[发明专利]一种反刍牲畜发情状态的智能自主辨识方法及系统

说明书

本发明涉及一种反刍牲畜发情状态的智能自主辨识方法及系统，属于微机电系统、模式识别与机器学习技术领域。先采集反刍牲畜的运动数据，得到多个样本，并对样本进行标注、特征提取和特征降维，得到每一样本对应的降维后特征和标签。然后将所有样本对应的降维后特征和标签组成训练集，并利用训练集对机器学习模型进行训练，得到辨识模型。最后利用辨识模型对反刍牲畜的发情状态进行辨识。本发明通过训练机器学习模型的方式对反刍牲畜的发情状态进行辨识，能够有效提高辨识精度。

技术领域

本发明涉及微机电系统、模式识别与机器学习技术领域，特别是涉及一种基于MEMS运动传感器和机器学习算法的反刍牲畜发情状态的智能自主辨识方法及系统。

背景技术

准确预测反刍牲畜发情时间，并在发情时及时为其配种，对提高农场效益有着十分重要的意义。当前，反刍牲畜的发情状态监测主要依靠农场工人的经验进行人工判别，当农场规模扩大，牲畜数量急剧增加时，基于人工监测的方式导致监测效率显著下降，同时成本明显升高。因此，研发新型发情状态监测方法成为提高规模化牧场饲养生产效率的必然要求。

基于运动信息的反刍牲畜状态监测技术是一种提高牲畜发情辨识效率的有效方法。近期研究显示，M.Shahriar发表的文献“Detecting heat events in dairy cowsusing accelerometers andunsupervised learning”将加速度计和温度传感器内嵌于项圈佩戴在牲畜脖颈实现了发情状态监测，然而随着牲畜逐渐成长，项圈需要耗费人工不断地调整，这一缺点制约了牧场生产效率。进一步的，V.Schweinzer发表的文献“Evaluationof an ear-attached accelerometer for detecting estrus eventsinindoorhouseddairy cows”将基于三轴加速度计的监测系统置于牲畜耳朵上满足了终生不需调整的要求，显著提高了生产效率。该监测系统在基于应用统计方法基础上提出了发情判断的“黄金标准”，并实现了发情状态的判断，然而，该监测系统采用P值作为发情判断条件成立的标准，仅能说明监测结果的显著性，不能精准判断牲畜发情状态，一旦试验样本发生改变，如不同的牲畜品种甚至不同的牲畜群体共存时，该“黄金标准”很难再适用，无法实现智能自动判断。

基于此，亟需一种能够精准判断牲畜发情状态的方法及系统。

发明内容

本发明的目的是提供一种反刍牲畜发情状态的智能自主辨识方法及系统，能够基于机器学习算法实现反刍牲畜发情状态的智能自主辨识，辨识精度高。

为实现上述目的，本发明提供了如下方案：

一种反刍牲畜发情状态的智能自主辨识方法，所述辨识方法包括：

采集反刍牲畜的运动数据，得到多个样本；每一所述样本包括若干个采样点的运动数据；

对所述样本进行特征提取和特征降维，得到每一所述样本对应的降维后特征；

对所述样本进行标注，得到每一所述样本对应的标签；所述标签包括发情和未发情；

将所有所述样本对应的降维后特征和标签组成训练集，并利用所述训练集对机器学习模型进行训练，得到辨识模型；

利用所述辨识模型对反刍牲畜的发情状态进行辨识。

一种反刍牲畜发情状态的智能自主辨识系统，所述辨识系统包括：

样本采集模块，用于采集反刍牲畜的运动数据，得到多个样本；每一所述样本包括若干个采样点的运动数据；

特征处理模块，用于对所述样本进行特征提取和特征降维，得到每一所述样本对应的降维后特征；

标注模块，用于对所述样本进行标注，得到每一所述样本对应的标签；所述标签包括发情和未发情；