基于Wi-Fi无线感知技术的奶牛爬跨行为识别

奶牛发情和爬跨行为之间存在着密切的联系，及时发现奶牛的爬跨行为是检测奶牛发情、提高养殖收益需要考虑的重要问题。为了在自然环境下可靠地检测奶牛的爬跨行为，同时避免引起应激反应，研究并提出基于Wi-Fi信号的奶牛爬跨行为检测与识别方法。首先，应用部署在日常生活环境中通用的Wi-Fi设备捕获奶牛的运动状态数据；其次，通过载波聚集、移动加权平均滤波对数据进行预处理；第三，基于局部离群因子LOF算法，实现信号跳变检测并以此为基础获取包含奶牛动作的信道状态信息（Channel State Information, CSI）序列片段；第四，设计并提取CSI序列片段的特征，构建了包含3类奶牛动作，共计8 127个样本的数据集；最后，基于长短时记忆网络（Long Short Term Memory, LSTM）构建奶牛行为识别模型。通过使用数据集中2 497个样本作为测试集检验提出的网络模型，检验结果表明，系统能够可靠地捕获包含奶牛动作的CSI序列片段，并以较高的准确率识别奶牛的爬跨行为。模型在测试集上对3类样本的总体分类准确率为96.67%，其Kappa系数为0.943 1，获得了较高的性能。研究结果将基于Wi-Fi信号的无线感知技术引入农业信息化领域，扩展了动物行为监控的技术手段，为无线传感技术在农业智能化方面的应用提供了参考。     

基于Wi-Fi无线感知技术的猪呼吸频率监测

监测和及时发现猪呼吸异常是养猪产业管理中的重要课题。为了克服人工监测方式效率低下、穿戴式设备监测方法成本较高且容易引起猪应激反应的缺点,该文提出了一种基于Wi-Fi网络信道状态信息的非接触式猪呼吸率监测方案。首先,利用Wi-Fi网络设备及其开源驱动程序捕获CSI序列信号并提出异常载波过滤算法用于滤除通信过程中的异常载波;其次,设计载波周期性水平量化指标并以此评估载波周期性水平;第三,通过SmoothingSplines方法平滑载波曲线并基于载波序列自相关函数估计载波周期和频率,筛选出载波周期性水平大于22且频率位于闭区间[0.127 Hz,1.25 Hz]的反映猪只呼吸行为的载波;第四,对符合条件的载波频率进行加权平均求得猪只呼吸率。以人工统计猪只每分钟的呼吸次数作为真实情况,通过对9头仔猪,5头育肥种猪,3头怀孕母猪以及3头因患病引起腹式呼吸的病猪进行对比试验,该文提出的方法能够准确计算出猪的呼吸率,平均相对误差为1.398%。研究结果为应用Wi-Fi无线感知技术监控动物呼吸率提供参考。