农业机械学报

作者：赵继政，陆成，石富磊，董正奇，宋怀波

单位：西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,

关键词：产犊预报;智慧畜牧;翘尾特征;物联网;机器学习

基金：陕西省技术创新引导专项（2022QFY11-02）

针对奶牛产犊过程中自动化监测和预报设备缺乏的问题，设计了基于翘尾特征的奶牛产犊预报设备。设备包括记录待产奶牛尾部加速度数据采集节点，数据上传无线组网和云端数据存储平台，并开发了基于机器学习模型的产犊预报算法，实现了奶牛产犊的自动预报。尾部数据采集节点采用STM32L151CBT6A单片机控制ICM42605传感器实现加速度数据采集，在完成数据整理与本地存储后，通过LoRa网络将数据上传至网关。网关通过WiFi网络，按照MQTT协议将数据传输至腾讯云物联网开发平台，并将数据同步存储在腾讯云数据库中。在算法开发试验中，本文基于25头奶牛产犊前的尾部加速度数据，开发了基于Man-Kendall趋势检验和基于集成学习思想的多SVM产犊预报模型，完成算法性能验证后，将开发好的模型部署在腾讯云服务器。验证试验表明：牛尾节点测量的加速度信号与振动传感器校准仪设定的输出信号相关性良好(r=0.938，P＜0.01)，节点监测模块可连续工作24d，无线传输网络最大丢包率为1.3%，满足应用需求。设备进行部署后，完成了11头奶牛产犊过程的监测，结果表明设备对9头牛(81.82%)在产前12h内成功进行了预报。本文设计的基于翘尾特征的奶牛产犊预报设备可以应用于实际的奶牛产犊过程监测和预报。

来源：2023年第4期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第4期