作者：宋迪迪; 王修远; 屈敏直; 陶哲; 邢菀祯; ...生猪养殖机器视觉bp神经网络svm分类模型
摘要：生猪养殖产业是我国最重要的畜牧产业之一，将生猪行为纳入到监测范围，实现生猪养殖全过程、全方位地跟踪监测具有很重要的现实意义。然而现阶段基于机器视觉的姿态检测方法成本高昂，原理复杂，且多集中于对人和部分实验动物的单一静态行为进行检测，对于大规模的生猪养殖并无借鉴意义；基于传感器原理的姿态检测方法多采用单一姿态识别模型进行姿态分类，识别精度较低。为了解决目前姿态检测方面存在的问题，使姿态检测模型可以运用在大规模生猪养殖领域，从而提高智能化生猪养殖水平，提出了一种基于SVM-HMM的混合姿态检测模型，将MPU9250采集的九轴传感器数据输入SVM-HMM混合模型进行训练，得到传感器采集值对应的姿态概率最大值作为最终的输出。从而得到生猪当前时刻对应的姿态，该混合模型对生猪行走行为的判别精度得到显著提升。为了验证方法的有效性，选取不同猪龄共20头生猪在不同天气不同时间段的传感器采集值进行SVM-HMM混合模型的训练，并将该模型的判别误差和BP神经网络分类方法与SVM单一分类模型分类方法进行比较，从而显示出本文方法的优越性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
