劉志偉，李麗華，2*

(1. 河北農(nóng)業(yè)大學(xué)機(jī)電工程學(xué)院，河北 保定 071001;2. 農(nóng)業(yè)部肉蛋雞養(yǎng)殖設(shè)施工程重點(diǎn)實(shí)驗(yàn)室，河北 保定 071001;)

畜禽行為是反映畜禽健康狀況的一種重要表現(xiàn)，準(zhǔn)確高效地監(jiān)測(cè)、分析畜禽行為有助于了解畜禽的生理、健康和福利狀況。能及時(shí)發(fā)現(xiàn)個(gè)體異常，預(yù)防疾病，減少養(yǎng)殖場(chǎng)的經(jīng)濟(jì)損失，提高動(dòng)物福利[1]。人工觀察法不僅耗費(fèi)人力，而且當(dāng)測(cè)量人員進(jìn)入養(yǎng)殖場(chǎng)時(shí)，畜禽會(huì)產(chǎn)生應(yīng)激反應(yīng)，測(cè)量的結(jié)果會(huì)產(chǎn)生誤差，不能準(zhǔn)確反映畜禽個(gè)體的行為特征信息。監(jiān)測(cè)中圖像信息采集對(duì)攝像機(jī)的固定位置和角度都有較高要求，監(jiān)測(cè)過(guò)程中易受環(huán)境光線的干擾，所獲得圖像的清晰度難以保證，對(duì)畜禽的行為識(shí)別產(chǎn)生誤判。隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展，將加速度傳感器(acceleration sensor)技術(shù)應(yīng)用于畜牧業(yè)生產(chǎn)中，有利于精準(zhǔn)畜牧業(yè)蓬勃發(fā)展。加速度傳感器具有體積小、高性能、低成本和高封裝等特點(diǎn)，且具有連續(xù)不間斷監(jiān)測(cè)畜禽行為信息等優(yōu)點(diǎn)，對(duì)準(zhǔn)確尋找出病態(tài)畜禽具有非常重要的作用。將加速優(yōu)越感器佩戴于畜禽身體的某個(gè)部位獲取加速度數(shù)據(jù)就可以識(shí)別出主要行為特征，判斷出行為信息與畜禽健康狀況的關(guān)系，從而減少人力，并盡早發(fā)現(xiàn)畜禽的異常，減少或避免不必要的損失。

加速度傳感器技術(shù)監(jiān)測(cè)畜禽行為受到了國(guó)內(nèi)外研究人員的高度重視，近10年，加速度傳感器在家畜大個(gè)體行為識(shí)別領(lǐng)域上成就顯著，國(guó)外學(xué)者重點(diǎn)指出加速度傳感器技術(shù)在羊行為分類、量化中的應(yīng)用[2]，而國(guó)內(nèi)學(xué)者將加速度傳感器佩戴于羊的頸部、頭部、耳朵、腿部等部位進(jìn)行研究[3-6]?；诖伺宕鞣椒ǎ瑖?guó)外學(xué)者對(duì)羊的行為進(jìn)一步研究，搭建了行為監(jiān)測(cè)系統(tǒng)并識(shí)別了羊的采食、跨跳、行走、跑、站立、跛行步態(tài)等多行為模式[2，7-9]；在豬的行為識(shí)別上，基于加速度傳感器技術(shù)，國(guó)內(nèi)外研究了豬的產(chǎn)仔和準(zhǔn)確的分娩時(shí)間[10]、休息、移動(dòng)和進(jìn)食行為[11]、側(cè)臥和立臥哺乳姿態(tài)[12-13]、豬的產(chǎn)前行為[14]。研究結(jié)果表明，行為識(shí)別準(zhǔn)確率高，實(shí)際效果顯著。國(guó)內(nèi)外研究人員通過(guò)采集牛的日常行為加速度數(shù)據(jù)，使用k-means均值聚類、支持向量機(jī)和隨機(jī)森林等方法分析和處理數(shù)據(jù)并建立模型，已深入研究了牛的吞咽、反芻、舔舐、站立、平躺、慢走、快走、躺臥等行為[15-16]。對(duì)于狗的行為研究上，有人將加速度傳感器佩戴于狗背部，結(jié)合迭代最小二乘算法(ILSA)識(shí)別狗的奔跑等行為[17]。

對(duì)家禽小個(gè)體的研究還有待進(jìn)一步深入。2019年，有人曾對(duì)肉雞步態(tài)進(jìn)行過(guò)研究，使用加速度傳感器和邏輯回歸算法，研究了肉雞的健康步態(tài)和跛行步態(tài)的程度[18]。在鴿子的行為識(shí)別上，將加速度優(yōu)越感器綁在翅膀下面和尾部，采用多重多項(xiàng)式回歸分析與處理加速度數(shù)據(jù)，研究了鴿子的平飛和著陸飛行的行為[19-20]。隨著人們對(duì)畜禽的養(yǎng)殖要求越來(lái)越高，福利化養(yǎng)殖越來(lái)越受到重視，監(jiān)測(cè)畜禽的行為就成了炙手可熱的問題。加速度傳感器能感受個(gè)體的加速度，輸出加速度數(shù)據(jù)，通過(guò)提取個(gè)體行為特征識(shí)別個(gè)體行為，具有連續(xù)不間斷的監(jiān)測(cè)畜禽的行為等優(yōu)點(diǎn)，因而得到迅速發(fā)展。

本文詳細(xì)闡述了國(guó)內(nèi)外利用加速度傳感器在畜禽個(gè)體行為識(shí)別監(jiān)測(cè)領(lǐng)域的應(yīng)用現(xiàn)狀及存在的問題，對(duì)家禽小個(gè)體的行為監(jiān)測(cè)研究進(jìn)行了展望，為國(guó)內(nèi)開展家禽小個(gè)體行為監(jiān)測(cè)技術(shù)研究提供參考。

1 加速度傳感器技術(shù)

1.1 加速度傳感器分類和工作原理

加速度傳感器一般按軸數(shù)和原理分類，軸數(shù)一般有單軸、雙軸、三軸、六軸和九軸；單軸和雙軸一般用于汽車防盜、玩具制造、橋梁、大壩的振動(dòng)等監(jiān)測(cè)。由于動(dòng)物和人都具有自主意識(shí)，可以隨時(shí)改變其運(yùn)動(dòng)軌跡，單軸和雙軸加速度傳感器就不適合對(duì)此類問題描述。三軸、六軸和九軸加速度傳感器一般用于測(cè)量人和動(dòng)物的行為信息，三軸加速度傳感器是六軸和九軸的核心元件且具有3個(gè)相互垂直的輸出軸，空間中的任意運(yùn)動(dòng)可以在3個(gè)方向上進(jìn)行分解。按工作原理分為一般壓電式、壓阻式、電容式、伺服式加速度傳感器。加速度傳感器的原理運(yùn)用了牛頓第二定律如公式(1)。

A=F/M

(1)

大多數(shù)加速度傳感器利用硅的機(jī)械特性，加速度傳感器內(nèi)部有敏感元件，以壓阻式加速度傳感器為例，當(dāng)加速度傳感器以a運(yùn)動(dòng)時(shí)，受到一個(gè)a方向相反的慣性力的作用，發(fā)生與加速度成正比a形變，該變形被粘貼在懸臂梁的擴(kuò)散電阻感受到，阻值發(fā)生與應(yīng)變成正比的變化，該電阻作為電橋的橋臂，電橋電壓的變化即可以采集加速度數(shù)據(jù)。一般通過(guò)內(nèi)部的信號(hào)放大電路和實(shí)現(xiàn)轉(zhuǎn)化的電子電路輸出電壓，再通過(guò)相應(yīng)的放大和濾波電路進(jìn)行采集加速度數(shù)據(jù)。工作原理圖如圖1和圖2。

圖1 加速度傳感器工作原理流程圖

圖2 加速度傳感器工作原理

1.2 加速度傳感器概述

加速度傳感器是一種能感受加速度并轉(zhuǎn)換成可用輸出信號(hào)的傳感器，它也是一種測(cè)量加速力的電子設(shè)備。加速度傳感器技術(shù)最早由美國(guó)發(fā)明，20世紀(jì)30年代開始軍用，應(yīng)用于導(dǎo)彈、火箭等制導(dǎo)系統(tǒng)。早期的加速度傳感器常見于擺式加速度傳感器，主要代表有擺式積分陀螺加速度傳感器、寶石軸承擺式加速度傳感器、液浮擺式加速度傳感器[21]。20世紀(jì)50年代，Saunders等[22]最先利用加速度傳感器識(shí)別人體運(yùn)動(dòng)姿態(tài)。隨著制造工藝的提升和壓電技術(shù)的發(fā)展，20世紀(jì)60年代后期出現(xiàn)了振弦式和壓電式加速度傳感器[21]。2012年，《物聯(lián)網(wǎng)“十二五”發(fā)展規(guī)劃》重點(diǎn)指出傳感器是物聯(lián)網(wǎng)信息采集的基礎(chǔ)，而我國(guó)傳感器行業(yè)發(fā)展落后，幾乎全部依賴于進(jìn)口，傳感器芯片進(jìn)口占比達(dá)90%，因此未來(lái)我國(guó)要加大對(duì)傳感器技術(shù)的研發(fā)來(lái)彌補(bǔ)缺陷[23]。當(dāng)前，加速度傳感器技術(shù)已被應(yīng)用于人體跌倒[24]、心率監(jiān)測(cè)[25]以及運(yùn)動(dòng)行為識(shí)別[26-27]，豬、牛、羊、狗等家畜大個(gè)體運(yùn)動(dòng)行為識(shí)別[2-17]，但是對(duì)家禽小個(gè)體僅僅局限于肉雞和鴿子的行為識(shí)別[18-20]。

2 加速度傳感器數(shù)據(jù)處理主要算法

2.1 聚類算法和決策樹C4.5算法

聚類算法是對(duì)樣本分類的重要方法。在行為識(shí)別領(lǐng)域，k-means均值聚類、支持向量機(jī)(SVM)應(yīng)用廣泛，k-means均值聚類算法一般處理未知的樣本集，SVM 算法則是對(duì)已知分類的訓(xùn)練樣本集里提取特征，是一種有指導(dǎo)、有監(jiān)督的迭代訓(xùn)練學(xué)習(xí)方法。郭東東等人[3]采用k-means聚類和SVM算法處理加速度數(shù)據(jù)，建立典型行為分類模型同時(shí)也可以進(jìn)一步判斷異常行為，并用SVM算法對(duì)k-means聚類模型進(jìn)一步優(yōu)化。通過(guò)對(duì)行為的識(shí)別精度的比較發(fā)現(xiàn)，SVM算法識(shí)別效果更要優(yōu)于k-means均值聚類算法。提取海鳥行為特征變量，并用k-means算法實(shí)現(xiàn)了對(duì)海鳥的站立、游泳、飛行、潛水等行為分類識(shí)別[28]。將原始數(shù)據(jù)進(jìn)行預(yù)處理分成許多小的片段，均值、方差、偏度和峰度作為人的行為特征提取值[29]，而通過(guò)自回歸模型提取AR系數(shù)作為行為識(shí)別的特征，然后使用SVM算法實(shí)現(xiàn)了對(duì)人體的彎曲、跳躍、跑步、步行等多行為分類與識(shí)別[30]。Resheff[31]提出了一種新型矩陣分解聚類方法，具有可以將加速度測(cè)量值進(jìn)行軟分區(qū)或硬分區(qū)的優(yōu)勢(shì)，識(shí)別了鸛的步行、站立、坐、拍打、滑翔等行為，與k-means聚類和SVM算法相比較，該聚類算法的識(shí)別準(zhǔn)確率較低。決策樹算法對(duì)數(shù)據(jù)進(jìn)行歸納總結(jié)，得到可讀的規(guī)則和決策樹，可讀的規(guī)則作用是對(duì)數(shù)據(jù)進(jìn)行分類，決策樹作用是找到訓(xùn)練樣本集蘊(yùn)含的分類規(guī)則。將數(shù)據(jù)集分為3個(gè)時(shí)期進(jìn)行測(cè)試，通過(guò)決策樹算法識(shí)別了綿羊的放牧、躺臥、跑步、站立和走等行為，行為識(shí)別準(zhǔn)確度較高[7]。通過(guò)對(duì)原始信號(hào)進(jìn)行濾波去噪處理，然后對(duì)時(shí)域和頻域提取特征，時(shí)域包括平均值、方差、標(biāo)準(zhǔn)差、平均絕對(duì)偏差、均方根、導(dǎo)數(shù)等[32]。頻域包括離散傅里葉變換系數(shù)、熵等。提取了小波能量特征和樣本熵作為行為識(shí)別的特征值，決策樹算法建立行為分類器，對(duì)人的走路、上樓、下樓識(shí)別，但是準(zhǔn)確率低，效果不是很理想[33]。

2.2 k近鄰(k-NN)和隨機(jī)森林算法(RF)

k近鄰(k-NN)算法是k個(gè)最相鄰的樣本中屬于某一個(gè)類別，那么該樣本也屬于這個(gè)類別，同時(shí)具有這一個(gè)類別的特性。該算法優(yōu)點(diǎn)是無(wú)需估計(jì)參數(shù)、不用訓(xùn)練，缺點(diǎn)是計(jì)算量大、不規(guī)則。隨機(jī)森林算法(RF)是一種靜態(tài)算法，算法容易陷入局部最優(yōu)解，而不能實(shí)現(xiàn)全局最優(yōu)解。通過(guò)提取加速度數(shù)據(jù)的時(shí)域、頻域作為特征值，并用隨機(jī)森林算法(RF)、支持向量機(jī)(SVM)和改進(jìn)的RF對(duì)人體行走、平躺、靜坐、跑步等行為識(shí)別，改進(jìn)的蜜蜂交配優(yōu)化算法増強(qiáng)了RF算法的穩(wěn)定性，行為識(shí)別結(jié)果表明：改進(jìn)的RF比RF高出1.37%，比SVM高出3.23%[33]。通過(guò)比較改進(jìn)的k-NN、SVM對(duì)人體行為的準(zhǔn)確度，研究結(jié)果表明：改進(jìn)的k-NN(k-NN)行為識(shí)別準(zhǔn)確度大于SVM。有人提出了一種TF4+FFT10作為特征值，并用KNN和決策樹建立人體行為分類器，研究表明；k-NN對(duì)人體行為識(shí)別準(zhǔn)確度較高于決策樹算法，但是仍伴有對(duì)某些行為識(shí)別準(zhǔn)確度低的問題，還需進(jìn)一步完善[34]。劉玉琪等[35]對(duì)原始數(shù)據(jù)平滑、去噪、歸一化和加窗操作，對(duì)處理后的數(shù)據(jù)提取平均周期、峰值差、平均峰值作為特征值，采用人工蜂群優(yōu)化隨機(jī)森林構(gòu)建人體行為分類器，通過(guò)分析比較C4.5決策樹、k-NN、SVM、RF的行為準(zhǔn)確度，人工蜂群優(yōu)化的RF比RF高出1.7%，比SVM高2.69%,比k近鄰高出6.12%,比C4.5高出10.63%。采用隨機(jī)森林模型來(lái)區(qū)分北極熊10種行為，發(fā)現(xiàn)休息和行走行為識(shí)別準(zhǔn)確度是90%以上，但是游泳和頭部搖晃的行為識(shí)別準(zhǔn)確度較低，存在對(duì)休息或行走錯(cuò)誤分類的情況，還需進(jìn)一步優(yōu)化隨機(jī)森林模型[36]。

k-means聚類算法在處理數(shù)據(jù)上具有完整的操作步驟，較其他算法操作性強(qiáng)，在豬產(chǎn)前行為[14]、人體運(yùn)動(dòng)行為[32-33]、山羊的行為識(shí)別[3]等應(yīng)用上，都以K-means聚類算法來(lái)處理數(shù)據(jù)，而SVM算法具有比K-means聚類算法的分類精度高的優(yōu)點(diǎn)，對(duì)動(dòng)物和人的行為分類大多數(shù)都應(yīng)用了支持向量機(jī)算法對(duì)分類模型的進(jìn)一步優(yōu)化，分類效果顯著。有人分析比較了k-NN、SVM、RF和C4.5算法的分類性能，發(fā)現(xiàn)k-NN不適合用于培訓(xùn)數(shù)據(jù)集中每一類的數(shù)量都嚴(yán)重不平衡的情況，故提出運(yùn)用一個(gè)最近鄰的k-NN混淆矩陣的方法來(lái)識(shí)別易混淆的運(yùn)動(dòng)[37-38]。支持向量機(jī)主要用于解決二分類問題，解決多分類問題效果不佳。隨機(jī)森林算法是一種由多個(gè)決策樹組成的分類器，適用于多分類。此外，隨機(jī)森林不需要特征提取，與支持向量機(jī)相比，它對(duì)缺失數(shù)據(jù)的敏感性較低。綜上，對(duì)4種模型的分類精度進(jìn)行評(píng)估表明，支持向量機(jī)在行為識(shí)別上具有最佳的行為分類性能。k-means聚類算法和支持向量機(jī)在處理加速度數(shù)據(jù)和建立行為分類模型將會(huì)得到廣泛應(yīng)用，而其他算法相比較分類效果欠佳應(yīng)用可能會(huì)減少。

3 加速度傳感器在畜禽行為識(shí)別方面的應(yīng)用

3.1 家畜行為識(shí)別上的應(yīng)用

3.1.1 在羊行為識(shí)別上的應(yīng)用

監(jiān)測(cè)家畜行為可以對(duì)早期疾病進(jìn)行預(yù)防，對(duì)家畜及時(shí)救治以減少損失。加速度傳感器監(jiān)測(cè)牲畜活動(dòng)時(shí)，對(duì)出現(xiàn)任何預(yù)期疾病都能迅速采取相應(yīng)的對(duì)策，具有減少肉眼觀察等優(yōu)點(diǎn)，故備受養(yǎng)殖人員所青睞。有人提出了一種使用加速度傳感器的牲畜行為監(jiān)測(cè)系統(tǒng)，該系統(tǒng)提供了牲畜的活動(dòng)測(cè)量信息，將通過(guò)加速度傳感器測(cè)量的活動(dòng)數(shù)據(jù)傳輸給傳感器管理員，傳感器管理員對(duì)傳輸?shù)臄?shù)據(jù)進(jìn)行格式處理和單位轉(zhuǎn)換，以及處理過(guò)的數(shù)據(jù)存儲(chǔ)在數(shù)據(jù)庫(kù)中[39]。管理服務(wù)器定期向數(shù)據(jù)庫(kù)請(qǐng)求傳感器數(shù)據(jù)，傳輸?shù)臄?shù)據(jù)與指定的標(biāo)準(zhǔn)范圍數(shù)據(jù)信息比較后，如果超出或低于標(biāo)準(zhǔn)范圍，則分析牲畜對(duì)象信息后通知用戶，用戶確定是否有疾病。與此同時(shí)，該系統(tǒng)解決了肉眼觀察需要大量勞力的問題并實(shí)現(xiàn)了實(shí)時(shí)監(jiān)測(cè)的效果。

加速度傳感器技術(shù)目前在家畜大個(gè)體中應(yīng)用廣泛。為了準(zhǔn)確的判斷羊的日常行為與疾病之間的關(guān)系，國(guó)內(nèi)外研究人員將加速度傳感佩戴于羊的身體部位，實(shí)時(shí)且連續(xù)不間斷地監(jiān)測(cè)羊的行為，建立羊的行為分類模型，通過(guò)對(duì)羊只行為發(fā)生次數(shù)的統(tǒng)計(jì)，判斷羊只個(gè)體是否有疾病，養(yǎng)殖人員及時(shí)發(fā)現(xiàn)并救治，從而減少不必要經(jīng)濟(jì)損失。國(guó)內(nèi)研究人員通過(guò)對(duì)比試驗(yàn)，確定了三軸加速度傳感器MSR145部署的最佳位置是佩戴于山羊羊角中心處，佩戴此處無(wú)應(yīng)激反應(yīng)，并用上述算法分別建立4種典型加速度數(shù)據(jù)模型，識(shí)別了山羊的躺臥、站立、慢走、采食、跨跳行為[3]。下一步將對(duì)異常的行為進(jìn)行研究，通過(guò)比較異常行為特征預(yù)設(shè)的閾值參數(shù)與典型日常行為模型，自動(dòng)指示異常個(gè)體的編號(hào)并生成異常信息報(bào)表，實(shí)現(xiàn)山羊行為與相關(guān)疾病的分類。楊曉龍[4]提出了一種基于三軸加速度傳感器和ZigBee網(wǎng)絡(luò)的奶山羊行為監(jiān)測(cè)管理系統(tǒng)，該系統(tǒng)可以實(shí)時(shí)且連續(xù)不間斷監(jiān)測(cè)奶山羊的行為信息，將三軸加速度傳感器佩戴于奶山羊的背部，建立了奶山羊的行走、跑、跨跳和站立行為分類模型，為研究奶山羊的發(fā)情、生病、分娩等實(shí)際應(yīng)用具有非常重要意義?；谏鲜龅难芯浚]輝[5]將三軸加速度傳感器MPU6050佩戴于奶山羊4個(gè)部位進(jìn)行了突破，設(shè)計(jì)并開發(fā)了一套奶山羊行為識(shí)別系統(tǒng)，并對(duì)奶山羊的行走、慢跑、靜臥和跨跳4種行為建立行為分類模型，準(zhǔn)確度較高，為畜牧業(yè)技術(shù)人員和奶山羊養(yǎng)殖戶提供有效幫助。張曦宇等[6]提出了種公羊運(yùn)動(dòng)行為識(shí)別系統(tǒng)，該系統(tǒng)利用加速度傳感器技術(shù)識(shí)別了種公羊靜立、行走、奔跑行為。通過(guò)對(duì)比不同部位加速度數(shù)據(jù)的穩(wěn)定性，確定了種公羊的最佳部署是前腿處，并用兩種算法建立行為模型，結(jié)果表明前腿處行為識(shí)別率高、應(yīng)激小。該研究主要應(yīng)用于種公羊的運(yùn)動(dòng)量補(bǔ)充和健康狀況監(jiān)測(cè)。

國(guó)外使用吊帶將加速度傳感器的佩戴于綿羊的頭部，并用攝像機(jī)實(shí)時(shí)記錄綿羊的行為信息，保證了加速度傳感器采集數(shù)據(jù)時(shí)間的同步性，建立綿羊放牧、反芻和休息行為分類模型，識(shí)別準(zhǔn)確度均在85%以上，但是存在將有些反芻活動(dòng)被誤認(rèn)為是休息行為的問題[2]。該研究可及時(shí)給養(yǎng)殖人員提供準(zhǔn)確信息，判斷綿羊的健康狀況，減少農(nóng)場(chǎng)損失，具有實(shí)際應(yīng)用價(jià)值。將三軸MEMS加速度傳感器佩戴于綿羊的下顎采集加速度數(shù)據(jù)，隨機(jī)森林算法提取放牧、躺臥、奔跑、站立和行走重要特征，決策樹算法建立行為分類模型。分別測(cè)試3、5和10 s數(shù)據(jù)，結(jié)果表明，測(cè)試3 s時(shí)，躺臥的識(shí)別準(zhǔn)確度最高是86.4%，測(cè)試5 s時(shí)，放牧行為識(shí)別準(zhǔn)確度最高是96.2%，測(cè)試10 s時(shí)，吃草行為識(shí)別準(zhǔn)確度最高是90.0%[7]。該研究用于綿羊的行為識(shí)別和分類，將有助于提高生產(chǎn)效率。將三軸加速度傳感器通過(guò)項(xiàng)圈掛在綿羊脖子上、綁于腿部和附著于耳部，通過(guò)辨別綿羊聲音來(lái)鑒別跛行步態(tài)。研究發(fā)現(xiàn)，耳附式加速度傳感器對(duì)跛行步態(tài)特征分類具有獨(dú)特的優(yōu)勢(shì)，并有效的對(duì)綿羊跛足行走活動(dòng)與正常的放牧、站立和行走行為進(jìn)行了區(qū)分[8]。該研究用于綿羊的監(jiān)測(cè)生育能力和體重等產(chǎn)生性能，有效預(yù)防并減少繼發(fā)性疾病的風(fēng)險(xiǎn)，對(duì)步態(tài)異常的動(dòng)物進(jìn)行鑒定，有助于發(fā)現(xiàn)許多有跛行癥狀的疾病，在實(shí)際生產(chǎn)中具有重大的意義。將三軸加速度傳感器佩戴于羔羊的頸部，用于自動(dòng)監(jiān)測(cè)羔羊哺乳期吮吸行為，哺乳一般發(fā)生在發(fā)育周期的早期，通過(guò)對(duì)哺乳頻率分析判斷母羊產(chǎn)奶性能且可以預(yù)測(cè)疾病，也可以評(píng)價(jià)母乳質(zhì)量；對(duì)于年齡較大的羔羊，哺乳的低頻率可以提前發(fā)出信號(hào)，有助于及時(shí)給羔羊更換乳汁充足的母羊，提高羔羊存活率[9]。該研究對(duì)母羊與羔羊的哺乳行為提供了可靠的數(shù)據(jù)支撐，具有實(shí)際意義。

3.1.2 在豬行為識(shí)別上的應(yīng)用

采集豬的加速度數(shù)據(jù)，建立行為分類模型對(duì)豬在實(shí)際中的行為識(shí)別具有重大意義。國(guó)外使用耳貼式加速度傳感器對(duì)母豬的加速度采樣，通過(guò)尖點(diǎn)控制圖監(jiān)測(cè)產(chǎn)仔前母豬的筑巢行為，根據(jù)飼養(yǎng)員的需要對(duì)報(bào)警進(jìn)行微調(diào)，用于自動(dòng)監(jiān)測(cè)母豬產(chǎn)仔報(bào)警[10]。目前對(duì)農(nóng)場(chǎng)的實(shí)際情況而言，分娩開始前12 h內(nèi)發(fā)出有用的警報(bào)效果最佳，產(chǎn)仔前6～12 h內(nèi)，飼養(yǎng)人員可以為分娩的最佳開始做好準(zhǔn)備。該研究在實(shí)際生產(chǎn)中用于母豬產(chǎn)仔行為監(jiān)測(cè)。對(duì)8頭母豬進(jìn)行野外試驗(yàn)，將耳貼式加速度傳感器附著在RFID標(biāo)簽上，該佩戴方法豬不會(huì)產(chǎn)生異常行為，設(shè)計(jì)了基于三軸加速度數(shù)據(jù)的數(shù)據(jù)采集系統(tǒng)，在100 m范圍內(nèi)無(wú)線實(shí)時(shí)傳輸加速度數(shù)據(jù)，建立母豬的休息、步行移動(dòng)和進(jìn)食行為分類模型[11]。該研究實(shí)現(xiàn)了自動(dòng)監(jiān)測(cè)母豬典型行為，對(duì)母豬的飼養(yǎng)和管理具有重大意義。設(shè)計(jì)了基于加速度傳感器的數(shù)據(jù)采集系統(tǒng)，識(shí)別了11頭母豬5種活動(dòng)類型：喂養(yǎng)、翻滾、行走、平臥和側(cè)臥，并用多變量模型與單變量模型對(duì)行為識(shí)別。結(jié)果表明，多變量模型比單變量模型更適合監(jiān)測(cè)群體飼養(yǎng)母豬的活動(dòng)[12]。該研究通過(guò)對(duì)母豬行為活動(dòng)的識(shí)別與分類，自動(dòng)監(jiān)測(cè)母豬發(fā)情、產(chǎn)仔等，具有重要的實(shí)際應(yīng)用價(jià)值。基于加速度傳感器的一種豬行為管理系統(tǒng)，人們通過(guò)大數(shù)據(jù)來(lái)識(shí)別豬的進(jìn)食育種等多行為模式，預(yù)測(cè)斷奶母豬的最佳授精時(shí)間，旨在促進(jìn)精準(zhǔn)畜牧業(yè)的發(fā)展[40]。對(duì)提高生產(chǎn)效率和以現(xiàn)代質(zhì)量標(biāo)準(zhǔn)衡量的農(nóng)場(chǎng)福利生產(chǎn)具有重要意義，通過(guò)大數(shù)據(jù)與商業(yè)條件下的人工智能算法，可以轉(zhuǎn)換成精準(zhǔn)信息來(lái)改進(jìn)養(yǎng)豬場(chǎng)決策。

國(guó)內(nèi)將加速度傳感器佩戴于母豬頸部下方，采集母豬活動(dòng)的姿態(tài)角，通過(guò)對(duì)母豬姿態(tài)識(shí)別可以直接判斷母豬的哺乳意愿[13]。有人提出并設(shè)計(jì)了一種基于三軸加速度傳感器的母豬產(chǎn)前行為監(jiān)測(cè)系統(tǒng)，可以快速且實(shí)時(shí)采集母豬運(yùn)動(dòng)信息，佩戴于頸部的傳感器對(duì)母豬產(chǎn)前行為無(wú)影響，基本無(wú)應(yīng)激[14]。k-means算法建立母豬躺臥、站立、吃料、筑窩行為模型，解決了對(duì)母豬分娩時(shí)間判斷的問題，具有實(shí)用價(jià)值。

3.1.3 在牛行為研究上的應(yīng)用

在牛上設(shè)計(jì)出一種基于三軸加速度傳感器和決策樹算法的奶牛行為活動(dòng)監(jiān)測(cè)系統(tǒng)[15]。該系統(tǒng)以10頭跛足奶牛和9頭非跛足奶牛為研究對(duì)象，通過(guò)對(duì)跛牛和非跛牛平均每日飼喂時(shí)間的差異性，經(jīng)過(guò)算法快速監(jiān)測(cè)奶牛跛足，跛足奶牛一般在下午飼喂時(shí)間較短。將傳感器記錄的加速度數(shù)據(jù)準(zhǔn)確分類為飼喂、非飼喂和擠奶行為，該研究有助于開發(fā)自動(dòng)化的監(jiān)測(cè)系統(tǒng)，使奶牛的跛行能夠迅速發(fā)現(xiàn)和治療。Leonie等[41]提出并設(shè)計(jì)了一種Smart Bow耳塞加速度傳感，器為犢牛行為監(jiān)測(cè)系統(tǒng)，該系統(tǒng)以15頭斷奶前的荷斯坦奶牛為例，并用視頻觀察確定進(jìn)食、反芻行為，達(dá)到了令人滿意的精度，該研究可以預(yù)測(cè)乳牛的疾病或不適。將Smart Bow標(biāo)簽佩戴于奶牛耳朵上，同時(shí)設(shè)計(jì)了一種實(shí)時(shí)位置監(jiān)測(cè)系統(tǒng)，通過(guò)4個(gè)傳感器的距離計(jì)算奶牛的確切位置，谷倉(cāng)地圖確定為原點(diǎn)，只有當(dāng)4個(gè)傳感器在瞄準(zhǔn)標(biāo)簽的視線范圍內(nèi)，才能將奶牛位置數(shù)據(jù)傳至計(jì)算機(jī)[42]。通過(guò)設(shè)定標(biāo)簽和1頭奶牛的30個(gè)參考點(diǎn)和觀察者進(jìn)行激光測(cè)量確認(rèn)15頭奶牛的位置。此研究可以測(cè)量奶牛的位置和監(jiān)測(cè)奶牛的發(fā)情和疾病。一種耳掛式加速度傳感器用于識(shí)別1月齡16只雄性荷斯坦?fàn)倥５姆雌c、進(jìn)食行為，回歸分析和方差分析處理加速度數(shù)據(jù)，觀察者和加速度傳感器監(jiān)測(cè)行為在時(shí)間上具有一致性[43]。采用了實(shí)時(shí)觀察和瞬時(shí)采樣方法，觀察者將被指定觀察的小腿掃描，每個(gè)指定的小腿5～10 s，并在計(jì)分表上標(biāo)記飲水、采食和反芻類別中的1個(gè)類別，該研究雖然可以有效區(qū)分犢牛的行為，但是需要人不斷去觀察測(cè)量，耗費(fèi)了人力?；趩屋S加速度傳感器和模式匹配方法的聲學(xué)監(jiān)測(cè)系統(tǒng)，以不活動(dòng)的飼養(yǎng)牛為研究對(duì)象，通過(guò)提取進(jìn)食和反芻的特征模式來(lái)區(qū)分下頜運(yùn)動(dòng)，識(shí)別了牛的吞咽和反芻咀嚼行為，準(zhǔn)確率達(dá)到90%以上[44]。該研究證明聲學(xué)監(jiān)測(cè)方法對(duì)奶牛咀嚼活動(dòng)的自動(dòng)識(shí)別與分類，并用于評(píng)價(jià)動(dòng)物管理是否有效。耳掛式加速度傳感器和視頻記錄的奶犢牛飲水行為監(jiān)測(cè)系統(tǒng)，以自然通風(fēng)的馬廄中3頭斷奶前的牛犢為研究對(duì)象，10 Hz頻率采樣，通過(guò)對(duì)加速度數(shù)據(jù)提取不同特征并開發(fā)加速度傳感器(Smart Bow EAR)算法和DE監(jiān)控的算法識(shí)別了牛犢的飲水行為，準(zhǔn)確度為96.2%，可用于判斷乳牛疾病和不適[45]?；趹T性測(cè)量單元(IMU)開發(fā)了一種牛草攝入量和反芻行為的監(jiān)測(cè)算法，IMU內(nèi)置于iPhone手機(jī)內(nèi)包括一個(gè)加速度計(jì)、一個(gè)陀螺儀、一個(gè)磁強(qiáng)計(jì)，將iPhone手機(jī)佩戴于19頭不同品種的奶牛頭部上方，采樣頻率100 Hz，通過(guò)視頻記錄了牧草量。以平均值±標(biāo)準(zhǔn)差作為牛草攝入量和反芻行為的特征值，通過(guò)峰值或頻率信號(hào)對(duì)行為進(jìn)行深入分析以區(qū)別牛頭部和下頜運(yùn)動(dòng)。自動(dòng)監(jiān)測(cè)算法應(yīng)以最短的時(shí)間窗口達(dá)到較高的精度，通過(guò)對(duì)牛吃草和反芻行為識(shí)別，準(zhǔn)確率均達(dá)到90%以上，有助于精確放牧管理[46]。以10頭奶牛為研究對(duì)象，分別用項(xiàng)圈式加速度傳感器和Rumi Watch鼻帶傳感器以10 Hz記錄數(shù)據(jù)，研究采樣率降低對(duì)算法分類精度的影響，分析比較SVM和DT的精度發(fā)現(xiàn)基本相同[47]。文中提出的簡(jiǎn)單DT算法可以降低采樣頻率，但不低于1 Hz。奶牛的飼喂和反芻行為精度均在90%以上。

對(duì)牛60 min內(nèi)的行為進(jìn)行研究，隨機(jī)記錄5 s和20 s的2個(gè)階段，提取了20個(gè)反芻行為，使用MATLAB光譜程序，通過(guò)光譜的距離來(lái)判別?？谇皇窃诓墒尺€是反芻，并對(duì)采食、飲水、反芻行為分類，準(zhǔn)確度均大于98%[48]。以5頭荷爾斯坦牛和40頭自由舍飼的牛為試驗(yàn)對(duì)象，使用20 Hz低頻加速度傳感器和200 Hz高頻加速度傳感器同時(shí)測(cè)量，200 Hz高頻加速度傳感器可以測(cè)量反芻的增加次數(shù)，二元分配分析及Tukey的多重比較可以區(qū)分牛的采食、反芻、步行和休息，該研究有利于牛的蹄病診斷，判斷削蹄是否良好，預(yù)測(cè)發(fā)情和分娩時(shí)間[49]。以3家農(nóng)戶的奶牛為研究對(duì)象，每家農(nóng)戶各取12頭佩戴加速度傳感器于頸部右側(cè)處，相機(jī)同步記錄奶牛個(gè)體活動(dòng)視頻，識(shí)別奶牛反芻和咀嚼行為，通過(guò)對(duì)泌乳量、分娩間隔、空胎天數(shù)比較發(fā)現(xiàn)體質(zhì)最佳的奶牛[50]。該研究可以有效區(qū)分生產(chǎn)性能最佳的奶牛。

三軸加速度傳感器的計(jì)步器系統(tǒng)可以通過(guò)奶?；顒?dòng)量來(lái)監(jiān)測(cè)奶牛發(fā)情和健康[16]。使用低功耗芯片nRF24LE1E實(shí)現(xiàn)數(shù)據(jù)的無(wú)線傳輸，上傳至上位機(jī)后通過(guò)發(fā)情算法進(jìn)行數(shù)據(jù)處理，為養(yǎng)殖人員提供了奶牛準(zhǔn)確的發(fā)情信息，減少了人力勞動(dòng)，實(shí)現(xiàn)了計(jì)步器的低功耗和低成本，具有很強(qiáng)的實(shí)用性，提高了奶牛養(yǎng)殖的經(jīng)濟(jì)效益。姜美曦[51]基于加速度傳感器和圖像識(shí)別設(shè)計(jì)了一種肉牛行為監(jiān)測(cè)系統(tǒng)，該系統(tǒng)可以做到時(shí)間同步、實(shí)時(shí)采集肉牛行為信息，標(biāo)準(zhǔn)差、方差和均值作為行為識(shí)別的特征值，卡爾曼濾波器對(duì)肉牛的加速度數(shù)據(jù)預(yù)處理，并對(duì)肉牛采食和行走行為進(jìn)行分類，但是行為識(shí)別的準(zhǔn)確度不高，該方法可以應(yīng)用到其他畜禽上。王俊等[52]提出了基于無(wú)線腿部加速度傳感器和最優(yōu)二叉決策樹分類算法的奶牛運(yùn)動(dòng)行為識(shí)別方法，峰度、標(biāo)準(zhǔn)差、偏度作為行為識(shí)別的特征量，通過(guò)構(gòu)建ROC曲線獲得特征量的最佳行為分組和閾值，該算法較SVM和ID3決策樹算法高出5～6個(gè)百分點(diǎn)，有效區(qū)分識(shí)別奶牛的站立、平躺、慢走、快走、站立和躺臥動(dòng)作。該研究對(duì)提高奶牛行為分類精度具有重要意義。

3.2 在狗行為識(shí)別上的應(yīng)用

通過(guò)對(duì)狗的行為研究可以充分得到狗的方位和狗的姿態(tài)估計(jì)。以1只家養(yǎng)狗為研究對(duì)象，將包括三軸加速度傳感器的MTI-G佩戴于狗的背部，且保證在狗身上的3個(gè)方向與設(shè)備軸向一致。MTI-G是評(píng)估姿態(tài)估計(jì)算法效率的有效工具，當(dāng)狗的運(yùn)動(dòng)方向不確定時(shí)，它能夠以一個(gè)小的誤差重建AHRS給出的狗的方向。觀察狗的低速運(yùn)動(dòng)如步行和小跑，之后觀察加快運(yùn)動(dòng)奔跑，加速度曲線增加，對(duì)DBA組件的差異增加，這一由慢到快的運(yùn)動(dòng)過(guò)程展開研究。以歐拉角和四元數(shù)表示狗運(yùn)動(dòng)時(shí)的三維姿態(tài)輸出，均方根、偏差作為行為提取特征值，通過(guò)卡爾曼濾波器(XEKF)的內(nèi)部算法計(jì)算姿態(tài)。基于四元數(shù)的非線性觀測(cè)器與迭代最小二乘算法(ILSA)相結(jié)合的方法對(duì)行為識(shí)別，通過(guò)動(dòng)態(tài)體加速度(DBA)估計(jì)狗的奔跑、快速旋轉(zhuǎn)等動(dòng)態(tài)行為。同時(shí)，生物學(xué)家使用DBA指數(shù)來(lái)評(píng)估活動(dòng)動(dòng)物的能量消耗；然后使用由此得出的估計(jì)值，來(lái)提取動(dòng)物的動(dòng)態(tài)身體加速度和身體姿態(tài)估計(jì)問題。該研究對(duì)于監(jiān)測(cè)狗的行為、運(yùn)動(dòng)和生理學(xué)具有重要意義。

3.3 家禽行為識(shí)別上的應(yīng)用

3.3.1 在肉雞步態(tài)檢測(cè)上的應(yīng)用

加速度傳感器在家禽小個(gè)體的行為識(shí)別上的應(yīng)用還處于起步階段，在平養(yǎng)條件下給50只健康肉雞、50只跛行肉雞腿部佩戴無(wú)線運(yùn)動(dòng)腳環(huán)，建立健康和跛行的分類模型并能有效確定雞的跛行程度[18]。通過(guò)單個(gè)軸加速度方向與合加速度方向的夾角對(duì)肉雞右腳單步行的站立、抬腿、放腿、站立的連續(xù)動(dòng)作分析，精準(zhǔn)判斷雞腿部的健康狀況，并成功將雞的行走步態(tài)分為健康、輕度跛行、中度跛行、重度跛行。該研究對(duì)減少肉雞因腿病造成的經(jīng)濟(jì)損失，減少淘汰率，具有重要意義。同時(shí)該研究將為籠養(yǎng)蛋雞的行為識(shí)別提供參考。

3.3.2 在鴿子飛行行為識(shí)別上應(yīng)用

在分隔7 m的2個(gè)棲息點(diǎn)之間，對(duì)6只鴿子飛行約18次機(jī)翼拍擊進(jìn)行了研究，加速度計(jì)布點(diǎn)方式是通過(guò)羽毛軸下8個(gè)位置沿著翼或穿過(guò)翼布署，2個(gè)位置穿過(guò)尾部，佩戴總質(zhì)量約為15 g，攝像機(jī)放置在飛行線外側(cè)處，可以得到飛行中間的垂直側(cè)視圖[19]。起飛開始時(shí)速度較慢之后平飛到著陸飛行，飛行姿態(tài)以數(shù)據(jù)和錄像兩種方式分別同步記錄。隨著上升飛行或負(fù)重飛行技術(shù)的發(fā)展，未來(lái)可以研究更多鴿子無(wú)氧飛行、鴿子肌肉性能接近最大值等問題。時(shí)隔6年，有人對(duì)18只鴿子自愿直行和盤旋飛行展開研究，記錄器的安裝質(zhì)量共35 g佩戴于鴿子身上，總構(gòu)成小于鴿子身體質(zhì)量的8%，身體阻力略有增加會(huì)延長(zhǎng)自愿飛行，也會(huì)以2 g的加速度盤旋[20]。用300 Hz的加速度計(jì)和陀螺儀記錄翼拍運(yùn)動(dòng)，多重多項(xiàng)式回歸進(jìn)行分離和量化數(shù)據(jù)。研究了襟翼頻率、身體運(yùn)動(dòng)與空速、爬升之間關(guān)系，以及與其他鴿子的接近度之間的關(guān)系，并證明了鴿子可以像飛機(jī)一樣保持動(dòng)力，鴿子傾斜轉(zhuǎn)彎，在緊湊的集群中飛行都需要相當(dāng)大的能量成本。這兩項(xiàng)研究使養(yǎng)殖人員可以充分了解鴿子在飛行中的狀態(tài)，有利于鴿子的高效養(yǎng)殖和管理。

3.4 加速度傳感器應(yīng)用在不同動(dòng)物行為識(shí)別上的區(qū)別

加速度傳感器大小和體積不同，佩戴于家畜的加速度傳感器體積、質(zhì)量較大，而對(duì)于家禽佩戴的加速度傳感器一般較小。數(shù)據(jù)采集相似，不同動(dòng)物一般都是實(shí)時(shí)且連續(xù)不間斷采集加速度數(shù)據(jù)，用視頻記錄行為數(shù)據(jù)在時(shí)間上與采樣數(shù)據(jù)保持一致。佩戴部位略有不同，羊、牛加速度傳感器一般佩戴于頸部、耳部、腿部，牛也有在頭部上方的情況，而豬一般都在頸部，狗在背部，肉雞在腿部佩戴無(wú)線運(yùn)動(dòng)腳環(huán)，鴿子使用小型加速度計(jì)佩戴于機(jī)翼和尾翼。數(shù)據(jù)處理相似，通過(guò)加速度傳感器獲取加速度數(shù)據(jù)然后提取行為特征作為指標(biāo)，采用不同的算法對(duì)行為識(shí)別與分類。實(shí)際意義大致相同，通過(guò)行為識(shí)別判斷羊的異常行為精確判斷個(gè)體發(fā)情、生病和分娩，如母豬的分娩、發(fā)情和哺乳，牛的跛足、疾病和發(fā)情，狗的能量消耗，肉雞跛行步態(tài)，鴿子飛行狀態(tài)監(jiān)測(cè)。總之，對(duì)不同動(dòng)物行為識(shí)別都能提高養(yǎng)殖人員的高效養(yǎng)殖和管理水平。

4 總結(jié)與展望

隨著物聯(lián)網(wǎng)的日新月異，加速度傳感器成為行為識(shí)別領(lǐng)域的重中之重。在畜禽上應(yīng)用，只需對(duì)獲取的數(shù)據(jù)進(jìn)行處理和分析就可以識(shí)別出畜禽的運(yùn)動(dòng)行為狀態(tài)，簡(jiǎn)單快捷[53]。如今，加速度傳感器在豬、牛、羊、狗這些大個(gè)體行為識(shí)別上的應(yīng)用已經(jīng)取得了非常好的效果，尤其在奶牛行為監(jiān)測(cè)上應(yīng)用較為廣泛，但是在豬、羊等生產(chǎn)中應(yīng)用仍然較少，由于監(jiān)測(cè)牛的行為對(duì)人類會(huì)獲得更大經(jīng)濟(jì)收益，對(duì)奶牛的高效管理可以提高奶牛產(chǎn)奶量、科學(xué)預(yù)測(cè)發(fā)情期和預(yù)防疾病，相比較而言，牛的經(jīng)濟(jì)價(jià)值遠(yuǎn)遠(yuǎn)超過(guò)豬、羊等其他畜種，故對(duì)牛的行為監(jiān)測(cè)例子報(bào)道較多。對(duì)家禽小個(gè)體研究還處于起步階段，研究設(shè)計(jì)易于穿戴、體積合理的傳感器節(jié)點(diǎn)采集裝置勢(shì)在必行，提高小個(gè)體行為監(jiān)測(cè)的識(shí)別準(zhǔn)確率和穩(wěn)定性也是后續(xù)家禽個(gè)體行為研究的重點(diǎn)。