一种基于机器学习的羊只放牧轨迹点分类方法技术

本发明专利技术公开了一种基于机器学习的羊只放牧轨迹点分类方法，通过羊只佩戴的GPS项圈采集羊只放牧轨迹数据，运用望远镜和秒表实现对羊只行为的真实观察，得到真实观察数据，并获取家庭牧场边界拐点坐标；对采集到的羊只放牧轨迹数据进行预处理；对预处理完成的羊只放牧轨迹数据进行特征计算及去重、行为标注操作，得到进行行为标注后具有基本特征的羊只放牧轨迹数据集；搭建机器学习模型，将羊只放牧轨迹数据集的基本特征作为输入，训练学习进行行为分类标注后具有基本特征的羊只放牧轨迹数据集并测试，最终得到一个可以分类羊只放牧轨迹点行为的机器学习模型；利用训练完成的机器学习模型对羊只放牧轨迹点进行判断并输出分类结果。类结果。类结果。

【技术实现步骤摘要】
一种基于机器学习的羊只放牧轨迹点分类方法


[0001]本专利技术涉及GPS智能监测
，尤其涉及一种基于机器学习的羊只放牧轨迹点分类方法。

技术介绍

[0002]随着科学技术的快速发展和相关养殖产业政策的调整，小规模散户养殖加速退出，标准化、智能化、自动化养殖设备的广泛应用推动了养殖业迅速发展。在大规模、集约化的养殖中羊只的行为识别至关重要，准确的掌握羊只行为能够为羊只的疾病预防、合理饲喂、科学育种提供数据支撑。
[0003]目前监测羊只行为分为两大类，一类是传统人工观察方式，主要是畜牧科技工作者使用秒表、望远镜等设备，记录不同类别羊只行为。传统方法不仅成本过高、耗时时间长，且具有较强的人为主观性，难以做到及时精准掌握羊只行为，已经不适用于规模化、智能化、信息化养殖方式。另外是利用接触式传感器对羊只行为进行监测，例如利用三轴加速度传感器对放牧羊只采食、咀嚼和反刍三种行为进行识别；通过获取羊只声音数据采用深度学习的方法，分析牲畜的个体差异和采食牧草的种类对识别和分类的影响，对羊只行为进行分类得到较高分类精度。除此以外，还有部分学者运用压电传感器、肌电图等接触式设备获取牲畜生理信息、运动指标等数据应用合适的算法对牲畜的进行分类。但上述方法在牲畜行为识别方面还存在争议，例如三轴加速度传感器部署位置、环境噪声对声音传感器的影响、合适的传感器采样频率等等。
[0004]随着GPS项圈定位精度的提高及传感器技术的发展使应用GPS项圈监测放牧动物行为成为可能。在广阔的草原环境上，放牧动物在采食、奔跑、休息等不同运动状态下，都会产生不同的运动特征，通过提取轨迹数据的特征，为放牧动物行为分类提供新的研究方向。
[0005]方法内容
[0006]本申请的目的是针对现有技术中存在的技术缺陷，而提供一种基于机器学习的羊只放牧轨迹点分类方法。
[0007]为实现本申请的目的所采用的技术方案是：
[0008]一种基于机器学习的羊只放牧轨迹点分类方法，包括以下步骤：
[0009]步骤1，通过羊只佩戴的GPS项圈采集羊只放牧轨迹数据，运用望远镜和秒表实现对羊只行为的真实观察，得到真实观察数据，并获取家庭牧场边界拐点坐标；
[0010]步骤2，对步骤1采集到的羊只放牧轨迹数据进行预处理；
[0011]步骤3，对预处理完成的羊只放牧轨迹数据进行特征计算及去重、行为标注操作，得到进行行为标注后具有基本特征的羊只放牧轨迹数据集；所述基本特征包括前一羊只放牧轨迹点到后一羊只放牧轨迹点的距离、前一羊只放牧轨迹点到后羊只放牧轨迹点的速度、羊只在羊只放牧轨迹点的停留时间和羊只放牧轨迹点的个数；
[0012]步骤4，搭建机器学习模型，将步骤3中羊只放牧轨迹数据集的基本特征作为输入，训练学习进行行为分类标注后具有基本特征的羊只放牧轨迹数据集并测试，最终得到一个
可以分类羊只放牧轨迹点行为的机器学习模型；
[0013]步骤5，利用步骤4训练完成的机器学习模型对羊只放牧轨迹点进行判断并输出分类结果。
[0014]在上述技术方案中，所述步骤1中羊只放牧轨迹数据包括羊只放牧轨迹点的采集日期、羊只放牧轨迹点的采集时间、羊只放牧轨迹点的经度和羊只放牧轨迹点的纬度；所述真实观察数据包括真实观察日期、真实观察时间和羊只行为，所述羊只行为包括采食、休息、奔跑。
[0015]在上述技术方案中，所述步骤2包括以下步骤：
[0016]S2.1：将采集到的羊只放牧轨迹数据、家庭牧场边界拐点坐标导出至本地机，并将家庭牧场边界拐点坐标加载至ArcGIS10.3，结合GPS项圈定位精度生成家庭牧场边界区域；
[0017]S2.2：将采集到的羊只放牧轨迹数据加载至ArcGIS10.3，基于轨迹偏移算法对采集到的羊只放牧轨迹数据进行纠偏；
[0018]S2.3：删除不在家庭牧场边界区域内部的羊只放牧轨迹数据。
[0019]在上述技术方案中，所述步骤2.2中纠偏包括以饮水点为固定参考点，对所有的羊只放牧轨迹点进行平移选取，当采集到的羊只放牧轨迹数据中的饮水点与真实的固定参考点重合时，即完成对采集到的羊只放牧轨迹数据的纠偏。
[0020]在上述技术方案中，所述步骤3包括以下步骤：
[0021]S3.1：对预处理完成的羊只放牧轨迹数据进行特征计算，确定后一羊只放牧轨迹点与前一羊只放牧轨迹点的距离、前一羊只放牧轨迹点到后一羊只放牧轨迹点的速度；
[0022]S3.2：对完成特征计算的羊只放牧轨迹数据进行去重，并计算去重后的羊只在羊只放牧轨迹点的停留时间和羊只放牧轨迹点的个数，得到具有基本特征的羊只放牧轨迹数据；
[0023]S3.3：以时间戳为依据按照所述真实观察日期对去重后的羊只放牧轨迹数据进行行为标注，得到进行行为标注后具有基本特征的羊只放牧轨迹数据集。
[0024]在上述技术方案中，所述3.2中去重包括将相邻时间相同的羊只放牧轨迹点进行合并，并计算羊只在合并后的羊只放牧轨迹点的停留时间和羊只放牧轨迹点的个数。
[0025]在上述技术方案中，所述步骤3.3包括以下步骤：
[0026]S3.3.1：按照步骤1中真实观察的数据中不同的羊只行为进行行为标注，所述行为标注的类型分为采食、休息、奔跑、采食和奔跑、采食和休息5类；
[0027]S3.3.2：将进行行为标注后具有基本特征的羊只放牧轨迹数据集按照8：1：1的比例，随机分配为训练集、测试集和验证集，所述训练集、测试集、验证集的数据均包括休息、奔跑、采食、采食与休息、采食与奔跑五种类型数据。
[0028]在上述技术方案中，若所述真实观察日期中不包括去重后的羊只放牧轨迹数据的采集日期，则以真实观察日期对应的前一羊只放牧轨迹点到后一羊只放牧轨迹点的速度或一个周期内的真实观察时间为依据，对去重后的羊只放牧轨迹数据进行行为标注，得到进行行为标注后具有基本特征的羊只放牧轨迹数据集。
[0029]在上述技术方案中，所述步骤5包括RNN网络模型以羊只放牧轨迹数据集的基本特征作为输入，使用原始RNN网络模型，输入特征为4，隐层层数为3，对进行行为分类标注后具有基本特征的羊只放牧轨迹数据集进行训练，训练时batch_size＝16，学习率为0.00001，
经过1000次迭代得到训练参数，最后连接softmax对训练结果进行输出。
[0030]本专利技术的有益效果如下：
[0031]1、本专利技术通过运用GPS项圈采集真实放牧环境下羊只放牧轨迹数据，结合对羊只行为的真实观察得到具有真实标注的羊只放牧轨迹，运用一系列的羊只放牧轨迹预处理方法去除重复无效的羊只放牧轨迹点，并且对羊只放牧轨迹数据进行合并整理，大大减少了羊只放牧轨迹数据的稀疏性，得到羊只放牧轨迹点的真实信息。
[0032]2、本专利技术通过提取羊只放牧轨迹数据中的羊只放牧轨迹点到前一羊只放牧轨迹点的距离、前一羊只放牧轨迹点到羊只放牧轨迹点的速度、羊只在羊只放牧轨迹点的停留时间和羊只放牧轨迹点的个数等特征，使本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的羊只放牧轨迹点分类方法，其特征在于，包括以下步骤：步骤1，通过羊只佩戴的GPS项圈采集羊只放牧轨迹数据，运用望远镜和秒表实现对羊只行为的真实观察，得到真实观察数据，并获取家庭牧场边界拐点坐标；步骤2，对步骤1采集到的羊只放牧轨迹数据进行预处理；步骤3，对预处理完成的羊只放牧轨迹数据进行特征计算及去重、行为标注操作，得到进行行为标注后具有基本特征的羊只放牧轨迹数据集；基本特征包括后一羊只放牧轨迹点到前一羊只放牧轨迹点的距离、前一羊只放牧轨迹点到后一羊只放牧轨迹点的速度、羊只在羊只放牧轨迹点的停留时间和羊只放牧轨迹点的个数；步骤4，搭建机器学习模型，将步骤3中羊只放牧轨迹数据集的基本特征作为输入，训练学习进行行为分类标注后具有基本特征的羊只放牧轨迹数据集并测试，最终得到一个可以分类羊只放牧轨迹点行为的机器学习模型；步骤5，利用步骤4训练完成的机器学习模型对羊只放牧轨迹点进行判断并输出分类结果。2.根据权利要求1所述的羊只放牧轨迹点分类方法，其特征在于，所述步骤1中羊只放牧轨迹数据包括羊只放牧轨迹点的采集日期、羊只放牧轨迹点的采集时间、羊只放牧轨迹点的经度和羊只放牧轨迹点的纬度；所述真实观察数据包括真实观察日期、真实观察时间和羊只行为，所述羊只行为包括采食、休息、奔跑。3.根据权利要求1所述的羊只放牧轨迹点分类方法，其特征在于，所述步骤2包括以下步骤：S2.1：将采集到的羊只放牧轨迹数据、家庭牧场边界拐点坐标导出至本地机，并将家庭牧场边界拐点坐标加载至ArcGIS10.3，结合GPS项圈定位精度生成家庭牧场边界区域；S2.2：将采集到的羊只放牧轨迹数据加载至ArcGIS10.3，基于轨迹偏移算法对采集到的羊只放牧轨迹数据进行纠偏；S2.3：删除不在家庭牧场边界区域内部的羊只放牧轨迹数据。4.根据权利要求3所述的羊只放牧轨迹点分类方法，其特征在于，所述步骤2.2中纠偏包括以饮水点为固定参考点，对所有的羊只放牧轨迹点进行平移选取，当采集到的羊只放牧轨迹数据中的饮水点与真实的固定参考点重合时，即完成对采集到的羊只放牧轨迹数据的纠偏。5.根据权利要求1所述的羊只放牧轨迹点分类方法...

【专利技术属性】
技术研发人员：刘同海，高方馀，石红霄，王海，哈斯巴根，孟玉环，
申请(专利权)人：天津农学院，
类型：发明
国别省市：