郭東東，郝潤芳，吉增濤，楊信廷*，周 超，梁旭姣

(1.太原理工大學(xué) 信息工程學(xué)院，山西 太原 030024；2.國家農(nóng)業(yè)信息化工程技術(shù)研究中心，北京 100097)

基于三軸加速度傳感器的山羊行為特征分類與識別

郭東東1,2，郝潤芳1，吉增濤2，楊信廷2*，周 超2，梁旭姣1,2

(1.太原理工大學(xué) 信息工程學(xué)院，山西 太原 030024；2.國家農(nóng)業(yè)信息化工程技術(shù)研究中心，北京 100097)

為分類并識別山羊的典型日常行為特征，以半封閉圈養(yǎng)的波爾山羊為研究對象，利用三軸加速度傳感器對山羊的三軸加速度數(shù)據(jù)進(jìn)行采集，利用K-means聚類算法對采集的數(shù)據(jù)集進(jìn)行反復(fù)疊加訓(xùn)練得到較為穩(wěn)定的聚類中心，同時利用全程的視頻監(jiān)控結(jié)合動作發(fā)生的時間識別并驗證山羊的4種典型日常行為。結(jié)果表明，將三軸加速度傳感器部署在山羊羊角處基本無明顯應(yīng)激反應(yīng)，并且此傳感器可以連續(xù)不間斷地記錄山羊的行為特征參數(shù)，對山羊的躺臥、站立或慢走、采食、跨跳等典型日常行為識別的準(zhǔn)確率達(dá)87.76%，為山羊福利及山羊疾病預(yù)測模型的建立奠定了基礎(chǔ)。

山羊；三軸加速度傳感器；日常行為；K-means聚類算法；疾病預(yù)測模型

山羊?qū)俨溉榫V，偶蹄目，是人類最早馴養(yǎng)的動物之一，其被馴養(yǎng)的歷史可以追溯到至少10,000年前。山羊具有繁殖率高、適應(yīng)性強(qiáng)、易管理等特點(diǎn)，至今已在中國廣大農(nóng)牧區(qū)大批量養(yǎng)殖。山羊的乳、肉可用來食用，絨、毛和皮也可用作工業(yè)原料，人類對山羊的研究及依賴性日益增加[1-2]。但是，關(guān)于山羊的行為研究僅局限于晝夜間活動節(jié)律的統(tǒng)計學(xué)研究[3-5]。并沒有對山羊的日常行為與疾病發(fā)生的相關(guān)性進(jìn)行分類研究。山羊相對其他復(fù)胃食草動物[6-8]而言，患病較少，發(fā)病初期或者小病往往不易發(fā)現(xiàn)。當(dāng)前規(guī)?；?、集約化的養(yǎng)殖環(huán)境必然會對山羊福利產(chǎn)生影響[9]。因此，對山羊行為指標(biāo)的研究成為保護(hù)動物福利亟待解決得關(guān)鍵問題[10]。傳統(tǒng)的監(jiān)測方式主要是依賴飼養(yǎng)員的直覺和經(jīng)驗來判斷山羊的正常體態(tài)(或非正常體態(tài))，最終判定行為與疾病的關(guān)系。但是該技術(shù)不但要求大量人力，而且工作效率也低，不適合大規(guī)模、連續(xù)性監(jiān)測。為了避免傳統(tǒng)人工觀察法的被動性，機(jī)器視覺技術(shù)[11-15]被引入動物行為學(xué)研究。這種研究方式對環(huán)境的光線干擾及攝像機(jī)的固定位置及角度有較高得要求，并且該方法不能連續(xù)記錄動物(特別是散養(yǎng)放牧的動物)的行為數(shù)據(jù)，對后期計算動物行為的運(yùn)動距離、運(yùn)動時間、運(yùn)動軌跡等參數(shù)的數(shù)據(jù)處理不利，因此不能為動物行為模型的建立提供足夠的數(shù)據(jù)。本文提出基于三軸加速度傳感器對山羊日常行為數(shù)據(jù)進(jìn)行采集的方法，該傳感器具有體積小、功耗低等優(yōu)點(diǎn)，固定在山羊身上基本無明顯應(yīng)激反應(yīng)。采用K-means算法分析山羊的三維運(yùn)動學(xué)參數(shù)[16]，對山羊典型日常行為特征進(jìn)行分類和識別。為判定山羊日常行為與疾病關(guān)系、動物福利以及山羊疾病預(yù)測模型的建立提供基礎(chǔ)。

1 材料與方法

1.1 試驗材料

1.1.1 試驗動物及試驗設(shè)計 試驗于2013年11月14日至25日，在北京小湯山國家精準(zhǔn)農(nóng)業(yè)研究示范基地進(jìn)行。從70只波爾山羊里選擇健康、體態(tài)相當(dāng)?shù)某赡晟窖?只作為試驗對象，隨機(jī)分為2組，每組2只，其中1組作為試驗組，將三軸加速度傳感器節(jié)點(diǎn)用綁帶固定在試驗組山羊羊角中心處；另1組作為對照組，驗證是否佩戴傳感器節(jié)點(diǎn)對山羊日常行為產(chǎn)生影響。分兩次采集試驗數(shù)據(jù)，每次持續(xù)5～6 d，獲取相關(guān)數(shù)據(jù)，預(yù)計適應(yīng)期大概2～3 d，然后進(jìn)入穩(wěn)定期。對山羊的典型日常行為進(jìn)行分類和識別的三軸加速度數(shù)據(jù)主要選自穩(wěn)定期數(shù)據(jù)集。

1.1.2 飼養(yǎng)管理 羊舍采用半開放式，鋪墊有干玉米粉末和干草，羊舍溫度盡量保證在7～28 ℃。試驗期間山羊由專業(yè)飼養(yǎng)員按常規(guī)飼養(yǎng)管理，清洗水槽和食槽并進(jìn)行嚴(yán)格消毒，常規(guī)免疫。每天在08∶30和16∶30分別喂食一次，山羊可進(jìn)行自由采食、自由飲水。

1.1.3 試驗材料 試驗設(shè)備采用MSR145三軸加速度傳感器，將傳感器通過綁帶固定在山羊羊角中心處，進(jìn)行三軸加速度數(shù)據(jù)采集。山羊在X軸、Y軸、Z軸上的加速度方向定義為X軸指向山羊的左側(cè)，Y軸指向山羊的尾部方向，Z軸指向山羊頭部正上方。并在羊舍的正上方安裝監(jiān)控攝像頭及補(bǔ)光燈，全程記錄山羊的日常行為，視頻采集設(shè)備包括：WOSHIDA CL03彩色高清攝錄一體機(jī)，分辨率為640×480像素，紅外照相機(jī)LTL-5210。算法開發(fā)平臺為Matlab R2012a。

1.2 試驗方法

獲取山羊的三維加速度數(shù)據(jù)，以及羊舍的環(huán)境溫度和相對濕度是本次山羊日常行為分類模型建立的重點(diǎn)。

1.2.1 養(yǎng)殖圈的環(huán)境溫度和相對濕度 動物的行為與氣候變化的關(guān)系密切[17-18]，而且養(yǎng)殖環(huán)境也是影響動物福利的一個重要方面，可以為山羊疾病預(yù)測模型的建立提供更好的參考。反應(yīng)環(huán)境因素變換的基本要素是氣溫、氣壓和濕度。所以此次試驗數(shù)據(jù)也設(shè)計了養(yǎng)殖圈中的溫度、相對濕度和氣壓等參數(shù)。

1.2.2 山羊的三軸加速度傳感器選擇 三軸加速度傳感器是本試驗的核心器件，在2011年Cornon等[19-20]利用松緊帶把三軸加速度傳感器與藍(lán)牙模塊兼容佩戴在母豬的頸部，進(jìn)行三軸加速度數(shù)據(jù)采集并無線傳輸?shù)絇C端，最終判斷母豬分娩時間[21]。但是該試驗所用的傳感器兼容藍(lán)牙模塊之后，功耗大、傳輸距離小、而且山羊的生活習(xí)性與母豬有很大的差別，所以該方法不適合安裝在山羊身上。本試驗?zāi)K節(jié)點(diǎn)要求體積小、質(zhì)量輕、可以長時間連續(xù)不間斷地進(jìn)行數(shù)據(jù)采集記錄、并且要求防水、能達(dá)到工業(yè)級標(biāo)準(zhǔn)，便于在山羊身上佩戴。

結(jié)合上述要求，此節(jié)點(diǎn)采用的三軸加速度傳感器MSR145，為小巧輕便的常規(guī)數(shù)據(jù)記錄儀，用于測量和記錄各種物理測量參數(shù)。包含一個溫度傳感器，一個帶集成濕度的相對濕度傳感器，一個大氣壓強(qiáng)感應(yīng)器，以及一個3軸加速度傳感器(X軸，Y軸和Z軸)。測量參數(shù)能夠通過USB數(shù)據(jù)線傳輸?shù)絇C端(無論是數(shù)據(jù)記錄剛剛完成還是數(shù)據(jù)記錄正在進(jìn)行中)。試驗期間選用參數(shù)主要為：MSR145中的Main storage rate參數(shù)設(shè)置為t1=1s；Batterycapacity選用900mAh，可以持續(xù)記錄50days。

1.3 山羊日常行為分類及描述

通過與飼養(yǎng)員的溝通和觀察分析，本研究從山羊的4種主要日常行為進(jìn)行數(shù)據(jù)采集。但是單憑K均值聚類算法的反復(fù)疊加訓(xùn)練之后得到的聚類中心也不能完全作為行為模式建立的充要條件，還要結(jié)合動作發(fā)生的時間綜合判定山羊的行為。日常行為分類及行為描述如表1。

表1 山羊日常行為分類及描述Table1 Daily behavior classifications and descriptions of goats

1.4 基于K-means 算法的山羊日常行為分析

山羊的三軸加速度數(shù)據(jù)用ACC=(ACCx,ACCy,XCCz)表示。同時K-means均值聚類算法[22-24]的核心是對初始聚類中心的選擇。主要思想是通過迭代過程把數(shù)據(jù)集劃分為不同的類別，從而使生成的每個聚類內(nèi)緊湊，而且聚類間又相互獨(dú)立。這一算法比較適合運(yùn)用于連續(xù)型屬性的聚類。

K-means算法應(yīng)用于山羊日常行為建模的基本原理：假定需要聚類的對象共有n個，樣本集為X={x1,x2,…,xn} ，K-means算法的目的是把n個樣本對象分成K=4個簇(這里的K是指山羊的四個主要的日常行為分類)，使得簇內(nèi)的樣本對象具有較高的相似性，而簇間的樣本對象相似性很低。具體流程如下：

(1)山羊的日常行為主要有躺臥、站立、采食和跨跳行為4種，隨機(jī)選取K=4個初始的聚類中心：C1,C2,…,Ck。

(2)將樣本集X中的對象 按照最小距離原則分配到K 個聚類中的某一個中；最小距離原則:Dj=min‖X-Cj1b,X={x1,x2,…,xn},j=1,2,…,K。

式中:nj是該聚類中所包含的樣本數(shù)。

2 結(jié)果與分析

2.1 山羊日常行為特征類別

將三軸加速度傳感器獲取的樣本集經(jīng)過反復(fù)訓(xùn)練之后得到了較為穩(wěn)定的聚類中心，再結(jié)合動作發(fā)生的時間綜合判定山羊的4種日常行為屬于哪個聚類。三軸加速度傳感器記錄的山羊4種典型日常行為加速度數(shù)據(jù)曲線如圖1所示。

圖1 山羊典型日常行為加速度數(shù)據(jù)曲線Fig.1 Curves of typical daily behavior acceleration in goats

由圖1a知，當(dāng)山羊處于上下跨跳行為時，三軸加速度傳感器記錄的數(shù)據(jù)曲線會出現(xiàn)大幅地急升急降，以及不規(guī)則的波動；圖1b中，山羊躺臥時，三軸加速度傳感器記錄的加速度數(shù)據(jù)曲線基本保持穩(wěn)定，且主要集中在采食行為之后；圖1c中，當(dāng)山羊處在采食階段時，山羊的三軸加速度數(shù)據(jù)曲線波動比較劇烈且三軸數(shù)據(jù)沒有明顯的規(guī)律性；圖1d中，當(dāng)山羊站立或者慢走時，山羊的加速度數(shù)據(jù)曲線呈現(xiàn)比較規(guī)律地波動。因此利用三軸加速度傳感器方向軸的響應(yīng)差異，以及結(jié)合K-means算法對采集的數(shù)據(jù)樣本集進(jìn)行聚類，可以實(shí)現(xiàn)對山羊4種主要日常行為特征類別的分類。

假設(shè)山羊在備用的玉米粉末鋪墊地面上下跨跳過程中產(chǎn)生的三軸方向上的細(xì)微變換忽略不計。試驗與驗證結(jié)果如圖2所示。從典型行為模型預(yù)測與羊舍內(nèi)視頻監(jiān)控記錄的情況比較，得出的四種典型日常行為的識別率為87.76% 。從穩(wěn)定期數(shù)據(jù)中隨機(jī)抽出2000個樣本數(shù)據(jù)[25]，養(yǎng)殖圈內(nèi)的視頻記錄顯示實(shí)際的行為變化為98次，模型預(yù)測中正確判斷的行為變化為86次。產(chǎn)生誤判的原因主要來自隨機(jī)誤差，比如：試驗時養(yǎng)殖圈內(nèi)溫度及相對濕度的變化影響了儀器性能；不同山羊之間行為的差異；山羊在跨跳過程中導(dǎo)致的傳感器位置偏移等。

2.2 養(yǎng)殖圈內(nèi)溫度及相對濕度對山羊日常行為的影響

山羊的行為活動表現(xiàn)出一定的節(jié)律性，必然受相關(guān)環(huán)境因素的影響。環(huán)境因素的變化也必然會導(dǎo)致動物行為分配的差異[26]。本試驗中的三軸加速度傳感器是全程佩戴，所以實(shí)測的溫度和相對濕度必然能反映出山羊相應(yīng)的行為。比如：傳感器測得的相對濕度數(shù)值高于羊舍內(nèi)設(shè)置的相對濕度范圍，表明此時的山羊有可能在飲水或者靜臥在潮濕的環(huán)境下，得出山羊此時的體態(tài)是否正常。此外，如果傳感器測得的溫度高于試驗設(shè)置的羊舍溫度范圍，表明此時的山羊可能長時間躺臥在陽光直射的環(huán)境中，或者持續(xù)在羊舍內(nèi)跨跳，由此猜測山羊的疾病狀況或行為狀態(tài)。

圖2 山羊加速度數(shù)據(jù)識別結(jié)果L表示山羊的躺臥行為，S/W表示站立或慢走行為，E表示采食行為，J表示跨跳或跑動行為。Fig.2 Data identification of goats'behavior acceleration L stands for lying of goats,S/W for standing/walking,E for eating,J for jumping or ruming.

總之，具體行為活動仍需結(jié)合三軸加速度傳感器采集的有效試驗數(shù)據(jù)進(jìn)行迭代分析。此外，試驗中的溫度以及相對濕度對山羊日常行為的影響是否會干擾山羊福利以及山羊個體疾病模型的建立，將作為下一步建模時考慮的影響因子。

2.3 佩戴傳感器節(jié)點(diǎn)對山羊日常行為的影響

通過觀察兩組山羊的全程視頻監(jiān)控對比發(fā)現(xiàn)，三軸加速度傳感器佩戴在山羊羊角處基本無明顯應(yīng)激反應(yīng)。沒有發(fā)現(xiàn)兩組山羊之間存在明顯的行為差異，佩戴三軸加速度傳感器的山羊沒有出現(xiàn)頻繁站立、不能靜臥或者頻繁摩擦采食欄桿等現(xiàn)象。而且試驗組山羊的加速度數(shù)據(jù)采集是分兩次進(jìn)行的，多次迭代聚類之后，取最優(yōu)聚類中心進(jìn)行建模比對得出，最大程度地減小試驗誤差，增加了試驗結(jié)論的真實(shí)性和可靠性。

3 結(jié) 論

本試驗采用的三軸加速度傳感器能連續(xù)不間斷地記錄山羊行為數(shù)據(jù)，采集數(shù)據(jù)真實(shí)可靠，佩戴在山羊身上基本無應(yīng)激反應(yīng)，為建立典型日常行為模型提供了依據(jù)。本試驗首次有針對性的對山羊的日常行為數(shù)據(jù)進(jìn)行分析，結(jié)合K-means算法對采集的數(shù)據(jù)樣本集進(jìn)行聚類，得出相應(yīng)數(shù)據(jù)曲線，結(jié)合視頻記錄以及動作發(fā)生的時間進(jìn)行識別驗證，后續(xù)試驗將在山羊的脖子、背部、前腿、后腿等部位分時段采集數(shù)據(jù)并分析，得出山羊傳感器的最佳部署位置，為建立精準(zhǔn)的山羊行為與疾病關(guān)系模型、提高山羊福利奠定基礎(chǔ)。

[1]尚玉昌.動物行為學(xué)[M].北京:北京大學(xué)出版社,2007.

[2]吳寶明,卓 豫,王 禾.動物行為檢測技術(shù)進(jìn)展及展望[J].中國行為醫(yī)學(xué)科學(xué)，2001,10(3):278-280.

[3]普華才讓,牟永娟,丁考仁青,等.賈洛羊種公羊引進(jìn)甘加地區(qū)適應(yīng)性觀測研究[J].畜牧獸醫(yī)雜志,2012,31(3):1-2.

[4]劉振生,王小明,曹麗榮.圈養(yǎng)條件下巖羊冬季晝間的行為及活動規(guī)律[J].東北林業(yè)大學(xué)學(xué)報,2005,33(1):41-43.

[5]劉振生,王小明,李志剛,等.賀蘭山巖羊不同年齡和性別晝間時間分配的季節(jié)差異動[J].動物學(xué)研究,2005,26(4):350-357.

[6]章書聲,鮑毅新,王艷妮,等.基于紅外相機(jī)技術(shù)的黑麂活動節(jié)律[J].獸類學(xué)報,2012,32(4):368-372.

[7]Hirayama T,Katoh K.Effects of heat exposure and restricted feeding on behavior,digestibility and growth hormone secretion in goats[J].Asian-Australasian Journal of Animal Science,2004,17:655-658.

[8]章書聲,鮑毅新,王艷妮,等.不同相機(jī)布放模式在古田山獸類資源監(jiān)測中的比較[J].生態(tài)學(xué)雜志,2012,31(8):2 016-2 022.

[9]李智.全球動物福利運(yùn)動的發(fā)展趨勢及應(yīng)對建議[J].國際貿(mào)易,2008(1):43-44.

[10]齊 琳,包 軍,李劍虹.動物行為學(xué)研究在動物福利養(yǎng)殖中的應(yīng)用[J].中國動物檢疫,2009,26(9):68-69.

[11]朱偉興,浦雪峰,李新城,等.基于行為監(jiān)測的疑似病豬自動化識別系統(tǒng)[J].農(nóng)業(yè)工程學(xué)報,2010,26(1):188-192.

[12]溫長吉,王生生,趙 昕,等.基于視覺詞典法的母牛產(chǎn)前行為識別[J].農(nóng)業(yè)機(jī)械學(xué)報,2014,45(1):266-274.

[13]Boaz Zion.The use of computer vision technologies in aquaculture-a review[J].Computers and Electronics in Agriculture,2012,88(10):125-132.

[14]勞鳳丹,滕光輝,李 軍,等.機(jī)器視覺識別單只蛋雞行為的方法[J].農(nóng)業(yè)工程學(xué)報,2012,28(24):157-163.

[15]Zhao Guoying,Pietikainen M.Dynamic texture recognition using local binary patterns with an application to facial expressions[J].IEEE Transactions on Pattern Analysis and Machine Learning,2007,29(6):915-928.

[16]尹 令,劉財興,洪添勝,等.基于無線傳感網(wǎng)絡(luò)的母牛行為特征監(jiān)測系統(tǒng)研究[J].農(nóng)業(yè)工程學(xué)報,2010,26(3):203-209.

[17]King G J,Willoughby R A,Hacker R R.Fluctuations in rectal temperature of swine at parturition[J].Canadian Veterinary Journal,1972,174(4):620-622.

[18]Hendrix W F,Kelley K W,Gaskins C T,et al.Changes in respiratory rate and rectal temperature of swine near parturition[J].Journal of Animal Science,1978,47(1):188-191.

[19]Cornou C,Lundbye-Christensen S.Classifying sows'activity types from acceleration patterns: an application of the multi-process Kalman filter[J].Applied Animal Behavior Science,2008,111(3):262-273.

[20]Cornou C,Lundbye-Christensen S.Classification of sows'activity types from acceleration patterns using univariate and multivariate models[J].Computers and Electronics in Agriculture,2010,72(2):53-60.

[21]劉龍申,沈明霞,姚 文,等.基于加速傳感器的母豬產(chǎn)前行為特征采集與分析[J].農(nóng)業(yè)機(jī)械學(xué)報,2013,44(3):192-196.

[22]王祝文,劉菁華,任 莉.基于K均值動態(tài)聚類分析的地球物理測井巖性分類方法[J].東華理工大學(xué)學(xué)報：自然科學(xué)版,2009,32(2):152-156.

[23] Xinwu Li.A New Text Clustering Algorithm Based on Improved K-means[J].Journal of Software,2012,7(1):95-101.

[24]任景彪,尹紹宏.一種有效的K-means聚類初始中心選取方法[J].計算機(jī)與現(xiàn)代化,2010,179(7):84-86.

[25]王秀華.基于隨機(jī)抽樣的加速K-均值聚類方法[J].計算機(jī)與現(xiàn)代化，2013,220(12):27-29.

[26]Elmore R G,Martin C E,Riley J L,et al.Body temperatures of farrowing swine[J].Journal of the American Veterinary Medical Association,1979,174(4):620-622.

ClassificationandRecognitionofGoats'DailyBehaviorBasedonThree-dimensionalAccelerationSensor

GUO Dong-dong1，2,HAO Run-fang1,JI Zeng-tao2,YANG Xin-ting2*,ZHOU Chao2,LIANG Xu-jiao1,2

(1.CollegeofInformationEngineering,TaiyuanUniversityofTechnology,Taiyuan,Shanxi030024,China;2.NationalEngineeringResearchCenterforInformationTechnologyinAgriculture,Beijing100097,China)

To classify and identify the typical daily behaviors and the characteristics of the semi-closed breeding circle Boer goats,using three-dimensional acceleration sensor for behavior acceleration data collection,and K-means algorithm as the experiment main clustering algorithm,the study extracted the clustering center by repeated superposition and training,and identified the goats'typical daily behavior using the video monitor installation and the time of the action.The experiment results showed no stress reaction to the installment of three-dimensional acceleration sensor in the goats'horn,and the sensor recorded continuously the goats'behavior parameters,recognition accuracy to the typical daily behavior (including lying,standing or walking,eating,and jumping) reached 87.76%,setting up basis for establishment of the goat diseases prediction model.

goats; three-dimensional acceleration sensor; daily behavior; K-means clustering algorithm; diseases prediction model

2014-03-03，

2014-04-09

國家高技術(shù)研究發(fā)展計劃(863計劃)資助項目(2012AA101905)

郭東東(1988-)，男，山西太原人，在讀碩士，主要從事數(shù)字圖像處理研究。E-mail: aidrr@163.com

*[通訊作者]楊信廷(1974-)，男，山東安丘人，研究員，主要從事農(nóng)產(chǎn)品及食品質(zhì)量安全管理與溯源技術(shù)研究。 E-mail: yangxt@nercita.org.cn

S811.6

A

1005-5228(2014)08-0053-05