本发明属于行为监测，具体涉及一种立体散养蛋鸡行为采集系统及其使用方法。

背景技术：

1、蛋鸡行为采集和识别的传统方式是通过人工直接观察，但这种方式存在人工依赖大、主观性强、时效性差和难以进行多目标同时监测等问题，无法满足现代化规模养殖的需求，且该方式由于人的介入会影响蛋鸡自然行为的表达，难以得到真实情况下的行为数据。近年来，畜禽行为自动化采集和监测技术成为了国内外学者的研究热点，其中常用的监测技术有视频监测和传感器监测2种。然而，对于蛋鸡立体散养系统，由于其背景环境复杂、蛋鸡体型小、外形特征相似且相互之间重叠多等特征，基于视频监测的蛋鸡行为识别方式存在特征提取难、遮挡情况严重等问题。随着传感器朝着小型化、低能耗方向的快速发展，该方式可不受环境和畜禽数量限制，具有良好的实用性。已有许多学者采用穿戴式传感器对行为识别进行了研究，但针对立体散养蛋鸡行为采集和识别的研究较少，还存在以下几个问题：

2、一是现有穿戴式行为活动监测设备多根据人和猪、牛、羊等大型动物开发，对监测设备的尺寸和重量要求较低，而立体散养蛋鸡体型小、空间行为丰富、动作频率快，需根据其特点研发小型化的监测设备。

3、二是通过现有研究发现，设备抖动、畜禽应激等因素使监测信号易受噪声干扰，较大型动物而言，蛋鸡动作幅度较小，在对信号降噪时，有可能会导致部分有用信息损失，因此需探索适合蛋鸡行为信号的降噪方法，在降噪的同时能保留更多的有用信息。

4、三是在畜禽行为识别方面，已有大量研究采用机器学习的方法对畜禽行为进行识别，但普遍存在训练模型复杂、计算量大、难以长期监测等问题，在实际应用中的瓶颈还有待突破。对比不同行为识别方法发现，基于行为数据特征值阈值的监测方法计算简单、能耗低，最可能在实际生产中使用，但目前立体散养蛋鸡行为信号的数据特征尚不明晰，还需要进一步研究，缺少在此基础上构建的蛋鸡行为识别模型。

技术实现思路

1、为克服上述现有技术的不足，本发明提出一种立体散养蛋鸡行为采集系统，包括：

2、数据采集节点，穿戴在蛋鸡的翅膀部位，用于采集蛋鸡的动作行为数据；

3、数据存储节点，与所述数据采集节点进行通信连接，用于存储所述动作行为数据。

4、优选的，所述行为采集系统，还包括：

5、摄像头，安装在鸡舍上方，用于记录蛋鸡的行为动作；

6、云服务器，用于基于预设的同步网络，确定同步时间；

7、时间同步中继，与所述云服务器、数据采集节点和摄像头进行通信连接，用于基于所述同步时间，将数据采集节点采集数据的时间和摄像头拍摄蛋鸡的时间进行同步。

8、优选的，所述时间同步中继，包括：gprs单元、第一实时时钟单元、第一zigbee射频单元；

9、所述gprs单元和所述第一实时时钟单元分别与云服务器进行通信连接，所述gprs单元用于获取云服务器提供的同步时间；所述第一实时时钟单元用于根据所述同步时间，对第一实时时钟单元中的第一时钟进行校准；

10、所述第一zigbee射频单元，与所述数据采集节点进行通信连接，用于根据所述同步时间向数据采集节点下发统一的时间基准。

11、优选的，所述数据采集节点包括：6轴惯性传感器、第二实时时钟单元和第二zigbee射频单元；

12、所述6轴惯性传感器，用于采集蛋鸡的动作行为数据；

13、所述第二实时时钟单元，与所述时间同步中继进行通信连接，用于获取所述同步时间，并根据所述同步时间，对第二实时时钟单元中的第二时钟进行校准；

14、所述第二zigbee射频单元，分别与所述时间同步中继和6轴惯性传感器进行通信连接，用于接收所述时间同步中继下发的时间基准，并根据所述时间基准读取所述6轴惯性传感器采集的动作行为数据。

15、优选的，所述动作行为数据包括：3轴加速度数据和3轴角速度数据。

16、基于同一发明构思，本发明还提供了一种立体散养蛋鸡行为采集系统的使用方法，包括：

17、获取数据存储节点中存储的蛋鸡的动作行为数据；

18、将所述动作行为数据输入预先构建的行为分类模型中，确定蛋鸡处于对应动作行为数据下的类别行为；

19、其中，所述行为分类模型是根据历史的动作行为数据和同一时刻下的类别行为进行训练得到的。

20、优选的，所述行为分类模型的构建过程包括：

21、根据所述蛋鸡的动作行为数据，确定蛋鸡活动时的加速度信号特征值；

22、获取摄像头记录的蛋鸡的行为动作，并通过云服务器基于预设的同步网络，确定同步时间；

23、通过时间同步中继从云服务器获取同步时间，并基于所述同步时间，将所述加速度信号特征值和所述蛋鸡的行为动作进行时间同步；

24、将历史的动作行为数据对应的加速度信号特征值和同一时刻下的类别行为进行拟合处理，得到对应的分界阈值信息；

25、将经过时间同步后的加速度信号特征值和所述分界阈值信息进行对比，得到对比结果，并基于对比结果，构建行为分类模型；

26、其中，所述分界阈值信息包括：第一分界阈值、第二分界阈值和第三分界阈值；所述类别行为包括：趴卧站立、采食饮水、行走和跳跃。

27、优选的，所述根据所述蛋鸡的动作行为数据，确定蛋鸡活动时的加速度信号特征值，包括：

28、采用6轴惯性传感器，采集蛋鸡活动时的动作行为数据；其中，所述动作行为数据包括：3轴加速度数据和3轴角速度数据；

29、采用小波阈值法针对所述动作行为数据进行降噪处理，得到降噪后的动作行为数据作为新的动作行为数据；

30、根据所述动作行为数据，计算蛋鸡在横轴、纵轴、竖轴方向的合加速度；

31、根据所述蛋鸡在横轴、纵轴、竖轴方向的合加速度，确定蛋鸡活动时的加速度信号特征值。

32、优选的，所述将历史的动作行为数据对应的加速度信号特征值和同一时刻下的类别行为进行拟合处理，得到对应的分界阈值信息，包括：

33、根据所述历史的动作行为数据对应的加速度信号特征值，得到不同类别行为下的概率密度曲线；

34、通过ginput函数对不同类别行为下的概率密度曲线的交点信息进行提取，并输出所述交点信息对应的横坐标值；

35、将所述交点信息对应的横坐标值作为不同类别行为之间的分界阈值信息；其中，所述第一分界阈值对应趴卧站立和采食饮水之间的分界阈值信息；所述第二分界阈值对应采食饮水和行走之间的分界阈值信息；所述第三分界阈值对应行走和跳跃之间的分界阈值信息。

36、优选的，所述将所述动作行为数据输入预先构建的行为分类模型中，确定蛋鸡处于对应动作行为数据下的类别行为，包括：

37、将蛋鸡的加速度信号特征值和所述第一分界阈值进行比较，当所述加速度信号特征值小于等于所述第一分界阈值时，判定所述蛋鸡处于趴卧站立状态；

38、当所述加速度信号特征值大于所述第一分界阈值且小于等于所述第二分界阈值时，判定所述蛋鸡处于采食饮水状态；

39、当所述加速度信号特征值大于所述第二分界阈值且小于等于所述第三分界阈值时，判定所述蛋鸡处于行走状态；

40、当所述加速度信号特征值大于所述第三分界阈值时，判定所述蛋鸡处于跳跃状态。

41、与最接近的现有技术相比，本发明具有的有益效果如下：

42、本发明提供了一种立体散养蛋鸡行为采集系统及其使用方法，所述行为采集系统，包括：数据采集节点，穿戴在蛋鸡的翅膀部位，用于采集蛋鸡的动作行为数据；数据存储节点，与所述数据采集节点进行通信连接，用于存储所述动作行为数据；所述行为采集系统的使用方法，包括：获取数据存储节点存储的蛋鸡的动作行为数据；将所述动作行为数据输入预先构建的行为分类模型中，确定蛋鸡处于对应动作行为数据下的类别行为；其中，所述行为分类模型是根据历史的动作行为数据和同一时刻下的类别行为进行训练得到的。本发明通过行为采集系统中的数据采集节点采集蛋鸡的动作行为数据，并通过数据存储节点存储采集的数据，在对行为采集系统进行使用时，通过调取数据存储节点存储的动作行为数据，构建行为分类模型，获得蛋鸡处在不同动作行为数据下的类别行为，使得蛋鸡可以在三维空间中自由表达其行为活动，有利于使得在行为识别时精度更高，干扰更少，并且有利于减少设备能耗，推动设备朝小型化和实用化方向发展成为立体散养蛋鸡行为监测的重要需求；通过构建行为分类模型，有利于提高蛋鸡的行为识别准确率，进而提高行为识别的效率。

技术特征：

1.一种立体散养蛋鸡行为采集系统，其特征在于，包括：

2.如权利要求1所述的系统，其特征在于，所述行为采集系统，还包括：

3.如权利要求2所述的系统，其特征在于，所述时间同步中继，包括：gprs单元、第一实时时钟单元、第一zigbee射频单元；

4.如权利要求3所述的系统，其特征在于，所述数据采集节点包括：6轴惯性传感器、第二实时时钟单元和第二zigbee射频单元；

5.如权利要求4所述的系统，其特征在于，所述动作行为数据包括：3轴加速度数据和3轴角速度数据。

6.一种立体散养蛋鸡行为采集系统的使用方法，其特征在于，包括：

7.如权利要求6所述的方法，其特征在于，所述行为分类模型的构建过程包括：

8.如权利要求7所述的方法，其特征在于，所述根据所述蛋鸡的动作行为数据，确定蛋鸡活动时的加速度信号特征值，包括：

9.如权利要求7所述的方法，其特征在于，所述将历史的动作行为数据对应的加速度信号特征值和同一时刻下的类别行为进行拟合处理，得到对应的分界阈值信息，包括：

10.如权利要求9所述的方法，其特征在于，所述将所述动作行为数据输入预先构建的行为分类模型中，确定蛋鸡处于对应动作行为数据下的类别行为，包括：

技术总结

本发明提供了一种立体散养蛋鸡行为采集系统及其使用方法，所述行为采集系统，包括：数据采集节点，穿戴在蛋鸡的翅膀部位，用于采集蛋鸡的动作行为数据；数据存储节点，与所述数据采集节点进行通信连接，用于存储所述动作行为数据；所述使用方法，包括：获取数据存储节点存储的蛋鸡的动作行为数据；将所述动作行为数据输入预先构建的行为分类模型中，确定蛋鸡处于对应动作行为数据下的类别行为。本发明通过采集蛋鸡的动作行为数据，有利于使得在行为识别时精度更高，干扰更少，通过预先构建的分类模型，有利于减少设备能耗，推动设备朝小型化和实用化方向发展成为立体散养蛋鸡行为监测的重要需求。

技术研发人员：王朝元,聂路玮,胡乾

受保护的技术使用者：中国农业大学

技术研发日：

技术公布日：2024/1/12