劉志偉，李麗華，2*

(1. 河北農(nóng)業(yè)大學(xué)機電工程學(xué)院，河北 保定 071001;2. 農(nóng)業(yè)部肉蛋雞養(yǎng)殖設(shè)施工程重點實驗室，河北 保定 071001;)

畜禽行為是反映畜禽健康狀況的一種重要表現(xiàn)，準(zhǔn)確高效地監(jiān)測、分析畜禽行為有助于了解畜禽的生理、健康和福利狀況。能及時發(fā)現(xiàn)個體異常，預(yù)防疾病，減少養(yǎng)殖場的經(jīng)濟損失，提高動物福利[1]。人工觀察法不僅耗費人力，而且當(dāng)測量人員進入養(yǎng)殖場時，畜禽會產(chǎn)生應(yīng)激反應(yīng)，測量的結(jié)果會產(chǎn)生誤差，不能準(zhǔn)確反映畜禽個體的行為特征信息。監(jiān)測中圖像信息采集對攝像機的固定位置和角度都有較高要求，監(jiān)測過程中易受環(huán)境光線的干擾，所獲得圖像的清晰度難以保證，對畜禽的行為識別產(chǎn)生誤判。隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展，將加速度傳感器(acceleration sensor)技術(shù)應(yīng)用于畜牧業(yè)生產(chǎn)中，有利于精準(zhǔn)畜牧業(yè)蓬勃發(fā)展。加速度傳感器具有體積小、高性能、低成本和高封裝等特點，且具有連續(xù)不間斷監(jiān)測畜禽行為信息等優(yōu)點，對準(zhǔn)確尋找出病態(tài)畜禽具有非常重要的作用。將加速優(yōu)越感器佩戴于畜禽身體的某個部位獲取加速度數(shù)據(jù)就可以識別出主要行為特征，判斷出行為信息與畜禽健康狀況的關(guān)系，從而減少人力，并盡早發(fā)現(xiàn)畜禽的異常，減少或避免不必要的損失。

加速度傳感器技術(shù)監(jiān)測畜禽行為受到了國內(nèi)外研究人員的高度重視，近10年，加速度傳感器在家畜大個體行為識別領(lǐng)域上成就顯著，國外學(xué)者重點指出加速度傳感器技術(shù)在羊行為分類、量化中的應(yīng)用[2]，而國內(nèi)學(xué)者將加速度傳感器佩戴于羊的頸部、頭部、耳朵、腿部等部位進行研究[3-6]?；诖伺宕鞣椒?，國外學(xué)者對羊的行為進一步研究，搭建了行為監(jiān)測系統(tǒng)并識別了羊的采食、跨跳、行走、跑、站立、跛行步態(tài)等多行為模式[2，7-9]；在豬的行為識別上，基于加速度傳感器技術(shù)，國內(nèi)外研究了豬的產(chǎn)仔和準(zhǔn)確的分娩時間[10]、休息、移動和進食行為[11]、側(cè)臥和立臥哺乳姿態(tài)[12-13]、豬的產(chǎn)前行為[14]。研究結(jié)果表明，行為識別準(zhǔn)確率高，實際效果顯著。國內(nèi)外研究人員通過采集牛的日常行為加速度數(shù)據(jù)，使用k-means均值聚類、支持向量機和隨機森林等方法分析和處理數(shù)據(jù)并建立模型，已深入研究了牛的吞咽、反芻、舔舐、站立、平躺、慢走、快走、躺臥等行為[15-16]。對于狗的行為研究上，有人將加速度傳感器佩戴于狗背部，結(jié)合迭代最小二乘算法(ILSA)識別狗的奔跑等行為[17]。

對家禽小個體的研究還有待進一步深入。2019年，有人曾對肉雞步態(tài)進行過研究，使用加速度傳感器和邏輯回歸算法，研究了肉雞的健康步態(tài)和跛行步態(tài)的程度[18]。在鴿子的行為識別上，將加速度優(yōu)越感器綁在翅膀下面和尾部，采用多重多項式回歸分析與處理加速度數(shù)據(jù)，研究了鴿子的平飛和著陸飛行的行為[19-20]。隨著人們對畜禽的養(yǎng)殖要求越來越高，福利化養(yǎng)殖越來越受到重視，監(jiān)測畜禽的行為就成了炙手可熱的問題。加速度傳感器能感受個體的加速度，輸出加速度數(shù)據(jù)，通過提取個體行為特征識別個體行為，具有連續(xù)不間斷的監(jiān)測畜禽的行為等優(yōu)點，因而得到迅速發(fā)展。

本文詳細闡述了國內(nèi)外利用加速度傳感器在畜禽個體行為識別監(jiān)測領(lǐng)域的應(yīng)用現(xiàn)狀及存在的問題，對家禽小個體的行為監(jiān)測研究進行了展望，為國內(nèi)開展家禽小個體行為監(jiān)測技術(shù)研究提供參考。

1 加速度傳感器技術(shù)

1.1 加速度傳感器分類和工作原理

加速度傳感器一般按軸數(shù)和原理分類，軸數(shù)一般有單軸、雙軸、三軸、六軸和九軸；單軸和雙軸一般用于汽車防盜、玩具制造、橋梁、大壩的振動等監(jiān)測。由于動物和人都具有自主意識，可以隨時改變其運動軌跡，單軸和雙軸加速度傳感器就不適合對此類問題描述。三軸、六軸和九軸加速度傳感器一般用于測量人和動物的行為信息，三軸加速度傳感器是六軸和九軸的核心元件且具有3個相互垂直的輸出軸，空間中的任意運動可以在3個方向上進行分解。按工作原理分為一般壓電式、壓阻式、電容式、伺服式加速度傳感器。加速度傳感器的原理運用了牛頓第二定律如公式(1)。

A=F/M

(1)

大多數(shù)加速度傳感器利用硅的機械特性，加速度傳感器內(nèi)部有敏感元件，以壓阻式加速度傳感器為例，當(dāng)加速度傳感器以a運動時，受到一個a方向相反的慣性力的作用，發(fā)生與加速度成正比a形變，該變形被粘貼在懸臂梁的擴散電阻感受到，阻值發(fā)生與應(yīng)變成正比的變化，該電阻作為電橋的橋臂，電橋電壓的變化即可以采集加速度數(shù)據(jù)。一般通過內(nèi)部的信號放大電路和實現(xiàn)轉(zhuǎn)化的電子電路輸出電壓，再通過相應(yīng)的放大和濾波電路進行采集加速度數(shù)據(jù)。工作原理圖如圖1和圖2。

圖1 加速度傳感器工作原理流程圖

圖2 加速度傳感器工作原理

1.2 加速度傳感器概述

加速度傳感器是一種能感受加速度并轉(zhuǎn)換成可用輸出信號的傳感器，它也是一種測量加速力的電子設(shè)備。加速度傳感器技術(shù)最早由美國發(fā)明，20世紀30年代開始軍用，應(yīng)用于導(dǎo)彈、火箭等制導(dǎo)系統(tǒng)。早期的加速度傳感器常見于擺式加速度傳感器，主要代表有擺式積分陀螺加速度傳感器、寶石軸承擺式加速度傳感器、液浮擺式加速度傳感器[21]。20世紀50年代，Saunders等[22]最先利用加速度傳感器識別人體運動姿態(tài)。隨著制造工藝的提升和壓電技術(shù)的發(fā)展，20世紀60年代后期出現(xiàn)了振弦式和壓電式加速度傳感器[21]。2012年，《物聯(lián)網(wǎng)“十二五”發(fā)展規(guī)劃》重點指出傳感器是物聯(lián)網(wǎng)信息采集的基礎(chǔ)，而我國傳感器行業(yè)發(fā)展落后，幾乎全部依賴于進口，傳感器芯片進口占比達90%，因此未來我國要加大對傳感器技術(shù)的研發(fā)來彌補缺陷[23]。當(dāng)前，加速度傳感器技術(shù)已被應(yīng)用于人體跌倒[24]、心率監(jiān)測[25]以及運動行為識別[26-27]，豬、牛、羊、狗等家畜大個體運動行為識別[2-17]，但是對家禽小個體僅僅局限于肉雞和鴿子的行為識別[18-20]。

2 加速度傳感器數(shù)據(jù)處理主要算法

2.1 聚類算法和決策樹C4.5算法

聚類算法是對樣本分類的重要方法。在行為識別領(lǐng)域，k-means均值聚類、支持向量機(SVM)應(yīng)用廣泛，k-means均值聚類算法一般處理未知的樣本集，SVM 算法則是對已知分類的訓(xùn)練樣本集里提取特征，是一種有指導(dǎo)、有監(jiān)督的迭代訓(xùn)練學(xué)習(xí)方法。郭東東等人[3]采用k-means聚類和SVM算法處理加速度數(shù)據(jù)，建立典型行為分類模型同時也可以進一步判斷異常行為，并用SVM算法對k-means聚類模型進一步優(yōu)化。通過對行為的識別精度的比較發(fā)現(xiàn)，SVM算法識別效果更要優(yōu)于k-means均值聚類算法。提取海鳥行為特征變量，并用k-means算法實現(xiàn)了對海鳥的站立、游泳、飛行、潛水等行為分類識別[28]。將原始數(shù)據(jù)進行預(yù)處理分成許多小的片段，均值、方差、偏度和峰度作為人的行為特征提取值[29]，而通過自回歸模型提取AR系數(shù)作為行為識別的特征，然后使用SVM算法實現(xiàn)了對人體的彎曲、跳躍、跑步、步行等多行為分類與識別[30]。Resheff[31]提出了一種新型矩陣分解聚類方法，具有可以將加速度測量值進行軟分區(qū)或硬分區(qū)的優(yōu)勢，識別了鸛的步行、站立、坐、拍打、滑翔等行為，與k-means聚類和SVM算法相比較，該聚類算法的識別準(zhǔn)確率較低。決策樹算法對數(shù)據(jù)進行歸納總結(jié)，得到可讀的規(guī)則和決策樹，可讀的規(guī)則作用是對數(shù)據(jù)進行分類，決策樹作用是找到訓(xùn)練樣本集蘊含的分類規(guī)則。將數(shù)據(jù)集分為3個時期進行測試，通過決策樹算法識別了綿羊的放牧、躺臥、跑步、站立和走等行為，行為識別準(zhǔn)確度較高[7]。通過對原始信號進行濾波去噪處理，然后對時域和頻域提取特征，時域包括平均值、方差、標(biāo)準(zhǔn)差、平均絕對偏差、均方根、導(dǎo)數(shù)等[32]。頻域包括離散傅里葉變換系數(shù)、熵等。提取了小波能量特征和樣本熵作為行為識別的特征值，決策樹算法建立行為分類器，對人的走路、上樓、下樓識別，但是準(zhǔn)確率低，效果不是很理想[33]。

2.2 k近鄰(k-NN)和隨機森林算法(RF)

k近鄰(k-NN)算法是k個最相鄰的樣本中屬于某一個類別，那么該樣本也屬于這個類別，同時具有這一個類別的特性。該算法優(yōu)點是無需估計參數(shù)、不用訓(xùn)練，缺點是計算量大、不規(guī)則。隨機森林算法(RF)是一種靜態(tài)算法，算法容易陷入局部最優(yōu)解，而不能實現(xiàn)全局最優(yōu)解。通過提取加速度數(shù)據(jù)的時域、頻域作為特征值，并用隨機森林算法(RF)、支持向量機(SVM)和改進的RF對人體行走、平躺、靜坐、跑步等行為識別，改進的蜜蜂交配優(yōu)化算法増強了RF算法的穩(wěn)定性，行為識別結(jié)果表明：改進的RF比RF高出1.37%，比SVM高出3.23%[33]。通過比較改進的k-NN、SVM對人體行為的準(zhǔn)確度，研究結(jié)果表明：改進的k-NN(k-NN)行為識別準(zhǔn)確度大于SVM。有人提出了一種TF4+FFT10作為特征值，并用KNN和決策樹建立人體行為分類器，研究表明；k-NN對人體行為識別準(zhǔn)確度較高于決策樹算法，但是仍伴有對某些行為識別準(zhǔn)確度低的問題，還需進一步完善[34]。劉玉琪等[35]對原始數(shù)據(jù)平滑、去噪、歸一化和加窗操作，對處理后的數(shù)據(jù)提取平均周期、峰值差、平均峰值作為特征值，采用人工蜂群優(yōu)化隨機森林構(gòu)建人體行為分類器，通過分析比較C4.5決策樹、k-NN、SVM、RF的行為準(zhǔn)確度，人工蜂群優(yōu)化的RF比RF高出1.7%，比SVM高2.69%,比k近鄰高出6.12%,比C4.5高出10.63%。采用隨機森林模型來區(qū)分北極熊10種行為，發(fā)現(xiàn)休息和行走行為識別準(zhǔn)確度是90%以上，但是游泳和頭部搖晃的行為識別準(zhǔn)確度較低，存在對休息或行走錯誤分類的情況，還需進一步優(yōu)化隨機森林模型[36]。

k-means聚類算法在處理數(shù)據(jù)上具有完整的操作步驟，較其他算法操作性強，在豬產(chǎn)前行為[14]、人體運動行為[32-33]、山羊的行為識別[3]等應(yīng)用上，都以K-means聚類算法來處理數(shù)據(jù)，而SVM算法具有比K-means聚類算法的分類精度高的優(yōu)點，對動物和人的行為分類大多數(shù)都應(yīng)用了支持向量機算法對分類模型的進一步優(yōu)化，分類效果顯著。有人分析比較了k-NN、SVM、RF和C4.5算法的分類性能，發(fā)現(xiàn)k-NN不適合用于培訓(xùn)數(shù)據(jù)集中每一類的數(shù)量都嚴重不平衡的情況，故提出運用一個最近鄰的k-NN混淆矩陣的方法來識別易混淆的運動[37-38]。支持向量機主要用于解決二分類問題，解決多分類問題效果不佳。隨機森林算法是一種由多個決策樹組成的分類器，適用于多分類。此外，隨機森林不需要特征提取，與支持向量機相比，它對缺失數(shù)據(jù)的敏感性較低。綜上，對4種模型的分類精度進行評估表明，支持向量機在行為識別上具有最佳的行為分類性能。k-means聚類算法和支持向量機在處理加速度數(shù)據(jù)和建立行為分類模型將會得到廣泛應(yīng)用，而其他算法相比較分類效果欠佳應(yīng)用可能會減少。

3 加速度傳感器在畜禽行為識別方面的應(yīng)用

3.1 家畜行為識別上的應(yīng)用

3.1.1 在羊行為識別上的應(yīng)用

監(jiān)測家畜行為可以對早期疾病進行預(yù)防，對家畜及時救治以減少損失。加速度傳感器監(jiān)測牲畜活動時，對出現(xiàn)任何預(yù)期疾病都能迅速采取相應(yīng)的對策，具有減少肉眼觀察等優(yōu)點，故備受養(yǎng)殖人員所青睞。有人提出了一種使用加速度傳感器的牲畜行為監(jiān)測系統(tǒng)，該系統(tǒng)提供了牲畜的活動測量信息，將通過加速度傳感器測量的活動數(shù)據(jù)傳輸給傳感器管理員，傳感器管理員對傳輸?shù)臄?shù)據(jù)進行格式處理和單位轉(zhuǎn)換，以及處理過的數(shù)據(jù)存儲在數(shù)據(jù)庫中[39]。管理服務(wù)器定期向數(shù)據(jù)庫請求傳感器數(shù)據(jù)，傳輸?shù)臄?shù)據(jù)與指定的標(biāo)準(zhǔn)范圍數(shù)據(jù)信息比較后，如果超出或低于標(biāo)準(zhǔn)范圍，則分析牲畜對象信息后通知用戶，用戶確定是否有疾病。與此同時，該系統(tǒng)解決了肉眼觀察需要大量勞力的問題并實現(xiàn)了實時監(jiān)測的效果。

加速度傳感器技術(shù)目前在家畜大個體中應(yīng)用廣泛。為了準(zhǔn)確的判斷羊的日常行為與疾病之間的關(guān)系，國內(nèi)外研究人員將加速度傳感佩戴于羊的身體部位，實時且連續(xù)不間斷地監(jiān)測羊的行為，建立羊的行為分類模型，通過對羊只行為發(fā)生次數(shù)的統(tǒng)計，判斷羊只個體是否有疾病，養(yǎng)殖人員及時發(fā)現(xiàn)并救治，從而減少不必要經(jīng)濟損失。國內(nèi)研究人員通過對比試驗，確定了三軸加速度傳感器MSR145部署的最佳位置是佩戴于山羊羊角中心處，佩戴此處無應(yīng)激反應(yīng)，并用上述算法分別建立4種典型加速度數(shù)據(jù)模型，識別了山羊的躺臥、站立、慢走、采食、跨跳行為[3]。下一步將對異常的行為進行研究，通過比較異常行為特征預(yù)設(shè)的閾值參數(shù)與典型日常行為模型，自動指示異常個體的編號并生成異常信息報表，實現(xiàn)山羊行為與相關(guān)疾病的分類。楊曉龍[4]提出了一種基于三軸加速度傳感器和ZigBee網(wǎng)絡(luò)的奶山羊行為監(jiān)測管理系統(tǒng)，該系統(tǒng)可以實時且連續(xù)不間斷監(jiān)測奶山羊的行為信息，將三軸加速度傳感器佩戴于奶山羊的背部，建立了奶山羊的行走、跑、跨跳和站立行為分類模型，為研究奶山羊的發(fā)情、生病、分娩等實際應(yīng)用具有非常重要意義?；谏鲜龅难芯浚]輝[5]將三軸加速度傳感器MPU6050佩戴于奶山羊4個部位進行了突破，設(shè)計并開發(fā)了一套奶山羊行為識別系統(tǒng)，并對奶山羊的行走、慢跑、靜臥和跨跳4種行為建立行為分類模型，準(zhǔn)確度較高，為畜牧業(yè)技術(shù)人員和奶山羊養(yǎng)殖戶提供有效幫助。張曦宇等[6]提出了種公羊運動行為識別系統(tǒng)，該系統(tǒng)利用加速度傳感器技術(shù)識別了種公羊靜立、行走、奔跑行為。通過對比不同部位加速度數(shù)據(jù)的穩(wěn)定性，確定了種公羊的最佳部署是前腿處，并用兩種算法建立行為模型，結(jié)果表明前腿處行為識別率高、應(yīng)激小。該研究主要應(yīng)用于種公羊的運動量補充和健康狀況監(jiān)測。

國外使用吊帶將加速度傳感器的佩戴于綿羊的頭部，并用攝像機實時記錄綿羊的行為信息，保證了加速度傳感器采集數(shù)據(jù)時間的同步性，建立綿羊放牧、反芻和休息行為分類模型，識別準(zhǔn)確度均在85%以上，但是存在將有些反芻活動被誤認為是休息行為的問題[2]。該研究可及時給養(yǎng)殖人員提供準(zhǔn)確信息，判斷綿羊的健康狀況，減少農(nóng)場損失，具有實際應(yīng)用價值。將三軸MEMS加速度傳感器佩戴于綿羊的下顎采集加速度數(shù)據(jù)，隨機森林算法提取放牧、躺臥、奔跑、站立和行走重要特征，決策樹算法建立行為分類模型。分別測試3、5和10 s數(shù)據(jù)，結(jié)果表明，測試3 s時，躺臥的識別準(zhǔn)確度最高是86.4%，測試5 s時，放牧行為識別準(zhǔn)確度最高是96.2%，測試10 s時，吃草行為識別準(zhǔn)確度最高是90.0%[7]。該研究用于綿羊的行為識別和分類，將有助于提高生產(chǎn)效率。將三軸加速度傳感器通過項圈掛在綿羊脖子上、綁于腿部和附著于耳部，通過辨別綿羊聲音來鑒別跛行步態(tài)。研究發(fā)現(xiàn)，耳附式加速度傳感器對跛行步態(tài)特征分類具有獨特的優(yōu)勢，并有效的對綿羊跛足行走活動與正常的放牧、站立和行走行為進行了區(qū)分[8]。該研究用于綿羊的監(jiān)測生育能力和體重等產(chǎn)生性能，有效預(yù)防并減少繼發(fā)性疾病的風(fēng)險，對步態(tài)異常的動物進行鑒定，有助于發(fā)現(xiàn)許多有跛行癥狀的疾病，在實際生產(chǎn)中具有重大的意義。將三軸加速度傳感器佩戴于羔羊的頸部，用于自動監(jiān)測羔羊哺乳期吮吸行為，哺乳一般發(fā)生在發(fā)育周期的早期，通過對哺乳頻率分析判斷母羊產(chǎn)奶性能且可以預(yù)測疾病，也可以評價母乳質(zhì)量；對于年齡較大的羔羊，哺乳的低頻率可以提前發(fā)出信號，有助于及時給羔羊更換乳汁充足的母羊，提高羔羊存活率[9]。該研究對母羊與羔羊的哺乳行為提供了可靠的數(shù)據(jù)支撐，具有實際意義。

3.1.2 在豬行為識別上的應(yīng)用

采集豬的加速度數(shù)據(jù)，建立行為分類模型對豬在實際中的行為識別具有重大意義。國外使用耳貼式加速度傳感器對母豬的加速度采樣，通過尖點控制圖監(jiān)測產(chǎn)仔前母豬的筑巢行為，根據(jù)飼養(yǎng)員的需要對報警進行微調(diào)，用于自動監(jiān)測母豬產(chǎn)仔報警[10]。目前對農(nóng)場的實際情況而言，分娩開始前12 h內(nèi)發(fā)出有用的警報效果最佳，產(chǎn)仔前6～12 h內(nèi)，飼養(yǎng)人員可以為分娩的最佳開始做好準(zhǔn)備。該研究在實際生產(chǎn)中用于母豬產(chǎn)仔行為監(jiān)測。對8頭母豬進行野外試驗，將耳貼式加速度傳感器附著在RFID標(biāo)簽上，該佩戴方法豬不會產(chǎn)生異常行為，設(shè)計了基于三軸加速度數(shù)據(jù)的數(shù)據(jù)采集系統(tǒng)，在100 m范圍內(nèi)無線實時傳輸加速度數(shù)據(jù)，建立母豬的休息、步行移動和進食行為分類模型[11]。該研究實現(xiàn)了自動監(jiān)測母豬典型行為，對母豬的飼養(yǎng)和管理具有重大意義。設(shè)計了基于加速度傳感器的數(shù)據(jù)采集系統(tǒng)，識別了11頭母豬5種活動類型：喂養(yǎng)、翻滾、行走、平臥和側(cè)臥，并用多變量模型與單變量模型對行為識別。結(jié)果表明，多變量模型比單變量模型更適合監(jiān)測群體飼養(yǎng)母豬的活動[12]。該研究通過對母豬行為活動的識別與分類，自動監(jiān)測母豬發(fā)情、產(chǎn)仔等，具有重要的實際應(yīng)用價值。基于加速度傳感器的一種豬行為管理系統(tǒng)，人們通過大數(shù)據(jù)來識別豬的進食育種等多行為模式，預(yù)測斷奶母豬的最佳授精時間，旨在促進精準(zhǔn)畜牧業(yè)的發(fā)展[40]。對提高生產(chǎn)效率和以現(xiàn)代質(zhì)量標(biāo)準(zhǔn)衡量的農(nóng)場福利生產(chǎn)具有重要意義，通過大數(shù)據(jù)與商業(yè)條件下的人工智能算法，可以轉(zhuǎn)換成精準(zhǔn)信息來改進養(yǎng)豬場決策。

國內(nèi)將加速度傳感器佩戴于母豬頸部下方，采集母豬活動的姿態(tài)角，通過對母豬姿態(tài)識別可以直接判斷母豬的哺乳意愿[13]。有人提出并設(shè)計了一種基于三軸加速度傳感器的母豬產(chǎn)前行為監(jiān)測系統(tǒng)，可以快速且實時采集母豬運動信息，佩戴于頸部的傳感器對母豬產(chǎn)前行為無影響，基本無應(yīng)激[14]。k-means算法建立母豬躺臥、站立、吃料、筑窩行為模型，解決了對母豬分娩時間判斷的問題，具有實用價值。

3.1.3 在牛行為研究上的應(yīng)用

在牛上設(shè)計出一種基于三軸加速度傳感器和決策樹算法的奶牛行為活動監(jiān)測系統(tǒng)[15]。該系統(tǒng)以10頭跛足奶牛和9頭非跛足奶牛為研究對象，通過對跛牛和非跛牛平均每日飼喂時間的差異性，經(jīng)過算法快速監(jiān)測奶牛跛足，跛足奶牛一般在下午飼喂時間較短。將傳感器記錄的加速度數(shù)據(jù)準(zhǔn)確分類為飼喂、非飼喂和擠奶行為，該研究有助于開發(fā)自動化的監(jiān)測系統(tǒng)，使奶牛的跛行能夠迅速發(fā)現(xiàn)和治療。Leonie等[41]提出并設(shè)計了一種Smart Bow耳塞加速度傳感，器為犢牛行為監(jiān)測系統(tǒng)，該系統(tǒng)以15頭斷奶前的荷斯坦奶牛為例，并用視頻觀察確定進食、反芻行為，達到了令人滿意的精度，該研究可以預(yù)測乳牛的疾病或不適。將Smart Bow標(biāo)簽佩戴于奶牛耳朵上，同時設(shè)計了一種實時位置監(jiān)測系統(tǒng)，通過4個傳感器的距離計算奶牛的確切位置，谷倉地圖確定為原點，只有當(dāng)4個傳感器在瞄準(zhǔn)標(biāo)簽的視線范圍內(nèi)，才能將奶牛位置數(shù)據(jù)傳至計算機[42]。通過設(shè)定標(biāo)簽和1頭奶牛的30個參考點和觀察者進行激光測量確認15頭奶牛的位置。此研究可以測量奶牛的位置和監(jiān)測奶牛的發(fā)情和疾病。一種耳掛式加速度傳感器用于識別1月齡16只雄性荷斯坦?fàn)倥５姆雌c、進食行為，回歸分析和方差分析處理加速度數(shù)據(jù)，觀察者和加速度傳感器監(jiān)測行為在時間上具有一致性[43]。采用了實時觀察和瞬時采樣方法，觀察者將被指定觀察的小腿掃描，每個指定的小腿5～10 s，并在計分表上標(biāo)記飲水、采食和反芻類別中的1個類別，該研究雖然可以有效區(qū)分犢牛的行為，但是需要人不斷去觀察測量，耗費了人力?；趩屋S加速度傳感器和模式匹配方法的聲學(xué)監(jiān)測系統(tǒng)，以不活動的飼養(yǎng)牛為研究對象，通過提取進食和反芻的特征模式來區(qū)分下頜運動，識別了牛的吞咽和反芻咀嚼行為，準(zhǔn)確率達到90%以上[44]。該研究證明聲學(xué)監(jiān)測方法對奶牛咀嚼活動的自動識別與分類，并用于評價動物管理是否有效。耳掛式加速度傳感器和視頻記錄的奶犢牛飲水行為監(jiān)測系統(tǒng)，以自然通風(fēng)的馬廄中3頭斷奶前的牛犢為研究對象，10 Hz頻率采樣，通過對加速度數(shù)據(jù)提取不同特征并開發(fā)加速度傳感器(Smart Bow EAR)算法和DE監(jiān)控的算法識別了牛犢的飲水行為，準(zhǔn)確度為96.2%，可用于判斷乳牛疾病和不適[45]。基于慣性測量單元(IMU)開發(fā)了一種牛草攝入量和反芻行為的監(jiān)測算法，IMU內(nèi)置于iPhone手機內(nèi)包括一個加速度計、一個陀螺儀、一個磁強計，將iPhone手機佩戴于19頭不同品種的奶牛頭部上方，采樣頻率100 Hz，通過視頻記錄了牧草量。以平均值±標(biāo)準(zhǔn)差作為牛草攝入量和反芻行為的特征值，通過峰值或頻率信號對行為進行深入分析以區(qū)別牛頭部和下頜運動。自動監(jiān)測算法應(yīng)以最短的時間窗口達到較高的精度，通過對牛吃草和反芻行為識別，準(zhǔn)確率均達到90%以上，有助于精確放牧管理[46]。以10頭奶牛為研究對象，分別用項圈式加速度傳感器和Rumi Watch鼻帶傳感器以10 Hz記錄數(shù)據(jù)，研究采樣率降低對算法分類精度的影響，分析比較SVM和DT的精度發(fā)現(xiàn)基本相同[47]。文中提出的簡單DT算法可以降低采樣頻率，但不低于1 Hz。奶牛的飼喂和反芻行為精度均在90%以上。

對牛60 min內(nèi)的行為進行研究，隨機記錄5 s和20 s的2個階段，提取了20個反芻行為，使用MATLAB光譜程序，通過光譜的距離來判別?？谇皇窃诓墒尺€是反芻，并對采食、飲水、反芻行為分類，準(zhǔn)確度均大于98%[48]。以5頭荷爾斯坦牛和40頭自由舍飼的牛為試驗對象，使用20 Hz低頻加速度傳感器和200 Hz高頻加速度傳感器同時測量，200 Hz高頻加速度傳感器可以測量反芻的增加次數(shù)，二元分配分析及Tukey的多重比較可以區(qū)分牛的采食、反芻、步行和休息，該研究有利于牛的蹄病診斷，判斷削蹄是否良好，預(yù)測發(fā)情和分娩時間[49]。以3家農(nóng)戶的奶牛為研究對象，每家農(nóng)戶各取12頭佩戴加速度傳感器于頸部右側(cè)處，相機同步記錄奶牛個體活動視頻，識別奶牛反芻和咀嚼行為，通過對泌乳量、分娩間隔、空胎天數(shù)比較發(fā)現(xiàn)體質(zhì)最佳的奶牛[50]。該研究可以有效區(qū)分生產(chǎn)性能最佳的奶牛。

三軸加速度傳感器的計步器系統(tǒng)可以通過奶?；顒恿縼肀O(jiān)測奶牛發(fā)情和健康[16]。使用低功耗芯片nRF24LE1E實現(xiàn)數(shù)據(jù)的無線傳輸，上傳至上位機后通過發(fā)情算法進行數(shù)據(jù)處理，為養(yǎng)殖人員提供了奶牛準(zhǔn)確的發(fā)情信息，減少了人力勞動，實現(xiàn)了計步器的低功耗和低成本，具有很強的實用性，提高了奶牛養(yǎng)殖的經(jīng)濟效益。姜美曦[51]基于加速度傳感器和圖像識別設(shè)計了一種肉牛行為監(jiān)測系統(tǒng)，該系統(tǒng)可以做到時間同步、實時采集肉牛行為信息，標(biāo)準(zhǔn)差、方差和均值作為行為識別的特征值，卡爾曼濾波器對肉牛的加速度數(shù)據(jù)預(yù)處理，并對肉牛采食和行走行為進行分類，但是行為識別的準(zhǔn)確度不高，該方法可以應(yīng)用到其他畜禽上。王俊等[52]提出了基于無線腿部加速度傳感器和最優(yōu)二叉決策樹分類算法的奶牛運動行為識別方法，峰度、標(biāo)準(zhǔn)差、偏度作為行為識別的特征量，通過構(gòu)建ROC曲線獲得特征量的最佳行為分組和閾值，該算法較SVM和ID3決策樹算法高出5～6個百分點，有效區(qū)分識別奶牛的站立、平躺、慢走、快走、站立和躺臥動作。該研究對提高奶牛行為分類精度具有重要意義。

3.2 在狗行為識別上的應(yīng)用

通過對狗的行為研究可以充分得到狗的方位和狗的姿態(tài)估計。以1只家養(yǎng)狗為研究對象，將包括三軸加速度傳感器的MTI-G佩戴于狗的背部，且保證在狗身上的3個方向與設(shè)備軸向一致。MTI-G是評估姿態(tài)估計算法效率的有效工具，當(dāng)狗的運動方向不確定時，它能夠以一個小的誤差重建AHRS給出的狗的方向。觀察狗的低速運動如步行和小跑，之后觀察加快運動奔跑，加速度曲線增加，對DBA組件的差異增加，這一由慢到快的運動過程展開研究。以歐拉角和四元數(shù)表示狗運動時的三維姿態(tài)輸出，均方根、偏差作為行為提取特征值，通過卡爾曼濾波器(XEKF)的內(nèi)部算法計算姿態(tài)?；谒脑獢?shù)的非線性觀測器與迭代最小二乘算法(ILSA)相結(jié)合的方法對行為識別，通過動態(tài)體加速度(DBA)估計狗的奔跑、快速旋轉(zhuǎn)等動態(tài)行為。同時，生物學(xué)家使用DBA指數(shù)來評估活動動物的能量消耗；然后使用由此得出的估計值，來提取動物的動態(tài)身體加速度和身體姿態(tài)估計問題。該研究對于監(jiān)測狗的行為、運動和生理學(xué)具有重要意義。

3.3 家禽行為識別上的應(yīng)用

3.3.1 在肉雞步態(tài)檢測上的應(yīng)用

加速度傳感器在家禽小個體的行為識別上的應(yīng)用還處于起步階段，在平養(yǎng)條件下給50只健康肉雞、50只跛行肉雞腿部佩戴無線運動腳環(huán)，建立健康和跛行的分類模型并能有效確定雞的跛行程度[18]。通過單個軸加速度方向與合加速度方向的夾角對肉雞右腳單步行的站立、抬腿、放腿、站立的連續(xù)動作分析，精準(zhǔn)判斷雞腿部的健康狀況，并成功將雞的行走步態(tài)分為健康、輕度跛行、中度跛行、重度跛行。該研究對減少肉雞因腿病造成的經(jīng)濟損失，減少淘汰率，具有重要意義。同時該研究將為籠養(yǎng)蛋雞的行為識別提供參考。

3.3.2 在鴿子飛行行為識別上應(yīng)用

在分隔7 m的2個棲息點之間，對6只鴿子飛行約18次機翼拍擊進行了研究，加速度計布點方式是通過羽毛軸下8個位置沿著翼或穿過翼布署，2個位置穿過尾部，佩戴總質(zhì)量約為15 g，攝像機放置在飛行線外側(cè)處，可以得到飛行中間的垂直側(cè)視圖[19]。起飛開始時速度較慢之后平飛到著陸飛行，飛行姿態(tài)以數(shù)據(jù)和錄像兩種方式分別同步記錄。隨著上升飛行或負重飛行技術(shù)的發(fā)展，未來可以研究更多鴿子無氧飛行、鴿子肌肉性能接近最大值等問題。時隔6年，有人對18只鴿子自愿直行和盤旋飛行展開研究，記錄器的安裝質(zhì)量共35 g佩戴于鴿子身上，總構(gòu)成小于鴿子身體質(zhì)量的8%，身體阻力略有增加會延長自愿飛行，也會以2 g的加速度盤旋[20]。用300 Hz的加速度計和陀螺儀記錄翼拍運動，多重多項式回歸進行分離和量化數(shù)據(jù)。研究了襟翼頻率、身體運動與空速、爬升之間關(guān)系，以及與其他鴿子的接近度之間的關(guān)系，并證明了鴿子可以像飛機一樣保持動力，鴿子傾斜轉(zhuǎn)彎，在緊湊的集群中飛行都需要相當(dāng)大的能量成本。這兩項研究使養(yǎng)殖人員可以充分了解鴿子在飛行中的狀態(tài)，有利于鴿子的高效養(yǎng)殖和管理。

3.4 加速度傳感器應(yīng)用在不同動物行為識別上的區(qū)別

加速度傳感器大小和體積不同，佩戴于家畜的加速度傳感器體積、質(zhì)量較大，而對于家禽佩戴的加速度傳感器一般較小。數(shù)據(jù)采集相似，不同動物一般都是實時且連續(xù)不間斷采集加速度數(shù)據(jù)，用視頻記錄行為數(shù)據(jù)在時間上與采樣數(shù)據(jù)保持一致。佩戴部位略有不同，羊、牛加速度傳感器一般佩戴于頸部、耳部、腿部，牛也有在頭部上方的情況，而豬一般都在頸部，狗在背部，肉雞在腿部佩戴無線運動腳環(huán)，鴿子使用小型加速度計佩戴于機翼和尾翼。數(shù)據(jù)處理相似，通過加速度傳感器獲取加速度數(shù)據(jù)然后提取行為特征作為指標(biāo)，采用不同的算法對行為識別與分類。實際意義大致相同，通過行為識別判斷羊的異常行為精確判斷個體發(fā)情、生病和分娩，如母豬的分娩、發(fā)情和哺乳，牛的跛足、疾病和發(fā)情，狗的能量消耗，肉雞跛行步態(tài)，鴿子飛行狀態(tài)監(jiān)測。總之，對不同動物行為識別都能提高養(yǎng)殖人員的高效養(yǎng)殖和管理水平。

4 總結(jié)與展望

隨著物聯(lián)網(wǎng)的日新月異，加速度傳感器成為行為識別領(lǐng)域的重中之重。在畜禽上應(yīng)用，只需對獲取的數(shù)據(jù)進行處理和分析就可以識別出畜禽的運動行為狀態(tài)，簡單快捷[53]。如今，加速度傳感器在豬、牛、羊、狗這些大個體行為識別上的應(yīng)用已經(jīng)取得了非常好的效果，尤其在奶牛行為監(jiān)測上應(yīng)用較為廣泛，但是在豬、羊等生產(chǎn)中應(yīng)用仍然較少，由于監(jiān)測牛的行為對人類會獲得更大經(jīng)濟收益，對奶牛的高效管理可以提高奶牛產(chǎn)奶量、科學(xué)預(yù)測發(fā)情期和預(yù)防疾病，相比較而言，牛的經(jīng)濟價值遠遠超過豬、羊等其他畜種，故對牛的行為監(jiān)測例子報道較多。對家禽小個體研究還處于起步階段，研究設(shè)計易于穿戴、體積合理的傳感器節(jié)點采集裝置勢在必行，提高小個體行為監(jiān)測的識別準(zhǔn)確率和穩(wěn)定性也是后續(xù)家禽個體行為研究的重點。