一种基于牛尾加速度数据的奶牛产犊预报模型制造技术

本发明专利技术涉及一种基于牛尾加速度数据的奶牛产犊预报模型，包括数据预处理环节、翘尾频次计算环节、归一化环节、MK趋势检验环节、基于集成学习的多SVM模型环节和预报信号产生环节。所述MK趋势检验环节显著性水平α=0.05，当翘尾频次存在上升趋势且大于该时刻180 min之前所有数据翘尾频次均值1.5倍时，认定为出现产犊特征。所述基于集成学习的多SVM模型环节使用线性模型，训练算法采用序列最小优化算法，最佳投票阈值训练集样本容量的90%。本发明专利技术可通过牛尾加速度数据计算预测牛只产犊，具有识别率高，识别速度快，功能完整的特点。

【技术实现步骤摘要】

本专利技术涉及一种算法识别模型，尤其涉及一种奶牛产犊预报算法。

技术介绍

1、随着牛养殖产业的发展和养殖规模的扩大，行业对智能化养殖的需求也越来越强烈。智能化养殖着眼于对牛场运行的各环节进行智能化改造，其中就包括牛的产犊环节。

2、奶牛产犊时一般需要人的协助，以避免难产、死胎等情况。奶牛实际产犊时间会围绕预产期前后波动，跨度可达15天。当前，奶牛场一般通过增加人工巡视频率来保证在母牛产犊时及时干预，该方法存在劳动强度大、主观性强、效率低等问题。目前已有设备可以实现对牛只产前翘尾特征进行监测，但需要利用监测数据，进行牛只产犊时间预报算法模型开发，从而为牛场管理人员提供相对准确的牛只生产时间，避免长期的人工巡查。

3、基于此，开发一种基于牛尾加速度数据的奶牛产犊预报模型，将配合设备，完成自动判别奶牛产犊时间任务，实现牛场牛只产犊过程的智能化监测。

技术实现思路

1、本专利技术开发了一种基于牛尾加速度数据的奶牛产犊预报模型，该模型能够利用牛只翘尾数据，提取特征，实现对实际生产时间的预报。...

【技术保护点】

1.一种基于牛尾加速度数据的奶牛产犊预报模型，其特征在于，包括数据预处理环节、翘尾频次计算环节、归一化环节、MK趋势检验环节、基于集成学习的多SVM模型环节和预报信号产生环节；所述数据预处理环节包括将当前时刻数据与前20 min数据均值作差，使用长度为10的汉宁窗加权计算当前信号的低频运动趋势，数据减去低频运动趋势，获得牛尾运动信号；所述翘尾频次计算环节通过计算15 min内峰值数量来描述牛只翘尾频次；所述归一化环节包括对当前数据除以牛只之前所有翘尾频次均值；所述MK趋势检验环节包括采用MK趋势检验算法对翘尾频次进行分析；所述基于集成学习的多SVM模型环节包括采用基于集成学习思想的多SV...

【技术特征摘要】

1.一种基于牛尾加速度数据的奶牛产犊预报模型，其特征在于，包括数据预处理环节、翘尾频次计算环节、归一化环节、mk趋势检验环节、基于集成学习的多svm模型环节和预报信号产生环节；所述数据预处理环节包括将当前时刻数据与前20 min数据均值作差，使用长度为10的汉宁窗加权计算当前信号的低频运动趋势，数据减去低频运动趋势，获得牛尾运动信号；所述翘尾频次计算环节通过计算15 min内峰值数量来描述牛只翘尾频次；所述归一化环节包括对当前数据除以牛只之前所有翘尾频次均值；所述mk趋势检验环节包括采用mk趋势检验算法对翘尾频次进行分析；所述基于集成学习的多...

【专利技术属性】
技术研发人员：赵继政，陆成，石富磊，杨玲玲，刘含，王凯民，董正奇，应潇溢，
申请(专利权)人：西北农林科技大学，
类型：发明
国别省市：