用于動(dòng)物的動(dòng)態(tài)稱重系統(tǒng)研究.pdf

1、體重作為動(dòng)物生命特征的重要組成部分，體重?cái)?shù)據(jù)在畜牧養(yǎng)殖、野生動(dòng)物保護(hù)、醫(yī)學(xué)研究等方面被大量需要。傳統(tǒng)動(dòng)物稱重是通過(guò)保持動(dòng)物在稱重臺(tái)上靜止一段時(shí)間，然后進(jìn)行多次稱重來(lái)得到體重?cái)?shù)據(jù)。這種靜態(tài)稱重方式缺點(diǎn)較多，如在稱重過(guò)程中影響動(dòng)物正?；顒?dòng)導(dǎo)致動(dòng)物受到傷害；以及稱重時(shí)間較長(zhǎng)，降低稱重的效率，從而提高了稱重成本；同時(shí)稱重結(jié)果通常通過(guò)簡(jiǎn)單的取平均，導(dǎo)致最終稱重結(jié)果誤差過(guò)大?；谶@種現(xiàn)狀本文提出將經(jīng)驗(yàn)?zāi)B(tài)分解(EMD, Empirical Mode

2、 Decomposition)算法用于動(dòng)物的動(dòng)態(tài)稱重，并實(shí)現(xiàn)硬件稱重系統(tǒng)解決傳統(tǒng)稱重方式的弊端，達(dá)到在盡量不影響動(dòng)物的正?；顒?dòng)前提下，快速測(cè)得較準(zhǔn)確的動(dòng)物體重。
　　當(dāng)前動(dòng)態(tài)稱重算法的種類(lèi)很多，比如傳統(tǒng)的數(shù)字濾波、動(dòng)態(tài)補(bǔ)償以及最新的神經(jīng)網(wǎng)絡(luò)算法等。隨著硬件工藝和技術(shù)的發(fā)展，CPU的計(jì)算能力相對(duì)于過(guò)去已經(jīng)有了長(zhǎng)足的進(jìn)步，因此已經(jīng)可以使用一些計(jì)算量中等的算法來(lái)實(shí)現(xiàn)動(dòng)態(tài)稱重，但是仍不足以使用神經(jīng)網(wǎng)絡(luò)這種計(jì)算量很大的算法。因此本系統(tǒng)選擇經(jīng)

3、驗(yàn)?zāi)B(tài)分解算法，該算法的計(jì)算量在現(xiàn)代嵌入式系統(tǒng)的處理器中已經(jīng)可以正常運(yùn)行。
　　為了在滿足實(shí)時(shí)性的前提下精確地測(cè)量動(dòng)物的體重，本系統(tǒng)對(duì)通用的EMD算法進(jìn)行了適應(yīng)于動(dòng)物的改進(jìn)，比如加入了數(shù)據(jù)預(yù)處理和及早退出等操作。實(shí)現(xiàn)在短時(shí)間內(nèi)去除噪聲，使得最終體重誤差接近數(shù)據(jù)采集模塊的系統(tǒng)誤差，從而快速準(zhǔn)確地得到動(dòng)物體重值，對(duì)用于動(dòng)物的動(dòng)態(tài)稱重的研究有很好推動(dòng)作用。
　　本文提出的用于動(dòng)物的動(dòng)態(tài)稱重系統(tǒng)除了對(duì)經(jīng)驗(yàn)?zāi)B(tài)分解算法進(jìn)行了適應(yīng)性的改