭灰，日齡550 d；公雞是河北保定當(dāng)?shù)氐牟耠u，日齡160 d。舍內(nèi)環(huán)境平均溫度27.59℃，平均相對濕度34.3%。本交籠種雞可以自由飲水，08:30投料一次。

數(shù)據(jù)采集選用集成JY901模塊的九軸加速度傳感器，采集種雞頸部的加速度數(shù)據(jù)，固定位置和方法如圖1右上角所示，雞直立時y軸與脖子平行指向正下方，x軸與y軸垂直，指向雞身體正后方，z軸與x、y軸垂直指向雞身左側(cè)方向。該固定方法使種雞在運動時產(chǎn)生的加速度方向與加速度傳感器三軸的方向基本重合，x、y、z軸的方向不會改變，大小時刻在改變。前期預(yù)試驗分別測定了傳感器安裝在脖子、腿部、后背的加速度數(shù)據(jù)，加速度傳感器固定于種雞頸部時5種典型的行為加速度數(shù)據(jù)特征存在明顯差異，數(shù)據(jù)采集效果較好，因此選擇將加速度傳感器固定于種雞頸部進(jìn)行數(shù)據(jù)采集。加速度傳感器使用鋰電池外部供電，傳感器質(zhì)量56 g，比較輕，并用彈性可伸縮的綁帶將加速度傳感器佩戴于種雞頸部。數(shù)據(jù)傳輸采用藍(lán)牙模塊，電池容量9 900 mA·h，藍(lán)牙傳輸距離大于10 m，傳感器的尺寸為51.3 mm×36 mm×5 mm。在籠子區(qū)域正中距離地面2.2 m的高度位置放置1臺300萬像素的高清網(wǎng)絡(luò)攝像頭，攝像頭垂直朝下獲取雞的俯視圖，并通過網(wǎng)線連接到雞舍隔壁觀察室的服務(wù)器，用于數(shù)據(jù)校驗。試驗數(shù)據(jù)采集示意圖如圖1所示。數(shù)據(jù)分析處理軟件為Matlabr2014a。

圖1 試驗數(shù)據(jù)采集示意圖Fig.1 Schematic of experimental data acquisition1.小蟻智能攝像頭 2.加速度傳感器 3.數(shù)據(jù)接收端

1.2 數(shù)據(jù)采集系統(tǒng)搭建

數(shù)據(jù)采集系統(tǒng)主要由3部分組成：上位機(jī)、藍(lán)牙無線通信、加速度傳感器數(shù)據(jù)采集模塊。加速度傳感器數(shù)據(jù)采集模塊包括九軸加速度傳感器、9 900 mA·h鋰電池和試驗種公雞。系統(tǒng)結(jié)構(gòu)如圖2所示。

圖2 數(shù)據(jù)采集系統(tǒng)Fig.2 Data acquisition system

1.2.1無線通信通道

加速度傳感器通過藍(lán)牙適配器依據(jù)串口號進(jìn)行通信，并與種雞個體一一對應(yīng)。配對成功后效果如圖3所示。SPP表示終端設(shè)備，指加速度傳感器，DUN表示上位機(jī)撥號自動搜索終端設(shè)備。藍(lán)牙工作模式如表1所示。

圖3 通道檢查Fig.3 Channel check

表1 藍(lán)牙工作模式Tab.1 Bluetooth working mode

1.2.2無線藍(lán)牙通信協(xié)議

數(shù)據(jù)通過藍(lán)牙無線傳輸，采樣頻率10 Hz，默認(rèn)為1 s包含10個數(shù)據(jù)包。通信協(xié)議為11位如圖4所示，0x55表示數(shù)據(jù)包包頭，0x51表示是加速度信號，AxL和AxH表示加速度ax的低字節(jié)和高字節(jié)，AyL和AyH表示加速度ay的低字節(jié)和高字節(jié)，AzL和AzH表示加速度az的低字節(jié)和高字節(jié)，TL和TH表示芯片溫度的低字節(jié)和高字節(jié)，SUM是校驗位。數(shù)值中負(fù)數(shù)的出現(xiàn)是由于高字節(jié)需要強制轉(zhuǎn)換為一個有符號的short類型的數(shù)據(jù)后進(jìn)行移位操作的結(jié)果。ax的計算式為

(1)

式中g(shù)——重力加速度，可取9.8 m/s2

Ax——AxH與AxL組成的16位二進(jìn)制數(shù)

ay、az計算方法與之相同。

0x550x51AxLAxHAyLAyHAzLAzHTLTHSUM

圖4 加速度數(shù)據(jù)輸出通信協(xié)議
Fig.4 Acceleration data output communication protocol

2 數(shù)據(jù)處理

2.1 小波降噪

噪聲的存在嚴(yán)重影響了本交籠種雞個體行為識別，故本文采用小波降噪對原始數(shù)據(jù)預(yù)處理。Symlet小波系通常表示為symN(N=2,3,…,8)，通過改變小波基函數(shù)sym2～sym8，計算信噪比的大小，得出信噪比越大去噪效果越好。試驗發(fā)現(xiàn)采用sym8小波基函數(shù)效果最佳，結(jié)果如表2所示。

表2 不同小波基去噪的信噪比Tab.2 Signal-to-noise ratios of different wavelet bases for denoising

2.2 特征提取

種雞行為加速度a=(ax，ay，az)，ax、ay、az分別表示三軸加速度傳感器3個方向的加速度分量，由于行為的運動方向是隨機(jī)的，所以方向不是判斷行為的必要條件，為了消除朝向和角度的影響，便于計算，本文采用合加速度a表示種雞各行為的加速度，合加速度為三軸加速度的標(biāo)量和，較單軸的數(shù)據(jù)穩(wěn)定。合加速度計算公式為

(2)

合加速度降噪后曲線如圖5所示。

由圖5可看出，由于本交籠種雞行為的動作幅度不同，采食、飲水、打斗、交配、振翅的加速度曲線的波動性明顯不同，故本文采用合加速度差值表示行為曲線波動性，計算公式為

Δi=|ai-ai-1|

(3)

式中Δi——合加速度差

ai——i時刻的合加速度

ai-1——i-1時刻合加速度

2.3 K-means均值聚類算法

圖5 典型行為合加速度曲線Fig.5 Typical behavior combined acceleration curves

K-means是聚類中常用的一種方法，所謂聚類是按相似性原則將相似性較高的數(shù)據(jù)歸為一類，將相異性較高的數(shù)據(jù)對象劃分為不同的簇[25]。本交籠種雞的三軸加速度數(shù)據(jù)用ax、ay、az表示。K-means均值聚類算法的中心思想是最小化總的類內(nèi)距離，方法是重復(fù)調(diào)整c個聚類的質(zhì)心mi，并將各個樣本分配到最近的質(zhì)心所在的類別中去[26]。K-means模型公式為

(4)

式中E——聚類時的誤差

xu——樣本個體ωi——一個聚類

根據(jù)K-means算法流程圖(圖6)，按動作幅度或曲線波動性分類，本交籠種雞個體行為主要有采食、飲水、打斗、交配和振翅5種。

(4)重復(fù)步驟(2)、(3)直到p達(dá)到最大迭代次數(shù)或滿足‖E(p+1)-E(p)‖小于最小偏差閾值為止。

圖6 K-means算法流程圖Fig.6 Flow chart of K-means algorithm

3 系統(tǒng)性能測試

3.1 加速度數(shù)據(jù)采集模塊通信距離測試

試驗前對加速度傳感器的讀寫距離在空曠地區(qū)和本交籠內(nèi)4個點分別進(jìn)行了測試，在空曠地區(qū)一人觀察服務(wù)器端，另一人佩戴加速度傳感器向前走，若藍(lán)牙中斷則測量服務(wù)器端到中斷點的距離，求取平均值。本交籠底端4個底點測試布點如圖7所示，服務(wù)器端在第1個點的籠外邊。數(shù)據(jù)測試過程以4個點的終端可以同時接收、發(fā)送信號為標(biāo)準(zhǔn)，籠內(nèi)籠外傳感器讀寫距離對比見表3。

圖7 本交籠底端4個位置指示圖Fig.7 Four position indicators of natural mating cage at bottom

表3 加速度傳感器讀寫距離測試Tab.3 Comparison of acceleration sensor reading and writing distancesm

3.2 供電情況對比

加速度傳感器自帶電池的供電時間大約為5 h，為了延長監(jiān)測時間，減少試驗過程換電池給雞造成應(yīng)激，本文選取充電寶和鋰電池分別對加速度傳感器供電并進(jìn)行對比試驗。試驗結(jié)果見表4。鋰電池體積小，質(zhì)量輕，供電時間長。因此，采用鋰電池對九軸加速度傳感器進(jìn)行供電。

4 結(jié)果分析

4.1 降噪效果

通過式(2)計算得出合加速度數(shù)據(jù)中，存在種雞戴上設(shè)備產(chǎn)生應(yīng)激反應(yīng)等干擾噪聲，故采用小波降噪對原始信號進(jìn)行預(yù)處理，合加速度數(shù)據(jù)處理前后信號降噪結(jié)果如圖8所示。

4.2 種雞個體典型行為監(jiān)測和識別

系統(tǒng)可以實時且連續(xù)不間斷地監(jiān)測和識別本交籠種雞個體典型行為，包括采食、飲水、打斗、交配、振翅，行為加速度曲線如圖9所示。

表4 充電寶與鋰電池對傳感器供電的情況對比Tab.4 Comparisons of power supply to sensors by rechargeable treasure and lithium batteries

圖8 降噪效果Fig.8 Diagrams of noise reduction effect

圖9 典型行為加速度曲線Fig.9 Typical behavior acceleration curves

4.3 K-means識別效果

圖10 5種行為聚類中心Fig.10 Five behavior clustering centers

利用基于K-means均值聚類的本交籠種雞個體行為識別方法對種雞行為進(jìn)行判斷，訓(xùn)練樣本數(shù)據(jù)聚類結(jié)果如圖10所示。通過對2 000個樣本數(shù)據(jù)的反復(fù)訓(xùn)練，利用 K-means均值聚類算法的最大迭代次數(shù)為8次；得到交配、打斗、振翅、采食、飲水的聚類中心分別為1.032、1.102、1.022、1.044和0.993。5種行為聚類分布如圖11所示，利用試驗樣本對K-means均值聚類算法進(jìn)行種雞行為識別效果試驗，試驗中把訓(xùn)練樣本得到的聚類中心作為初始聚類中心，最大迭代次數(shù)減少為6次，提高了算法效率。本交籠種雞的采食、飲水、打斗、交配、振翅典型行為識別結(jié)果如圖12所示(圖中，A表示采食，B表示飲水，C表示打斗，D表示交配，E表示振翅)。

文中選取2018年9月2日13:00—19:00和2018年9月3日06：00—19:00的3只公雞19 h的行為數(shù)據(jù)，統(tǒng)計視頻中每種行為次數(shù)進(jìn)行系統(tǒng)識別精度校驗，校驗結(jié)果如表5所示，采食、飲水、振翅、打斗、交配行為平均識別精度分別為94.31%、92.53%、

圖11 5種行為的聚類分布Fig.11 Cluster distribution of five behaviors

圖12 種雞不同行為模型識別結(jié)果Fig.12 Results of different behavioral model recognition

表5 種雞個體典型行為識別精度Tab.5 Accuracy of breeders individual typical behavior recognition

92.31%、84.03%、72.00%。其中交配行為視頻顯示只有73次，而模型結(jié)果識別出了85次，原因是由于種雞的個體行為比較復(fù)雜，在交配和打斗的過程中，通過對比交配和打斗行為曲線，發(fā)現(xiàn)兩種行為加速度數(shù)據(jù)比較接近，造成了誤判，因此導(dǎo)致了交配行為的識別精度較低，只有72.00%。后續(xù)工作將增加其他行為特征量的數(shù)據(jù)獲取和分析，以提高兩種行為的識別精度。

5 結(jié)論

(1)設(shè)計了一套基于加速度傳感器和藍(lán)牙無線傳輸?shù)谋窘换\種雞個體行為的實時監(jiān)測系統(tǒng)，確定了九軸加速度傳感器在種雞上的最佳佩戴位置，解決了傳感器本身供電時間較短問題，實現(xiàn)了本交籠種雞行為的無損、快速識別。

(2)采用小波sym降噪對原始數(shù)據(jù)預(yù)處理，以減少噪聲影響，利用K-means聚類算法對行為特征進(jìn)行識別，得到穩(wěn)定的聚類中心，進(jìn)行了加速度傳感器距離對比和以充電寶、鋰電池作為供電設(shè)備的性能測試，同時利用視頻監(jiān)控驗證種雞的5種行為。研究結(jié)果顯示，該系統(tǒng)能夠準(zhǔn)確識別種雞個體的多種行為，采食、飲水、振翅、打斗、交配行為平均識別精度分別為94.31%、92.53%、92.31%、84.03%、72.00%，可為本交籠養(yǎng)模式配套設(shè)施設(shè)備優(yōu)化設(shè)計和高效管理提供科學(xué)依據(jù)。

(3)對于打斗和交配行為存在誤判的情況，可以在特征提取和選擇中引入并分析加速度傳感器的多特征數(shù)據(jù)，通過結(jié)合多特征對獲取的加速度數(shù)據(jù)進(jìn)行訓(xùn)練和識別。