1、生豬養(yǎng)殖在我國(guó)畜禽養(yǎng)殖業(yè)中占有重大比重，規(guī)模化養(yǎng)殖是現(xiàn)代生豬養(yǎng)殖業(yè)發(fā)展必然趨勢(shì)，生豬健康狀況實(shí)時(shí)監(jiān)測(cè)已成為現(xiàn)代化養(yǎng)殖技術(shù)的研究熱點(diǎn)。研究表明，生豬的行為、體溫、心率等信息可直接反映生豬健康狀況?，F(xiàn)有基于機(jī)器視覺(jué)、圖像分析、RFID等方法構(gòu)建的行為識(shí)別模型存在行為提取分割算法復(fù)雜、實(shí)時(shí)性差、設(shè)備成本高等問(wèn)題，不適合大范圍應(yīng)用推廣。本文在分析生豬日常行為對(duì)應(yīng)三軸姿態(tài)角、三軸加速度變化規(guī)律基礎(chǔ)上，采用傳感器技術(shù)，設(shè)計(jì)并開(kāi)發(fā)了以低功耗STC12

2、C5A60S2為核心處理器的可穿戴式生豬個(gè)體信息獲取裝置，建立融合姿態(tài)角和加速度的生豬日常行為識(shí)別模型，進(jìn)而通過(guò)分析生豬具體行為，結(jié)合生豬體溫和心率信息，建立融合多源信息的生豬運(yùn)動(dòng)量和睡眠時(shí)間統(tǒng)計(jì)模型。設(shè)計(jì)并開(kāi)發(fā)基于行為識(shí)別與統(tǒng)計(jì)模型的上位機(jī)軟件，實(shí)現(xiàn)生豬日常行為實(shí)時(shí)監(jiān)測(cè)要求。最后分別選擇關(guān)中野豬與長(zhǎng)白母豬進(jìn)行系統(tǒng)功能測(cè)試與穩(wěn)定性驗(yàn)證，試驗(yàn)表明，本文設(shè)計(jì)的可穿戴式個(gè)體信息獲取裝置能夠準(zhǔn)確采集生豬運(yùn)動(dòng)參數(shù)，整體功能運(yùn)行穩(wěn)定，滿足系統(tǒng)整體設(shè)

3、計(jì)需求。該系統(tǒng)為進(jìn)一步分析個(gè)體生豬深度語(yǔ)義提供理論基礎(chǔ)和數(shù)據(jù)支撐，有利于加快我國(guó)生豬產(chǎn)業(yè)向高端市場(chǎng)轉(zhuǎn)型，并對(duì)相關(guān)畜禽健康狀況監(jiān)測(cè)提供借鑒思路。本文主要工作和結(jié)論如下:
　　(1)分析了生豬行為識(shí)別的理論依據(jù)，完成了系統(tǒng)整體功能設(shè)計(jì)。通過(guò)分析生豬不同行為對(duì)應(yīng)姿態(tài)特征，確定了三軸加速度和三軸姿態(tài)角信息是識(shí)別生豬不同行為的關(guān)鍵因子，同時(shí)確定采用四元數(shù)法對(duì)生豬姿態(tài)信息進(jìn)行解算，為消除陀螺儀隨機(jī)漂移對(duì)姿態(tài)角解算產(chǎn)生累計(jì)誤差，采用動(dòng)態(tài)Kalm

4、an濾波和均值濾波算法對(duì)陀螺儀進(jìn)行校準(zhǔn)和優(yōu)化，姿態(tài)檢測(cè)精度達(dá)到0.01°。結(jié)合豬場(chǎng)養(yǎng)殖環(huán)境，設(shè)計(jì)開(kāi)發(fā)了生豬日常行為監(jiān)測(cè)系統(tǒng)，系統(tǒng)由行為信息獲取裝置和上位機(jī)組成，信息獲取裝置通過(guò)松緊布袋固定在生豬頸部，實(shí)時(shí)采集被測(cè)個(gè)體生豬信息，并將監(jiān)測(cè)信息以藍(lán)牙無(wú)線方式傳輸至上位機(jī)，實(shí)現(xiàn)了個(gè)體生豬日常行為信息的統(tǒng)計(jì)與分析。
　　(2)搭建了可穿戴式生豬個(gè)體信息獲取裝置。設(shè)計(jì)完成了以低功耗STC12C5A60S2為核心處理器、姿態(tài)、溫度、心率等多傳感

5、器集成的生豬個(gè)體信息獲取裝置。實(shí)現(xiàn)了包括信息獲取裝置外型封裝設(shè)計(jì)、整體硬件電路設(shè)計(jì)、多傳感器采集模塊設(shè)計(jì)，數(shù)據(jù)無(wú)線傳輸設(shè)計(jì)等關(guān)鍵技術(shù)。生豬個(gè)體信息獲取裝置外型封裝采用3D打印技術(shù)完成，整體尺寸為65mm×25mm×30mm，有效減小了信息獲取裝置整體體積，為可穿戴式個(gè)體生豬信息獲取優(yōu)化設(shè)計(jì)提供了基礎(chǔ)。
　　(3)研究分析了基于BP神經(jīng)網(wǎng)絡(luò)的生豬行為識(shí)別方法。通過(guò)搭建的生豬個(gè)體信息獲取裝置，將生豬日常行為產(chǎn)生的姿態(tài)信息經(jīng)歸一化處理后

6、作為BP網(wǎng)絡(luò)輸入矢量，對(duì)比分析不同BP網(wǎng)絡(luò)參數(shù)，結(jié)合模型收斂速度和分類精度，確定最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu)。以LM訓(xùn)練法分別構(gòu)建融合姿態(tài)角信息與未融合姿態(tài)角信息的生豬行為識(shí)別模型，融合姿態(tài)角信息建立的識(shí)別模型訓(xùn)練誤差為0.0018，且網(wǎng)絡(luò)收斂速度快，達(dá)到分類誤差要求。進(jìn)一步分析生豬一天中體溫、心率變化與具體行為關(guān)聯(lián)關(guān)系，建立了融合多源信息的生豬運(yùn)動(dòng)量和睡眠時(shí)間統(tǒng)計(jì)模型。模型驗(yàn)證表明，該模型對(duì)生豬站、走、坐、躺、睡等日常行為識(shí)別的平均準(zhǔn)確率為90.47