豬運動信息獲取及分析.pdf

1、豬肉品質(zhì)是國民食品健康的重要衡量指標(biāo)。現(xiàn)階段提高豬肉品質(zhì)的同時關(guān)注豬福利健康是養(yǎng)豬業(yè)的焦點。監(jiān)測豬運動信息可以用來評價豬福利，為提升飼養(yǎng)管理水平、間接提高豬肉品質(zhì)提供幫助。豬運動信息與豬行為習(xí)性、行為異常密切相關(guān)，并能夠為疾病防控提供重要參考。當(dāng)前監(jiān)測手段主要依賴于人工，難以實現(xiàn)全天候、多角度、精細(xì)化的監(jiān)測，因此用自動智能化設(shè)備對豬運動進(jìn)行監(jiān)測具有重要的科學(xué)意義和良好的應(yīng)用前景。
　　本文主要研究了無線傳感器定位網(wǎng)絡(luò)（Wirele

2、ss Sensor Position Network,WSPN）的搭建和基于機器視覺技術(shù)實現(xiàn)豬運動信息（軌跡、速度、里程、能耗、行為識別等）獲取的方法，并分析和識別豬運動狀況。WSPN基于Contiki操作系統(tǒng)實現(xiàn)RSSI值（無線信號傳播損耗）的獲取，通過多邊RSSI值計算可實現(xiàn)豬體定位。通過機器視覺技術(shù)實現(xiàn)豬欄俯視圖像抓拍，背景分割提取豬體質(zhì)心作為運動軌跡定位點，并結(jié)合圖像采樣時間序列生成運動軌跡進(jìn)而計算豬運動信息。分析豬在白天時間內(nèi)

3、運動速度、里程、能耗，并基于運動信息對豬的躺臥、進(jìn)食、飲水、排泄、走動行為進(jìn)行識別。結(jié)果證明基于機器視覺的行為識別方法與人工識別結(jié)果吻合程度較高。根據(jù)以上研究內(nèi)容，結(jié)果如下:
　　1)WSPN基于Contiki OS通信平臺構(gòu)建由耳標(biāo)系統(tǒng)、固定錨節(jié)點、網(wǎng)關(guān)路由組成的局域通信網(wǎng)絡(luò)。耳標(biāo)通信采用UDP通信協(xié)議的廣播通信。RSSI值采集上位機是由C＃編寫的Windows界面，具有數(shù)據(jù)實時顯示和SQL數(shù)據(jù)庫存儲功能。
　　2)實現(xiàn)了

4、耳標(biāo)與網(wǎng)關(guān)間的路由轉(zhuǎn)發(fā)功能，耳標(biāo)與網(wǎng)關(guān)通信RSSI值的采集以及局域網(wǎng)組網(wǎng)通信。耳標(biāo)低功耗設(shè)計將續(xù)航提升至30天左右。對耳標(biāo)定位系統(tǒng)進(jìn)行豬場試驗。豬體試驗發(fā)現(xiàn)，當(dāng)豬靜止時耳標(biāo)接收距離節(jié)點2.5m以內(nèi)無丟包，當(dāng)距離增大后丟包率逐漸增加并且信號連接質(zhì)量指數(shù)逐漸下降。當(dāng)距離達(dá)到6m左右時丟包率可達(dá)69.35％，LQI連接質(zhì)量指數(shù)為87.3225。由于豬場環(huán)境復(fù)雜，無線通信多徑效應(yīng)嚴(yán)重，豬體快速移動時會導(dǎo)致丟包率增加、RSSI數(shù)值跳變不穩(wěn)定。

5、r>　　3)搭建了基于USB數(shù)據(jù)傳輸?shù)臄z像頭俯視圖像采集平臺，設(shè)計了基于 MATLAB GUI開發(fā)平臺開發(fā)的圖像采集上位機。豬場試驗采集豬五日圖像數(shù)據(jù)，采樣率為1幀/s，共計理論采集217，760幀，實際采樣213，379幀，丟幀率2.012％。
　　4)設(shè)計了基于顏色閾值分時分區(qū)域自適應(yīng)的背景分割算法，較高精度實現(xiàn)了豬體二值化分割。背景分割正確率分別為99.96％、100％、99.54％、99.84％、99.76％，平均日分割正

6、確率為99.5％。部分分割錯誤主要是豬欄食槽干擾、飼養(yǎng)員進(jìn)入豬欄及豬欄地面反光強烈。
　　5)背景分割獲取的豬體質(zhì)心結(jié)合時間序列形成了運動軌跡，以此計算運動速度、里程、能耗等運動信息。五日豬運動平均速度分別為0.0166m/s、0.0145m/s、0.0218m/s、0.0219m/s、0.019m/s;日運動里程分別為697.2165m、615.3795m、923.2795m、932.4832m、778.8665m，平均日運動里

7、程為789.4450m;日消耗量分別為813.2688KJ、626.5674、1438.11KJ、1157.486KJ、843.3268KJ，平均日消耗量為975.75KJ。
　　6)設(shè)計了基于區(qū)域性行為劃分和速度閾值判定行為的識別算法。根據(jù)料槽、飲水器及行為習(xí)性劃分行為發(fā)生區(qū)域包括進(jìn)食區(qū)、飲水區(qū)、排泄區(qū)、躺臥區(qū)。在區(qū)域劃分基礎(chǔ)上，根據(jù)速度閾值判定是否為進(jìn)食、飲水、排泄、躺臥及走動。通過該算法與人工統(tǒng)計對比，結(jié)果證明該算法識別結(jié)果