王 凯，刘春红,2，段青玲,2,3

基于MFO-LSTM的母猪发情行为识别

王 凯1，刘春红1,2，段青玲1,2,3※

（1. 中国农业大学信息与电气工程学院，北京 100083；2. 北京市农业物联网工程技术研究中心，北京 100083；3. 农业农村部精准农业技术集成科学试验基地（畜牧业），北京 100083）

及时准确识别母猪的发情行为可以有效增加受胎率和产仔量，对提高养殖企业的繁育水平和经济效益具有重要意义。该研究针对生猪养殖过程中母猪发情行为识别存在主观性强、智能化水平低、假警报和错误率高、识别不及时等问题，提出了一种基于飞蛾扑火算法（Moth-Flame Optimization，MFO）优化长短时记忆网络（Long Short Term Memory，LSTM）的母猪发情行为识别方法。利用安装在母猪颈部的姿态传感器获得母猪姿态数据，然后使用姿态数据训练MFO-LSTM姿态分类模型，将母猪姿态分为立姿、卧姿和爬跨3类。通过对姿态分类结果进行分析，确定以爬跨行为和活动量2个特征作为发情行为识别依据，使用MFO-LSTM分类算法判断母猪是否发情。以山西省太原市杏花岭区五丰养殖场的试验数据对该方法进行验证，结果表明，该方法在以30 min为发情行为识别时间时的识别效果最好，发情行为识别的错误率为13.43%，召回率为90.63%，特效性为81.63%，与已有的母猪发情行为识别方法相比错误率降低了80%以上。该方法在保证识别准确率的情况下有效降低了错误率，可满足母猪养殖生产过程中发情行为自动识别要求。

行为；监测；算法；母猪；发情；长短时记忆网络；飞蛾扑火算法

0 引 言

中国是世界养猪大国和猪肉消费大国，2019年中国猪肉产量5 404万t，占肉类总产量的55.62%，因此，生猪养殖业健康发展对维护国家粮食安全具有重要意义[1]。……