加速度傳感器在畜禽行為識(shí)別中的應(yīng)用

李 芳

(肇慶學(xué)院，廣東 肇慶 526061)

引言

隨著養(yǎng)殖業(yè)的不斷發(fā)展，智能化養(yǎng)殖方式日益完善，動(dòng)物的健康和福利關(guān)系越發(fā)受到研究者的重視。作為動(dòng)物生理健康狀況的主要外在表現(xiàn)，動(dòng)物行為能夠在一定程度上反映動(dòng)物對(duì)環(huán)境的適應(yīng)情況，是評(píng)價(jià)動(dòng)物福利的重要考核指標(biāo)[1]。隨著大規(guī)模的智能養(yǎng)殖快速發(fā)展，依靠人畜跟蹤的方法對(duì)畜禽個(gè)體行為監(jiān)測(cè)效率低下，飼養(yǎng)人員由于專業(yè)素質(zhì)的局限性和差異性等原因，導(dǎo)致畜禽個(gè)體異常行為無(wú)法被有效的統(tǒng)一定義，導(dǎo)致科學(xué)合理的養(yǎng)殖方法和應(yīng)對(duì)異常行為的決策難以實(shí)現(xiàn)，養(yǎng)殖業(yè)效益低下。為應(yīng)對(duì)這一問(wèn)題，動(dòng)物福利水平的評(píng)估方法和畜禽行為信息的自動(dòng)獲取受到研究學(xué)者的廣泛關(guān)注。作為機(jī)器學(xué)習(xí)的圖像監(jiān)測(cè)技術(shù)與聲音監(jiān)測(cè)技術(shù)由于其優(yōu)異的判斷決策能力成為了本領(lǐng)域中強(qiáng)有力的解決方案，然而機(jī)器學(xué)習(xí)需要的數(shù)據(jù)量大，且特征提取算法復(fù)雜，信息的傳輸和處理的效率問(wèn)題巨大[2]。隨著畜禽行為監(jiān)測(cè)的不斷發(fā)展，利用體積小價(jià)格便宜的加速度傳感器在動(dòng)物的不同部位連續(xù)采集各種行為數(shù)據(jù)是一個(gè)有效手段。加速度傳感器在畜禽運(yùn)動(dòng)過(guò)程中測(cè)量出三向加速度值，然后結(jié)合機(jī)器學(xué)習(xí)算法對(duì)畜禽生理、健康和福利狀況進(jìn)行準(zhǔn)確高效的分析。當(dāng)前，加速度傳感器技術(shù)已被應(yīng)用于人體跌倒[3]、心率檢測(cè)和運(yùn)動(dòng)行為識(shí)別[4]，以及豬、牛、羊、肉雞和鴿子等家畜個(gè)體運(yùn)動(dòng)行為識(shí)別。本文立足于數(shù)據(jù)驅(qū)動(dòng)的畜禽行為識(shí)別技術(shù)，以加速度傳感器的工作機(jī)理為核心，詳細(xì)闡述和分析基于機(jī)器學(xué)習(xí)的家禽行為動(dòng)態(tài)識(shí)別方法，并對(duì)數(shù)據(jù)驅(qū)動(dòng)的畜禽行為識(shí)別算法的發(fā)展方向及應(yīng)用前景進(jìn)行統(tǒng)一一致的歸納、總結(jié)和展望，為畜禽行為識(shí)別與分類研究提供理論依據(jù)和實(shí)踐參考。

1 加速度傳感器工作原理

加速度是定義速度變化的矢量。運(yùn)動(dòng)通過(guò)對(duì)加速計(jì)內(nèi)的小晶體施加應(yīng)力來(lái)產(chǎn)生電壓。傳感器解釋電壓的大小，以確定運(yùn)動(dòng)的速度和方向。在三軸加速度計(jì)中，3個(gè)加速度傳感器正交布置，并且累積了三維(x，y和z軸)信息，除了測(cè)量加速力外，其還通過(guò)確定設(shè)備傾斜的角度來(lái)測(cè)量地球的引力。按工作原理一般分為一般壓電式、壓阻式、電容式、伺服式加速度傳感器。加速度傳感器的工作原理如圖1所示。

2 加速度傳感器在畜禽行為識(shí)別中的應(yīng)用

2.1 在豬行為識(shí)別中的應(yīng)用

在畜禽行為識(shí)別中，通過(guò)機(jī)器學(xué)習(xí)算法結(jié)合傳感器采集的加速度數(shù)據(jù)建立畜禽行為分類模型對(duì)智能養(yǎng)殖具有重大意義。國(guó)外ImkeT[5]等人將加速度傳感器貼在母豬的耳朵上來(lái)采集加速度數(shù)據(jù)，通過(guò)母豬CUSUM(尖點(diǎn)控制圖)檢測(cè)到母豬分娩開(kāi)始前的筑巢行為，對(duì)于100%或85%的母豬產(chǎn)仔行為，在開(kāi)始前48h或12h內(nèi)發(fā)出警報(bào)，有利于飼養(yǎng)人員為母豬的分娩提前做好準(zhǔn)備。LiuLS等人[6]研究開(kāi)發(fā)了一種用于母豬福利研究的低功耗耳掛式加速度傳感器。該傳感器僅重10.0g，由1個(gè)3軸加速度計(jì)、1個(gè)藍(lán)牙低功耗模塊、1個(gè)印刷電路板天線和1個(gè)3-V、230-mAh的CR2032電池組成。對(duì)8頭母豬現(xiàn)場(chǎng)測(cè)試，以評(píng)估傳感器在3種操作模式(連續(xù)、數(shù)據(jù)分組和節(jié)能)下的性能。結(jié)果表明，母豬主要有3種行為(休息、移動(dòng)和進(jìn)食)，行為模式因母豬而異。原則上，耳掛式傳感器可用于監(jiān)測(cè)和預(yù)測(cè)母豬分娩，同時(shí)不會(huì)引起母豬異常行為。與報(bào)道的同類加速度傳感器相比，這款新型傳感器的電池壽命增加了1倍以上，同時(shí)傳感器質(zhì)量減少了70%以上。閆麗等人[7]結(jié)合三軸加速度和陀螺儀發(fā)明了MPU6050傳感器并佩戴于母豬頸部下方，對(duì)母豬活動(dòng)的姿態(tài)角進(jìn)行采集，利用Haar小波算法提取行為數(shù)據(jù)的特征，通過(guò)SVM區(qū)分立、傾臥、側(cè)臥3種姿態(tài)，其中側(cè)姿總體正確識(shí)別率達(dá)到83.3%，由此可以看出，母豬姿態(tài)行為識(shí)別可以有效反映母豬的哺乳意愿。迄今為止，只有極少數(shù)研究人員嘗試開(kāi)發(fā)基于豬的加速度數(shù)據(jù)的喂食行為算法。Fleming等人[8]是最早在仔豬中使用加速度計(jì)的研究人員之一。根據(jù)固定在脖子上的裝置收集的加速度數(shù)據(jù)，研究了唾液酸飲食和晝夜節(jié)律(晝夜)對(duì)24只人工飼養(yǎng)仔豬行為的影響。應(yīng)用特定軟件根據(jù)活動(dòng)確定閾值，以便能夠在第2步中評(píng)估豬是否處于睡眠狀態(tài)或清醒狀態(tài)。通過(guò)將自動(dòng)檢測(cè)到的數(shù)據(jù)與手動(dòng)標(biāo)記行為的比例進(jìn)行比較，證明該方法是有效的(p=0.07)。在豬中，側(cè)臥位被認(rèn)為是完全放松和不活動(dòng)的狀態(tài)，而胸骨臥位被認(rèn)為是母豬經(jīng)常醒著，注意到并與其周圍環(huán)境相互作用的身體姿勢(shì)[9]。大多數(shù)研究報(bào)告正確分類的外側(cè)臥床百分比超過(guò)90%，F(xiàn)1分?jǐn)?shù)在0.90～0.98。使用2個(gè)加速度計(jì)可獲得最佳結(jié)果：一個(gè)安裝在母豬的前部，一個(gè)安裝在母豬的后部，從而為可靠性評(píng)估提供了堅(jiān)實(shí)的基礎(chǔ)。到目前為止，只有少數(shù)幾項(xiàng)研究描述了通過(guò)加速度計(jì)自動(dòng)檢測(cè)豬的站立和行走行為。Thompson等人[10]使用2個(gè)分娩筆為傳感器，一個(gè)在母豬的前部，一個(gè)在母豬后部。

2.2 在牛行為識(shí)別中的應(yīng)用

Barker Z E等人[11]設(shè)計(jì)了一種基于三軸加速度傳感器和決策樹(shù)算法的奶牛行為活動(dòng)監(jiān)測(cè)系統(tǒng)，該系統(tǒng)以19頭奶牛為研究對(duì)象，其中10頭奶牛跛足，9頭奶牛正常。通過(guò)對(duì)不同類別的奶牛的每日平均喂養(yǎng)時(shí)間進(jìn)行分析，建立快速檢測(cè)算法對(duì)跛足奶牛與非跛足奶牛進(jìn)行分類。與非跛足奶牛相比，跛足奶牛的平均總進(jìn)食時(shí)間顯著降低，下午不進(jìn)食的總持續(xù)時(shí)間更高。Wolfger B等人[12]將Smartbow標(biāo)簽佩戴于奶牛耳朵上設(shè)計(jì)了一種實(shí)時(shí)位置監(jiān)測(cè)系統(tǒng)，該標(biāo)簽向接收器發(fā)送低頻信號(hào)，進(jìn)一步將信息傳輸?shù)椒?wù)器；通過(guò)傳入的數(shù)據(jù)，服務(wù)器實(shí)時(shí)三角測(cè)量牛在牛舍環(huán)境中的位置；數(shù)據(jù)還可用于監(jiān)測(cè)奶牛對(duì)物理環(huán)境的反應(yīng)，從而有可能改進(jìn)設(shè)施設(shè)計(jì)；靠近重要牛舍特征(即飼料槽和水槽)的時(shí)間預(yù)算和行進(jìn)距離可以計(jì)算并用于識(shí)別需要管理員注意的奶牛，以及識(shí)別奶牛在牛舍中的確切位置。HillTM等人[13]提出并設(shè)計(jì)了一種耳掛式加速度傳感器用于識(shí)別16頭雄性荷斯坦?fàn)倥５姆雌c、進(jìn)食和活動(dòng)行為，使用回歸分析和方差分析法處理加速度數(shù)據(jù)，同時(shí)由3名訓(xùn)練有素的觀察員使用現(xiàn)場(chǎng)觀察法來(lái)評(píng)估個(gè)別小牛的行為，結(jié)果表明，在4周齡的小牛中，傳感器與觀察時(shí)間的關(guān)系不顯著(R2<0.3)；然而，為了重新評(píng)估，對(duì)耳朵中的傳感器放置進(jìn)行了更改；在斷奶前后的第6周，傳感器與觀察到的反芻(R2=0.91)、進(jìn)食(R2=0.75)和不活動(dòng)(R2=0.97)時(shí)間的簡(jiǎn)單回歸分析的y截距與零和顯著的斜坡。該研究雖然可以有效區(qū)分犢牛的行為，但耗費(fèi)了人力。Benaissa S等人[14]以10多頭奶牛為研究對(duì)象，使用頸掛式加速度計(jì)的數(shù)據(jù)開(kāi)發(fā)了一種新的簡(jiǎn)單決策樹(shù)(DT)算法，用于對(duì)奶牛的采食和反芻行為進(jìn)行實(shí)時(shí)分類；將DT的性能與支持向量機(jī)(SVM)算法和RumiWatch鼻帶傳感器的性能進(jìn)行了比較，并研究了降低加速度計(jì)采樣率對(duì)所開(kāi)發(fā)算法分類精度的影響。本研究中使用了10頭經(jīng)產(chǎn)奶牛，每頭奶牛都配備了1個(gè)RumiWatch韁繩和1個(gè)連接到奶牛項(xiàng)圈的加速度計(jì)，2個(gè)傳感器都被編程為以10Hz的頻率記錄數(shù)據(jù)。奶牛行為的直接觀察被用作參考(基線數(shù)據(jù))。結(jié)果表明，2個(gè)傳感器在所識(shí)別的行為類別(如喂食、反芻和其它活動(dòng))中，基于SVM算法的行為識(shí)別準(zhǔn)確率為93%，基于DT算法的行為識(shí)別準(zhǔn)確率為90%，Rumiwatch傳感器的總體精度為91%。王俊等人[15]使用最優(yōu)二叉決策樹(shù)分類模型對(duì)奶牛運(yùn)動(dòng)行為進(jìn)行識(shí)別，且行為識(shí)別的特征量包含加速度數(shù)值大小、對(duì)稱性、陡峭程度、變異程度、不確定性及夾角，通過(guò)構(gòu)建ROC曲線獲得特征量的最佳行為分組和閾值，利用信息增益作為最優(yōu)二叉決策樹(shù)劃分屬性的選擇標(biāo)準(zhǔn)，構(gòu)建最優(yōu)二叉決策樹(shù)分類模型對(duì)奶牛運(yùn)動(dòng)行為進(jìn)行分類識(shí)別。試驗(yàn)結(jié)果肯定了該算法的優(yōu)越性，包含站立、平躺、慢走、快走和躺臥等幾組動(dòng)作均能被有效識(shí)別。

2.3 在羊行為識(shí)別中的應(yīng)用

Giovanetti V等人[16]使用包括加速度傳感器的吊帶戴于綿羊的頭部，用于測(cè)量牧場(chǎng)奶羊的行為參數(shù)。在放牧條件下進(jìn)行了簡(jiǎn)短的測(cè)試，以在記錄綿羊行為活動(dòng)(放牧、反芻和休息)的同時(shí)收集加速度計(jì)數(shù)據(jù)。使用逐步判別分析(SDA)、典型判別分析(CDA)和判別分析(DA)3種多元統(tǒng)計(jì)技術(shù)分析加速度數(shù)據(jù)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。Jamie B等人[17]在綿羊脖子、腿部和耳部使用三軸加速度傳感器進(jìn)行監(jiān)測(cè)，結(jié)合綿羊聲音鑒別跛行步態(tài)，數(shù)據(jù)被分成10s相互排斥的行為時(shí)期，并進(jìn)行二次判別分析(QDA)。初步分析表明，在所有部署模式下，使用聲音放牧和站立的跛行放牧事件都存在高度錯(cuò)誤分類。最終的分類模型包括跛行步行和所有聲音活動(dòng)類別，對(duì)耳朵、項(xiàng)圈和腿部署的跛腳運(yùn)動(dòng)的預(yù)測(cè)準(zhǔn)確度分別為82%、35%和87%。在腿加速度計(jì)數(shù)據(jù)集中對(duì)跛行行走的錯(cuò)誤分類突出了耳朵附著模式在基于時(shí)間序列加速度計(jì)數(shù)據(jù)的跛足步態(tài)特征分類方面的優(yōu)越性。張曦宇等人[18]基于加速度傳感器的檢測(cè)數(shù)據(jù)設(shè)計(jì)了種公羊運(yùn)動(dòng)行為識(shí)別系統(tǒng)，該系統(tǒng)將實(shí)時(shí)檢測(cè)數(shù)據(jù)進(jìn)行采集和分類，并通過(guò)無(wú)線傳輸?shù)姆绞郊虞d到服務(wù)器進(jìn)行計(jì)算，結(jié)合K近鄰算法和區(qū)間閾值分類法對(duì)種公羊的行為進(jìn)行識(shí)別，且靜立、行走和奔跑識(shí)別率分別達(dá)到95.96%、95.78%和96.89%。

3 展望

目前，加速度傳感器主要應(yīng)用于家畜行為識(shí)別，而對(duì)于家禽行為的應(yīng)用相對(duì)較少。加速度傳感器可以為用戶提供準(zhǔn)確的畜禽行為數(shù)據(jù)，通過(guò)分析后養(yǎng)殖人員可以充分了解畜禽個(gè)體的健康狀態(tài)，一旦出現(xiàn)問(wèn)題可以及時(shí)發(fā)現(xiàn)，減少經(jīng)濟(jì)損失，同時(shí)減輕了養(yǎng)殖人員的勞動(dòng)力，實(shí)現(xiàn)高效養(yǎng)殖和管理。

但是，養(yǎng)殖環(huán)境多塵、高溫、高濕，為了保持良好的數(shù)據(jù)采集穩(wěn)定性，應(yīng)克服因動(dòng)物位置移動(dòng)、姿態(tài)變化、應(yīng)激反應(yīng)造成的測(cè)量誤差；同時(shí)綜合考慮動(dòng)物形態(tài)、行為、聲音、體溫、心率、排泄物、呼吸等生理特征中的幾個(gè)和多個(gè)特征對(duì)自動(dòng)診斷結(jié)果的影響，并在各特征耦合的情況下，形成全面、高效、智能、精準(zhǔn)的畜禽動(dòng)物疫病綜合診斷方法。