基于精准养殖提升肉羊生产效益及福利化水平研究进展

以内蒙古地区肉羊生产为例,综述基于精准养殖降低饲养员劳动强度、提升肉羊生产效益及福利化水平的相关研究。阐述精准养羊的概念,列举基于智能信息感知的羊只精准养殖中的身份识别、体质量监测、形态评价、行为分析、健康监测及环境监控方面的研究,讨论精准养羊对提升肉羊生产效益和福利化水平的优势,并总结内蒙古地区精准养羊中存在的问题及未来研究的方向。     

基于声信号特征加权的设施养殖羊行为分类识别

中国西部地区正在发展集约化和规模化的设施养羊业,通过监测羊舍内的声信号可以判别羊只的行为状态,从而为设施养羊的福利化水平评估提取基础依据。梅尔频率倒谱系数（mel frequency cepstrum coefficient,MFCC）模拟了人耳对语音的处理特点且抗噪音性强,被广泛用于畜禽发声信号的特征提取,但其没有考虑各个特征分量表征声信号的能力。该研究构建羊舍无线声音数据采集系统,采集20只羊在设施羊舍内的打斗、饥饿、咳嗽、啃咬和寻伴共5种行为下的声信号,并通过Audacity音频处理软件选出720个清晰且不重叠的声音样本数据。根据MFCC各分量对羊舍声信号表征能力,特征参数提取采用一种熵值加权的MFCC参数,再求其一、二阶差分并进行主成分分析降维,得到优化的19维特征参数。通过对羊舍声信号的声谱图分析,设计了支持向量机二叉树识别模型,并对模型内的4个分类器参数进行网格化寻优测试,该识别模型对羊只5种行为下的声信号进行分类识别,用改进的特征参数与传统MFCC和线性预测倒谱系数（linear predictive cepstrum coefficient,LPCC）进行对比分析。结果表明,该特征参数对5种行为的识别率平均可达83.6%,分别高于MFCC和LPCC参数14.1%和26.8%,羊只打斗和咳嗽行为的声信号属于相似的短时爆发类声音,其识别率分别仅为80.6%和79.5%,啃咬声特征显著不易混淆,其查全率可达到为92.5%,改进特征参数更好的表征了羊舍声信号的特征,提高了羊只不同行为的识别率,为羊只健康和福利状况的监测提供理论依据。     

基于加速度传感器的种公羊运动行为识别

为解决种公羊运动行为的识别依赖饲养员观察耗时耗力的问题,本研究设计了一种基于加速度传感器的种公羊运动行为识别系统。该系统利用无线加速度传感器节点采集种公羊的运动行为信息,对行为信息进行实时采集和无线传输,分析传感器4种部署方案下(背部、颈部、前腿、后腿)采集到的羊行为数据,并利用K均值聚类法和区间阈值分类法进行分类。试验表明传感器的4种部署方案中将传感器部署在种公羊的背部靠近前腿处得到的加速度数据最稳定。但K均值聚类法平均识别率为77.05%,识别效果差,因此又提出了区间阈值分类法,通过对加速度数据识别测试获得区间阈值,对静立、行走、奔跑行为的识别率分别达到95.96%、95.78%和96.89%,3种行为的平均识别率达到96.21%。本研究所获得的运动行为数据可应用于种公羊的运动量补充和健康状况监测。