李 芳

(肇庆学院，广东 肇庆 526061)

引言

随着养殖业的不断发展，智能化养殖方式日益完善，动物的健康和福利关系越发受到研究者的重视。作为动物生理健康状况的主要外在表现，动物行为能够在一定程度上反映动物对环境的适应情况，是评价动物福利的重要考核指标[1]。随着大规模的智能养殖快速发展，依靠人畜跟踪的方法对畜禽个体行为监测效率低下，饲养人员由于专业素质的局限性和差异性等原因，导致畜禽个体异常行为无法被有效的统一定义，导致科学合理的养殖方法和应对异常行为的决策难以实现，养殖业效益低下。为应对这一问题，动物福利水平的评估方法和畜禽行为信息的自动获取受到研究学者的广泛关注。作为机器学习的图像监测技术与声音监测技术由于其优异的判断决策能力成为了本领域中强有力的解决方案，然而机器学习需要的数据量大，且特征提取算法复杂，信息的传输和处理的效率问题巨大[2]。随着畜禽行为监测的不断发展，利用体积小价格便宜的加速度传感器在动物的不同部位连续采集各种行为数据是一个有效手段。加速度传感器在畜禽运动过程中测量出三向加速度值，然后结合机器学习算法对畜禽生理、健康和福利状况进行准确高效的分析。当前，加速度传感器技术已被应用于人体跌倒[3]、心率检测和运动行为识别[4]，以及猪、牛、羊、肉鸡和鸽子等家畜个体运动行为识别。……