奶牛行为检测系统

提出奶牛行为检测的总体架构

奶牛行为监测系统的设计

胡祝青 51090104033

摘要：本文主要阐述了奶牛行为监测系统的系统设计以及软硬件实现，着重介绍了基于重力加速度传感器技术的硬件系统设计和基于K-Means算法的检测中心软件的设计。 关键词：重力加速度传感器、RF、K-Means算法

0 引言

为了保证奶牛高产、稳产，必须毫不懈怠地抓好奶牛的配种工作。随着奶牛业的发展，提高奶牛的繁殖率显得越来越重要，提高奶牛繁殖率，缩短产犊间隔，对于提高奶牛产奶量和奶牛生产经济效益具有重要意义。在奶牛养殖业中，奶牛的发情检测和奶牛健康的保证在牛群繁殖管理中具有重要地位，及时发现奶牛发情有利于健康奶牛的及时受孕尧产犊并延长泌乳期，从而提高奶牛养殖的经济效益。目前我国大部分规模化奶牛场，饲养采用散养模式、挤奶为集中模式，奶牛发情却是靠人工观察来完成，但人工观察是无法做到及时性和准确性，因而时常错过奶牛的发情期而不能及时配种，从而导致奶牛的生产潜力得不到有效发挥，奶牛养殖场的经济效益无法最大化。

发情母牛外表兴奋，举动不安，活动量随之明显增加。通常我们可以依据奶牛发情期行为活动特点来判断奶牛的发情状态。同时，还可以通过奶牛的行为活动量数据的分析得出奶牛的健康状况，如奶牛活动量明显下降，则说明奶牛可能出席那肢体病或消化疾病等。 目前市场上用得比较多的发情检测系统实际上是在计步器的基础之上发展而来的，由于它只能检测到一维的垂直方向的运动数据，因而对于要求同时检测到奶牛的其他动作（比如躺着、站立、慢走、快走、爬跨等）的监测系统而言，计步器显然不能胜任。

重力加速度传感器是一种能够测量加速度力的电子设备，它广泛应用于工程控制和测量上。比如它已应用在手柄振动和摇晃，仪器仪表，汽车制动启动检测，地震检测，报警系统，玩具，结构物、环境监视，工程测振、地质勘探、铁路、桥梁、大坝的振动测试与分析，以及鼠标，高层建筑结构动态特性和安全保卫振动侦察上。

因而本文提出了一种基于重力加速度传感器的应用无线传感器网络监测奶牛行为特征的数字化智能系统，用于预测奶牛的发情期和疾病等状况。

提出奶牛行为检测的总体架构

1 系统设计

本系统由奶牛行为监测仪、无线读写控制器和监控中心管理软件三部分组成。具体系统结构图如图1所示。

图 1 系统结构图

将奶牛行为监测仪安放在奶牛的适当部位，采集奶牛的行为活动量；将无限读写控制器的触发天线安装于挤奶厅入口处或奶牛必经之路，当奶牛经过触发天线，激活奶牛行为检测仪，奶牛行为检测仪将奶牛身份识别信息和奶牛行为活动量数据经过编码、调制后经过RF无线发送模块通过Zigbee无线网络发送至无线读写控制器（RF接收模块）；各个无限读写控制器通过远距离数据传输网络将接收到的数据传输至计算机；计算机管理信息系统软件通过对各个奶牛行为活动量的检测，实现辅助检测奶牛发情和奶牛的健康状况。通过检测、分析奶牛发情期能协助工作人员掌握牛只的发情状况、进而决定其配种时间。 2 硬件设计

2.1 奶牛行为监测仪

奶牛行为监测仪采用飞思卡尔ZATAR3的解决方案，拥有奶牛活动量的采集以及将采集数据无线发送到无线读写器的功能。它主要由飞思卡尔的低功耗集成模块MC13213、重力加速度传感器MMA7660FC以及其他外围电路。下面就两个主要模块进行详细的设计。

（1）低功耗集成模块MC13213。

MC13213是飞思卡尔提供的低功耗的集成S08低功耗单片机以及遵循ZigBee 2.4 GHz无线网络的RF收发模块。其中，S08单片机具有速度快、功能强、价格低、指令系统丰富

提出奶牛行为检测的总体架构

等特点，是具有性价比极高的8为单片机；而RF收发模块采用目前最先进的近距离、低功耗无线通信技术ZigBee，工作在2.4GHz频段，数据速率为250Kb/S。

（2）重力加速度传感器。

重力加速度传感器同样采用飞思卡尔的MMA7660FC。该传感器能够分别采集奶牛X、Y、Z三个方向的运动加速度，并转换成数字信号后通过I2C总线传至MCU中。MMA7660FC能够非常精准地采集到作用在其上的非常微小的变化。

2.2 无线读写器

无线读写器用以将奶牛行为监测仪上的存储的活动量数据通过ZigBee无线网络采集到电脑上。它由低功耗的集成模块MC13213、支持USB2.0高速传输的集成芯片MC68HC908JW32以及外围设备。下面同样详细介绍下这两个主要模块。

（1）MC13213其功能与奶牛检测仪中的MC13213一样，它是通过RF接收模块接收奶牛行为检测仪上的活动量数据。

（2）MC68HC908JW32支持USB2.0高速存储，它可以将RF接收模块接收到的奶牛活动量数据传输到计算机中。

3 软件设计

监控中心管理软件可将通过USB收集到的奶牛活动量数据进行分析，实时判断奶牛的行为特征。监控中心管理软件以K-Means算法为核心，需要把获取到的加速度数据判断分类成奶牛的5种运动行为。为此建立如下模型来进行划分。

3.1 问题假设

（1）奶牛身上安装的节点，三轴方向指向分别为x轴指向牛尾，Y轴指向牛身体外侧与x轴为同一平面，Z轴指向地。

（2）奶牛在行进过程中节点抖动带来三轴方向的微细变化忽略不计。

（3）奶牛的动作行为简单归为5个类别：躺着、站立、慢走、快跑、爬跨。

提出奶牛行为检测的总体架构

3.2 算法实现

K-均值聚类算法是一种基于样本空间相似性度量的间接聚类方法。类别相同的样本必具有类似的特征，它们的特征向量之间也会存在一定的相似之处，若两样本的各个特征向量近似相等，则它们必属于同一类型。

设样本集{X1, X2, … Xn}为N个含有5 个特征类型的样本，其中特征空间R=S1 U S2 U…U Sk。

在本应用中，个体样本Xp取值为 at，

at { ax,t, ay,t, az,t} （1）

ax,t (ax,t ax,t 1)/ax,t （2）

ay,t (ay,t ay,t 1)/ay,t （3）

az,t (az,t az,t 1)/az,t （4）

式中： ax,t，ay,t，az,t——t时刻x，y，z轴的加速度分量，t=1,2,…,n； ax,t——每个时间点x轴加速度差分数据。

步骤1：初始化 111令k = 5。选择k个代表样本作为初始聚类中心：C1（上标为寻找聚类中心迭,C2,...Ck

代次数）。

步骤2：样本划分 取样本Xi（i = 1,2,…,N），若有 Clm(l = 1, 2, … , k)，使得对 j都有：

Xi Clm Xi Cm

j （j = 1, 2, … , k ；j l）

则，将样本

Xi Slm，其中Slm代表聚类中心为Clm的样本集合

上式中的距离用欧几里得距离判定。

步骤3：计算新的聚类中心

在步骤2中分类的基础之上，重新计算新的聚类中心位置，以便使从类别中的每个矢

提出奶牛行为检测的总体架构

量到新的聚类中心的距离之和最小。

1Cm j1njX Smj X （j = 1, 2, … k）

式中 nj表示该类中所包含的样本数。

步骤4：检查收敛

1m若 Cm Cjj

满足上式就已经收敛，否则 m = m + 1, 再回到步骤2继续迭代。

经过样本集的反复训练和学习，能够得到较为稳定的聚类中心，实测中将每个数据比对5个聚类中心点即可知属于哪个聚类。由此算法可以将所有奶牛的行为特征归结为5个特征类别。

4 结论

（1）该文设计了一套基于无线传感器网络的奶牛行为特征监测系统，用于判断奶牛是否发情或生病。

（2）在试验分析中，采用的K-均值聚类算法能否较好的区分奶牛静止和动态的行为特征，还需要将该系统具体投入使用才知道。

（3）在检测中心软件系统的设计方面，还可以考虑使用双重模糊的K-Means算法。

本文来源：https://www.bwwdw.com/article/pv44.html