基于加速度傳感器的本交籠種雞個體行為監測與識別

李麗華 劉志偉 趙學謙 李 帥

(1.河北農業大學機電工程學院， 保定 071001; 2.農業農村部肉蛋雞養殖設施工程重點實驗室， 保定 071001)

0 引言

我國本交籠養模式的應用處在起步階段，存在生產效率較低、福利水平不高等諸多問題，該飼養模式下配套設施設備的合理設計和使用對種雞生產具有重要影響。準確高效監測分析種雞行為有助于了解配套設施設備對種雞的影響情況，以便及時發現設計缺陷，提高設計的效率和合理性。

研究者在動物行為識別方面進行了大量研究。文獻[1-4]利用加速度傳感器、使用決策樹算法和隨機森林算法識別了綿羊的吃草、躺臥、跑、站立、走、放牧、跛行步態等多行為模式和羔羊哺乳期吮吸行為。文獻[5-7]利用加速度傳感器對豬的行為進行了識別。文獻[8]結合加速度傳感器和RFID標簽準確識別了豬的休息、移動和進食等行為和哺乳期的姿態。文獻[9-20]利用加速度傳感器，使用模式匹配法、神經網絡、新的決策樹、支持向量機等算法，檢測奶牛采食、飲水、反芻、舔舐等行為。文獻[21]利用加速度傳感器研究了狗的快速旋轉和奔跑行為。文獻[22]利用加速度傳感器、采用邏輯回歸算法研究了肉雞的健康步態和跛行步態的程度。文獻[23-24]利用加速度傳感器識別了鴿子的平飛和著陸的飛行行為。

本文使用加速度傳感器構建種雞個體行為自動采集系統，結合K-means聚類算法實現對種雞行為特征的自動識別，分析個體行為變化規律，為本交籠養模式優化設計和高效管理提供科學依據。

1 材料與方法

1.1 試驗材料

本交籠采用河北新裕德畜牧機械科技有限公司提供的SYD父母代蛋種雞籠養設備，規格為前端4 800 mm×1 250 mm×720 mm，后端4 800 mm×1 250 mm×633 mm。試驗種雞選取公雞3只，母雞30只，按照1∶10比例飼養于本交籠內，試驗周期30 d。母雞的品種是海蘭灰，日齡550 d；公雞是河北保定當地的柴雞，日齡160 d。舍內環境平均溫度27.59℃，平均相對濕度34.3%。本交籠種雞可以自由飲水，08:30投料一次。

數據采集選用集成JY901模塊的九軸加速度傳感器，采集種雞頸部的加速度數據，固定位置和方法如圖1右上角所示，雞直立時y軸與脖子平行指向正下方，x軸與y軸垂直，指向雞身體正后方，z軸與x、y軸垂直指向雞身左側方向。該固定方法使種雞在運動時產生的加速度方向與加速度傳感器三軸的方向基本重合，x、y、z軸的方向不會改變，大小時刻在改變。前期預試驗分別測定了傳感器安裝在脖子、腿部、后背的加速度數據，加速度傳感器固定于種雞頸部時5種典型的行為加速度數據特征存在明顯差異，數據采集效果較好，因此選擇將加速度傳感器固定于種雞頸部進行數據采集。加速度傳感器使用鋰電池外部供電，傳感器質量56 g，比較輕，并用彈性可伸縮的綁帶將加速度傳感器佩戴于種雞頸部。數據傳輸采用藍牙模塊，電池容量9 900 mA·h，藍牙傳輸距離大于10 m，傳感器的尺寸為51.3 mm×36 mm×5 mm。在籠子區域正中距離地面2.2 m的高度位置放置1臺300萬像素的高清網絡攝像頭，攝像頭垂直朝下獲取雞的俯視圖，并通過網線連接到雞舍隔壁觀察室的服務器，用于數據校驗。試驗數據采集示意圖如圖1所示。數據分析處理軟件為Matlabr2014a。

圖1 試驗數據采集示意圖Fig.1 Schematic of experimental data acquisition1.小蟻智能攝像頭 2.加速度傳感器 3.數據接收端

1.2 數據采集系統搭建

數據采集系統主要由3部分組成：上位機、藍牙無線通信、加速度傳感器數據采集模塊。加速度傳感器數據采集模塊包括九軸加速度傳感器、9 900 mA·h鋰電池和試驗種公雞。系統結構如圖2所示。

圖2 數據采集系統Fig.2 Data acquisition system

1.2.1無線通信通道

加速度傳感器通過藍牙適配器依據串口號進行通信，并與種雞個體一一對應。配對成功后效果如圖3所示。SPP表示終端設備，指加速度傳感器，DUN表示上位機撥號自動搜索終端設備。藍牙工作模式如表1所示。

圖3 通道檢查Fig.3 Channel check

表1 藍牙工作模式Tab.1 Bluetooth working mode

1.2.2無線藍牙通信協議

數據通過藍牙無線傳輸，采樣頻率10 Hz，默認為1 s包含10個數據包。通信協議為11位如圖4所示，0x55表示數據包包頭，0x51表示是加速度信號，AxL和AxH表示加速度ax的低字節和高字節，AyL和AyH表示加速度ay的低字節和高字節，AzL和AzH表示加速度az的低字節和高字節，TL和TH表示芯片溫度的低字節和高字節，SUM是校驗位。數值中負數的出現是由于高字節需要強制轉換為一個有符號的short類型的數據后進行移位操作的結果。ax的計算式為

(1)

式中g——重力加速度，可取9.8 m/s2

Ax——AxH與AxL組成的16位二進制數

ay、az計算方法與之相同。

0x550x51AxLAxHAyLAyHAzLAzHTLTHSUM

圖4 加速度數據輸出通信協議
Fig.4 Acceleration data output communication protocol

2 數據處理

2.1 小波降噪

噪聲的存在嚴重影響了本交籠種雞個體行為識別，故本文采用小波降噪對原始數據預處理。Symlet小波系通常表示為symN(N=2,3,…,8)，通過改變小波基函數sym2～sym8，計算信噪比的大小，得出信噪比越大去噪效果越好。試驗發現采用sym8小波基函數效果最佳，結果如表2所示。

表2 不同小波基去噪的信噪比Tab.2 Signal-to-noise ratios of different wavelet bases for denoising

2.2 特征提取

種雞行為加速度a=(ax，ay，az)，ax、ay、az分別表示三軸加速度傳感器3個方向的加速度分量，由于行為的運動方向是隨機的，所以方向不是判斷行為的必要條件，為了消除朝向和角度的影響，便于計算，本文采用合加速度a表示種雞各行為的加速度，合加速度為三軸加速度的標量和，較單軸的數據穩定。合加速度計算公式為

(2)

合加速度降噪后曲線如圖5所示。

由圖5可看出，由于本交籠種雞行為的動作幅度不同，采食、飲水、打斗、交配、振翅的加速度曲線的波動性明顯不同，故本文采用合加速度差值表示行為曲線波動性，計算公式為

Δi=|ai-ai-1|

(3)

式中Δi——合加速度差

ai——i時刻的合加速度

ai-1——i-1時刻合加速度

2.3 K-means均值聚類算法

圖5 典型行為合加速度曲線Fig.5 Typical behavior combined acceleration curves

K-means是聚類中常用的一種方法，所謂聚類是按相似性原則將相似性較高的數據歸為一類，將相異性較高的數據對象劃分為不同的簇[25]。本交籠種雞的三軸加速度數據用ax、ay、az表示。K-means均值聚類算法的中心思想是最小化總的類內距離，方法是重復調整c個聚類的質心mi，并將各個樣本分配到最近的質心所在的類別中去[26]。K-means模型公式為

(4)

式中E——聚類時的誤差

xu——樣本個體ωi——一個聚類

根據K-means算法流程圖(圖6)，按動作幅度或曲線波動性分類，本交籠種雞個體行為主要有采食、飲水、打斗、交配和振翅5種。

(4)重復步驟(2)、(3)直到p達到最大迭代次數或滿足‖E(p+1)-E(p)‖小于最小偏差閾值為止。

圖6 K-means算法流程圖Fig.6 Flow chart of K-means algorithm

3 系統性能測試

3.1 加速度數據采集模塊通信距離測試

試驗前對加速度傳感器的讀寫距離在空曠地區和本交籠內4個點分別進行了測試，在空曠地區一人觀察服務器端，另一人佩戴加速度傳感器向前走，若藍牙中斷則測量服務器端到中斷點的距離，求取平均值。本交籠底端4個底點測試布點如圖7所示，服務器端在第1個點的籠外邊。數據測試過程以4個點的終端可以同時接收、發送信號為標準，籠內籠外傳感器讀寫距離對比見表3。

圖7 本交籠底端4個位置指示圖Fig.7 Four position indicators of natural mating cage at bottom

表3 加速度傳感器讀寫距離測試Tab.3 Comparison of acceleration sensor reading and writing distancesm

3.2 供電情況對比

加速度傳感器自帶電池的供電時間大約為5 h，為了延長監測時間，減少試驗過程換電池給雞造成應激，本文選取充電寶和鋰電池分別對加速度傳感器供電并進行對比試驗。試驗結果見表4。鋰電池體積小，質量輕，供電時間長。因此，采用鋰電池對九軸加速度傳感器進行供電。

4 結果分析

4.1 降噪效果

通過式(2)計算得出合加速度數據中，存在種雞戴上設備產生應激反應等干擾噪聲，故采用小波降噪對原始信號進行預處理，合加速度數據處理前后信號降噪結果如圖8所示。

4.2 種雞個體典型行為監測和識別

系統可以實時且連續不間斷地監測和識別本交籠種雞個體典型行為，包括采食、飲水、打斗、交配、振翅，行為加速度曲線如圖9所示。

表4 充電寶與鋰電池對傳感器供電的情況對比Tab.4 Comparisons of power supply to sensors by rechargeable treasure and lithium batteries

圖8 降噪效果Fig.8 Diagrams of noise reduction effect

圖9 典型行為加速度曲線Fig.9 Typical behavior acceleration curves

4.3 K-means識別效果

圖10 5種行為聚類中心Fig.10 Five behavior clustering centers

利用基于K-means均值聚類的本交籠種雞個體行為識別方法對種雞行為進行判斷，訓練樣本數據聚類結果如圖10所示。通過對2 000個樣本數據的反復訓練，利用 K-means均值聚類算法的最大迭代次數為8次；得到交配、打斗、振翅、采食、飲水的聚類中心分別為1.032、1.102、1.022、1.044和0.993。5種行為聚類分布如圖11所示，利用試驗樣本對K-means均值聚類算法進行種雞行為識別效果試驗，試驗中把訓練樣本得到的聚類中心作為初始聚類中心，最大迭代次數減少為6次，提高了算法效率。本交籠種雞的采食、飲水、打斗、交配、振翅典型行為識別結果如圖12所示(圖中，A表示采食，B表示飲水，C表示打斗，D表示交配，E表示振翅)。

文中選取2018年9月2日13:00—19:00和2018年9月3日06：00—19:00的3只公雞19 h的行為數據，統計視頻中每種行為次數進行系統識別精度校驗，校驗結果如表5所示，采食、飲水、振翅、打斗、交配行為平均識別精度分別為94.31%、92.53%、

圖11 5種行為的聚類分布Fig.11 Cluster distribution of five behaviors

圖12 種雞不同行為模型識別結果Fig.12 Results of different behavioral model recognition

表5 種雞個體典型行為識別精度Tab.5 Accuracy of breeders individual typical behavior recognition

92.31%、84.03%、72.00%。其中交配行為視頻顯示只有73次，而模型結果識別出了85次，原因是由于種雞的個體行為比較復雜，在交配和打斗的過程中，通過對比交配和打斗行為曲線，發現兩種行為加速度數據比較接近，造成了誤判，因此導致了交配行為的識別精度較低，只有72.00%。后續工作將增加其他行為特征量的數據獲取和分析，以提高兩種行為的識別精度。

5 結論

(1)設計了一套基于加速度傳感器和藍牙無線傳輸的本交籠種雞個體行為的實時監測系統，確定了九軸加速度傳感器在種雞上的最佳佩戴位置，解決了傳感器本身供電時間較短問題，實現了本交籠種雞行為的無損、快速識別。

(2)采用小波sym降噪對原始數據預處理，以減少噪聲影響，利用K-means聚類算法對行為特征進行識別，得到穩定的聚類中心，進行了加速度傳感器距離對比和以充電寶、鋰電池作為供電設備的性能測試，同時利用視頻監控驗證種雞的5種行為。研究結果顯示，該系統能夠準確識別種雞個體的多種行為，采食、飲水、振翅、打斗、交配行為平均識別精度分別為94.31%、92.53%、92.31%、84.03%、72.00%，可為本交籠養模式配套設施設備優化設計和高效管理提供科學依據。

(3)對于打斗和交配行為存在誤判的情況，可以在特征提取和選擇中引入并分析加速度傳感器的多特征數據，通過結合多特征對獲取的加速度數據進行訓練和識別。