共查询到20条相似文献，搜索用时 15 毫秒
1.
为分类并识别山羊的典型日常行为特征,以半封闭圈养的波尔山羊为研究对象,利用三轴加速度传感器对山羊的三轴加速度数据进行采集,利用K-means聚类算法对采集的数据集进行反复叠加训练得到较为稳定的聚类中心,同时利用全程的视频监控结合动作发生的时间识别并验证山羊的4种典型日常行为。结果表明,将三轴加速度传感器部署在山羊羊角处基本无明显应激反应,并且此传感器可以连续不间断地记录山羊的行为特征参数,对山羊的躺卧、站立或慢走、采食、跨跳等典型日常行为识别的准确率达87.76%,为山羊福利及山羊疾病预测模型的建立奠定了基础。 相似文献
2.
在猪养殖过程中猪的行为与其健康状况有着密切的联系，及时发现猪的异常行为并加以治疗可以提高养殖的生产效益。利用深度学习技术进行猪只的行为识别，相较于传统人工方式效率更高。本文使用RealsenseD455相机采集猪只行为图像数据，使用Mosaic数据增强方法扩充数据集。将CBAM注意力机制模块加入YOLOv5模型，提高网络模型对猪只行为的特征提取能力。使用PyQt库设计了猪只行为识别系统，实现对训练的模型进行调用，通过上传猪只图片或视频并设置相关参数实现了猪只行为识别的可视化。该系统界面简洁操作便利，猪只姿态识别准确率达到90%以上，对猪只生产和基于深度学习的猪只行为识别研究具有一定的价值。 相似文献
3.
为了解决人工监测草原放牧牛运动行为工作量大、监测精度低的问题,试验提出一种基于二叉决策树分类模型的草原牛行为识别方法,即选取草原牛颈部三轴加速度计采集数据的X轴、Y轴、Z轴方差、均方根、平均值及三轴总体的矢量幅度(signal vector magnitude, SVM)和幅度(singal magnitude area, SMA)共11种统计特征量来构建查准率-查全率曲线(P-R曲线),通过P-R曲线获取各统计特征量所对应的最优行为类别分组方式及最优阈值,利用信息增益作为选择标准来构建二叉决策树分类模型,运用此模型对草原牛的躺卧、反刍、采食及慢走四种运动行为进行分类识别,并与K-均值(K-means)聚类算法比对。结果表明：K-means聚类算法只能识别躺卧行为,难以区分反刍、采食及慢走三种运动行为,但二叉决策树分类模型能够有效地将躺卧和慢走行为从躺卧、反刍、采食及慢走四种行为中识别出来,查准率和查全率均达到0.760以上。说明二叉决策树分类模型较常用的K-means聚类算法可更有效地完成草原牛行为分类,并且准确率更高。 相似文献
4.
5.
毒草种类识别是开展毒草危害面积调查、危害程度评估以及科学防治的前提.研发快速、高效和适用于大范围的毒草种类识别技术对于退化草地生态修复具有重要意义.本研究利用SOC710VP近红外高光谱成像仪,获取了高寒草甸11种主要毒草的光谱数据.采用Savitzky-Golay平滑处理、导数变换、归一化变换、均值中心化和对数变换等方式对高光谱数据进行预处理,利用主成分分析(PCA)方法对预处理数据进行降维处理后,分别用随机森林(RF)、支持向量机-径向核函数(SVM-RBF)、K临近算法(Knn)、朴素贝叶斯(NB)、决策树(DT)等算法对降维后光谱数据进行分类预测,以混淆矩阵总体精度为检验标准,筛选可用于高寒草甸主要毒草的近红外高光谱数据识别算法.结果表明:1)6种数学变换处理中,对数变换后样本光谱反射值差异最大;2)对数变换、平滑处理、均值中心化变换经PCA降维后PC1和PC2累计方差贡献率>85％;3)5种分类算法中,SVM-RBF算法分类精度最高,分类精度达到99.35％;4)使用前8个主成分分类时,分类精度SVM-RBF>RF>NB>Knn>DT. 相似文献
6.
基于多源信息感知的奶牛反刍行为可穿戴式监测装置的研究 总被引：1，自引：0，他引：1
为了实现对奶牛反刍行为的精准识别,减少单一参数监测过程中的不确定性,以单片式微型处理器、MPU6050三轴加速度传感器和声音传感器为主要部件,通过监测奶牛反刍声音和姿态变化来获取奶牛的反刍信息,并利用无线模块完成与计算机的通信,设计了一种轻便的可穿戴式奶牛反刍多源信息监测装置,最大限度地降低了环境噪声,提高了有效反刍数据的采集效率。结果表明:奶牛反刍声音的中心频率集中在1.2～1.6 kHz,反刍姿态三轴加速度传感器监测参数范围X轴为0.65～0.93 g,Y轴为0.23～1.04 g,Z轴为-0.13～0.15 g;将自动监测的连续信号中16个时间点与人工观察结果进行对比,验证了反刍监测装置的可靠性,装置监测的准确率可以达到81.3%,与人工观察结果具有较高的一致性。说明通过对奶牛进行多源信息的感知可以准确地识别奶牛的反刍行为。 相似文献
7.
目前大规模集约化母猪养殖业主要是依靠饲养员对产前母猪行为的连续观察,通过直觉和经验从而判断母猪的分娩时间。但是该技术不仅要求大量人力,效率低下,而且往往会出现人为疏忽造成刚分娩的仔猪死亡现象。针对这一问题,设计了一种基于无线传感器网络的产前母猪行为特征监测系统。该系统通过给母猪佩戴加速度传感器采集节点,实时监测母猪的行为,并通过支持向量机分析加速度数据并建立模型,分类识别母猪的站立、躺卧、进食、筑巢等典型行为特征。试验结果表明,系统能够实时连续的记录母猪产前行为特征参数,可准确识别出母猪的四种典型行为,准确率为93.3%。 相似文献
8.
狼毒(Stellera chamaejasme)是近年来青藏高原高寒草地的主要入侵毒杂草之一,及时高效的调查与监测可为狼毒综合防控与退化草地恢复提供重要的技术支持。本研究选取花期前与盛花期的Sentinel-2A多光谱影像,将Google Earth Engine平台去云、环境要素掩膜、特征优选和随机森林分类相结合,探讨区域尺度的狼毒遥感识别方法。结果表明,通过狼毒敏感指数计算,以及Spearman秩相关性分析与随机森林重要性排序相结合的二次降维,提取了7项狼毒分类特征并构建了4个特征组合方案。与单时相特征组合相比,多时相特征组合有效提高了狼毒识别精度,其中,基于随机森林模型的6个特征组合方案的分类总精度为84.62%,狼毒分类精度均大于80%,识别效果最佳。本研究显示,影像去云及掩膜预处理能够有效减少分类干扰信息,花期前与盛花期提取的多时相特征组合增强了狼毒群落与其他群落的影像光谱差异,在区域尺度狼毒遥感识别中具有较好的应用潜力。 相似文献
9.
一种新的基于Hu不变矩的猪只姿态识别方法 总被引：1，自引：0，他引：1
《黑龙江畜牧兽医》2017,(23)
为了实现猪只异常行为的自动监控,试验针对非刚体的猪只姿态进行分类识别,首先将原始图像进行预处理与优化提取所有图像中的7个不变矩,在此基础上对数据进行处理,求出站、坐、趴、躺4种姿态的模板图像与待测图像的不变矩相关系数,最后将所提取的相关系数作为支持向量机的特征向量进行多姿态分类,实现4种姿态的识别。结果表明:该方法的识别率超过90%。说明该方法具有可行性,可用于对猪只进行异常监控。 相似文献
10.
《蚕业科学》2020,(2)
蚕蛹雌雄识别的准确率直接影响到蚕种杂交率。现有的蚕蛹识别算法多数是以高光谱或近红外相机拍摄的图片作为输入,所需成像设备价格相对昂贵,且高光谱算法的高数据量与高计算量进一步导致其具有较高的应用成本。以普通数码相机拍摄的蚕蛹图片作为识别输入,提出了基于梯度特征的深度卷积神经网络(CNN)的蚕蛹雌雄自动识别算法。设计了包含4层卷积层的CNN,首先提取蚕蛹灰度图像的高级抽象特征,同时提取蚕蛹梯度图像的梯度直方图(HOG)特征,接着将高级抽象特征和HOG特征通过级联的方式进行融合,最后在现有数据训练集上最高达到100%的识别率,测试集的识别率平均可达95%左右,最高达到97.21%。试验数据表明蚕蛹图像的梯度特征也是蚕蛹雌雄识别的重要特征。提出的算法不需要红外或高光谱图片作为输入,降低了数据采集的设备成本和识别计算量。 相似文献
11.
12.
《黑龙江畜牧兽医》2015,(19)
为了研究分类与猪只行为及精神状况相关的姿态,试验提出了一种基于几何参数特征与决策树支持向量机的猪只姿态分类方法,首先根据猪只行为学特征并借鉴前人的研究成果选择5种相关的姿态,包括躺卧、侧面抬头站立、侧面低头站立、侧面平视站立以及正面站立,并以此建立猪只姿态样本库,再针对所研究姿态的图像形状特点,提出利用圆形度、高宽比、伸长度、质高比、质左比、质心左右比、最高点左右比、左(右)夹角余弦与左(右)抬头度11个几何参数特征作为描述姿态的图像特征,最后利用决策树支持向量机(DT-SVM)进行猪只姿态分类。结果表明:与1-V-1多分类支持向量机(1-V-1 SVM)与Ada Boost分类算法相比较,DT-SVM的分类精度较高,耗时较短。说明所选取的特征可以有效地描述猪只姿态。 相似文献
13.
【目的】 探求一种无损的、非侵入性的、快速的胚胎性别鉴定方法。【方法】 以207个猪卵胞质内单精子显微注射(intracytoplasmic sperm injection,ICSI)胚胎及其培养液为研究对象,单个胚胎经巢式PCR扩增鉴定其性别后随机分成训练集和测试集,同时利用拉曼光谱技术获取单个ICSI胚胎培养液的拉曼光谱。原始光谱经过处理后,采用支持向量机(support vector machine,SVM)算法构建分类模型,先用训练样本进行训练和建模,然后预测测试样本的性别,结合PCR性别鉴定的结果,计算分类准确率。【结果】 通过巢式PCR对207个胚胎进行性别鉴定,鉴定出71个雄性胚胎、128个雌性胚胎,8个样品扩增失败。猪ICSI雄性胚胎培养液在1 082和1 360 cm-1拉曼位移处特征峰强度明显高于雌性胚胎,构建的胚胎性别鉴定模型的分类准确率为81.5%,雌性和雄性胚胎的分类准确率分别为81.3%和81.8%。【结论】 本研究将拉曼光谱技术与SVM法相结合构建了胚胎性别鉴定模型,分类准确率达到81.5%,提供了一种新的、无损的胚胎性别鉴定方法。 相似文献
14.
本研究旨在探索一种基于多源遥感数据的提高山地森林识别精度的方法。以祁连山国家公园肃南县段为实验区，结合ICESat/GLAS（geoscience laser altimeter system ）星载激光雷达数据、Landsat OLI影像、Google Earth高分辨率影像、DEM数据以及样地调查数据，综合利用各数据提供的垂直结构、光谱、季相和地形特征探索基于多源遥感数据的山地森林识别精度提升方法。结果表明：1）将经过地形校正后的GLAS数据提取的垂直结构信息与光谱信息结合能够提高山区复杂地形条件下森林范围识别的精度，相比仅依据光谱特征进行分类，依据光谱及垂直结构综合特征分类时其总体分类精度提高了10.67%。2）地形信息的加入能够尽量全面的考虑到不同地形特征上各森林类型的不同光谱特征，从而提升森林类型的识别精度，且就本研究区域而言，加入坡向信息比海拔信息更能够提高森林类型的分类精度。3）多源多时相遥感影像提供的季相特征能够对不同森林类型的分类提供帮助，而不同的波段组合对分类精度几乎没有影响。 研究对探索低成本、高时效、操作方便并具有一定精度保证的山地森林识别方法具有一定的借鉴意义。 相似文献
15.
以大型哺乳动物东北虎(Panthera tigris altaica)为例,通过使用圈养东北虎监测影像数据集(ATRW),采用YOLOX算法对东北虎进行目标检测研究,检测速度为87.59张/s,0.50阈值准确率(mAP0.50)为97.32%,0.75阈值准确率(mAP0.75)为75.10%,模型总参数量为8.938×106。通过筛选无锚框算法,对选出的YOLOX算法进行轻量化、添加注意力机制及网络损失函数的优化,优化后的算法检测速度提升1.74张/s,mAP0.50准确率提升1.02个百分点,mAP0.75准确率提升1.53个百分点,模型的总参数量减少18.47%。算法改进后,在提升识别准确率的同时,有效降低了检测算法依托硬件的需求,为东北虎的野外行为研究、保护生物多样性及东北虎的野外相关数据收集提供了检测算法。 相似文献
16.
有毒植物入侵对草地生态系统和生物多样性的影响日益严重,无人机遥感为毒草防治提供了快速高效的监测方法。以青藏高原危害最严重的有毒植物狼毒为研究对象,探讨基于无人机影像的高精度狼毒遥感识别及盖度估算方法。在盛花期获取典型狼毒入侵草甸的无人机RGB正射影像,结合植被指数、色彩变换和纹理滤波方法提取狼毒识别特征,通过ReliefF-VIF/Pearson二次降维筛选出6项最优特征,基于RF、SVM和ANN三种机器学习算法构建狼毒识别模型。结果表明,与原始RGB波段相比,优选特征使狼毒识别精度有效提高4%～7%。三种分类方法的分类总精度和狼毒分类精度均大于81%,基于优选特征的RF和SVM模型的分类总精度和狼毒分类精度达到91%以上,狼毒识别效果最佳。随着统计单元的增大,利用无人机RGB影像分类结果估算狼毒盖度的精度明显下降但稳定性逐渐增加,斑块尺度50～60 cm是狼毒盖度估算的最优尺度。 相似文献
17.
传统的灰度图像处理方式会降低数据集的复杂性,进而降低模型识别相似种子的准确率。因此,将卷积神经网络中传统的图像灰质化处理方法改进为归一化典型判别分析(nCDA)算法与卷积神经网络(CNN)相结合的方法(CNN-nCDA),该方法基于多光谱仪采集的种子图像信息,以深度学习框架TensorFlow为基础,利用卷积神经网络构建种子识别算法,可区分高相似度牧草种子。结果表明,仅依靠传统灰度图难以区分形态相似的种子(62.11%～72.5%),而采用CNN-nCDA策略对不同类别种子分类的准确率可达100.0%,优于单独使用nCDA (90.0%～100.0%)、线性判别分析(LDA)(97.3%～100.0%)、支持向量机(SVM)(92.4%～97.5%)的准确率。综上所述,多光谱成像技术中的nCDA算法与卷积神经网络相结合技术,具有较高的校准和验证能力,对现场快速筛选种子具有良好的应用前景。 相似文献
18.
蚕茧是纺织品重要的原材料,带有缺陷的蚕茧会对纺织品质量造成影响,目前人工检测的效率低,成本高,针对这一问题提出通过深度学习技术提高蚕茧缺陷检测的效率。本文首先通过左下角填充算法构造多蚕茧同时识别数据集,然后利用EfficientDet网络模型对该数据集进行识别,最后通过实验比较EfficientDet-D0、YOLOv5s、SSD神经网络在构建的数据集上的性能,实验结果表明EfficientDet-D0网络模型的mAP为82.4%,优于另外2种算法,具有较好的准确率。 相似文献
19.
20.
《中国畜牧兽医》2018,(11)
以实时判别奶牛行为,提升精细养殖技术水平为目标,本试验以系统功耗低、检测灵敏度高、运行稳定性强为原则设计无线传感节点,研发了一种基于半监督模糊聚类算法的奶牛行为实时判别系统。为获取最佳通信距离及最优节点固定高度,对无线传感节点分别进行固定高度—通讯距离与丢包率关系测试、固定高度—数据波动关系测试,通信距离分别取10、20、30m,固定高度分别取10、20、30cm;并将半监督模糊聚类判别算法、K-means算法及BP神经网络算法在奶牛行为识别方面的准确度、精度及敏感度进行比较。结果显示,集成三轴加速度传感器ADXL345、处理器MSP430-F149、无线收发器CC1101等芯片设计的无线传感节点可精确采集奶牛运动加速度数据,满足长期可靠传输数据等工作要求。固定高度—通讯距离与丢包率、固定高度—数据波动关系测试结果显示,最优传输距离为10m,最佳节点固定高度为30cm。半监督模糊聚类算法性能最高,平均准确度达到95.4%,平均精度为53.0%,平均敏感度为60.6%。K-means算法的平均准确度达到90.3%,平均精度仅有39.9%,平均敏感度为45.6%。BP神经网络算法平均准确度达到93.7%,平均精度为45.5%,平均敏感度为47.0%。半监督模糊聚类算法具有准确性高、学习复杂度低、运行速度快的特点,具有良好的寻优能力,效率较高。 相似文献