南京农业大学学报  2018, Vol. 41 Issue (5): 954-961   PDF    
http://dx.doi.org/10.7685/jnau.201712023
0

文章信息

刘龙申, 沈明霞, 姚文, 刘志刚, 李泊, 何灿隆
LIU Longshen, SHEN Mingxia, YAO Wen, LIU Zhigang, LI Bo, HE Canlong
母猪运动监测低功耗耳标设备研究
Research on energy saving ear-attached device for monitoring sows activities
南京农业大学学报, 2018, 41(5): 954-961
Journal of Nanjing Agricultural University, 2018, 41(5): 954-961.
http://dx.doi.org/10.7685/jnau.201712023

文章历史

收稿日期: 2017-12-20
母猪运动监测低功耗耳标设备研究
刘龙申1 , 沈明霞1 , 姚文2 , 刘志刚3 , 李泊1 , 何灿隆1     
1. 南京农业大学工学院, 江苏 南京 210031;
2. 南京农业大学动物科技学院, 江苏 南京 210095;
3. 南通科技职业学院, 江苏 南通 226007
摘要[目的]行为是评价动物健康和福利状况的重要指标之一。针对动物穿戴设备的低功耗和体积小等功能需求,研究一种用于监测围产期母猪运动的低功耗无线加速度采集设备,并将其与RFID标签集成为一个耳标设备以方便佩戴。[方法]将耳标设备的工作模式与母猪行为类型相关联。首先测量耳标设备在1个数据采集周期中休眠、读加速度和无线发送3种工作状态的电流消耗,确定无线发送是最耗电能的阶段;然后分析母猪休息、活动和采食3种类型行为的加速度数据波动特征,提出当数据波动小于阈值(0.088 g)时,使耳标设备处于深度休眠状态,反之,则采集20组数据后进行一次性传输的方法;最后利用8头母猪进行加速度数据采集试验,计算耳标设备的功耗。[结果]研究了一种体积小功耗低的耳标设备及方法,该设备的平均电流功耗为0.014 5 mA,利用1个电压为3 V容量230 mA·h的纽扣电池供电可连续工作663 d。[结论]该方法相比传统的固定周期性采集方法降低了95%的功耗,能够长期稳定地采集母猪加速度数据。
关键词动物福利   母猪   动物行为监测   加速度传感器   低功耗耳标设备   
Research on energy saving ear-attached device for monitoring sows activities
LIU Longshen1 , SHEN Mingxia1, YAO Wen2, LIU Zhigang3, LI Bo1, HE Canlong1    
1. College of Engineering, Nanjing Agricultural University, Nanjing 210031, China;
2. College of Animal Science and Technology, Nanjing Agricultural University, Nanjing 210095, China;
3. Nantong Vocational College of Science and Technology, Nantong 226007, China
Abstract: [Objectives] Monitoring animal behavior has always been a subject of great interest since behavior is one of the most important indexes when evaluating their health and welfare. According to low current consumption and small size of wearable equipment, the aim of this research is to develop a sows' behavior monitoring device based on a wireless sensor and its integration with an ear tag for wearing easily. [Methods] The working model of the device was correlated to sows activities. Firstly, the current consumption of the ear-attached device in different states was measured to confirm that the most energy was spent in wireless transmission. Then, the sow acceleration data fluctuation characteristics of different types of behavior were analyzed. The deep sleep mode of the device was associated to the sows resting activity. The device sent twenty sets of acceleration data one time when the data fluctuation exceeded the threshold. However, the device was in deep sleep mode if the data fluctuation was smaller than the threshold. Finally, the acceleration data was collected from eight sows using the eat-attached device, during which energy consumption was calculated. [Results] An energy saving device with small volume was developed to monitor sows' activity. The mean of average current of the eight sensors was as low as 0.014 5 mA. The device, power supplied by cell battery, which was 3 V and 230 mA·h, can work continuously for an average of 663 days. [Conclusions] The approach could decrease 95% energy consumption compared with the traditional method, which collects data in fixed cycle. The device could be used for long-term and stable sows' activities monitoring.
Keywords: animal welfare    sow    animal behavior monitoring    accelerometer    low energy eat-attached device   

准确高效地监测动物个体信息有利于分析动物的生理、健康和福利状况,是实现精准畜牧业的基础[1]。行为是动物个体信息的重要组成部分,动物行为的自动监测与识别已经成为当前研究热点之一。传统的动物行为监测方法主要是饲养员现场观察[2]或观看监控视频[3],但这种方法浪费大量的时间和人力资源。

国内外已经开展了利用现代信息技术进行动物行为自动监测识别技术的研究,其中基于加速度传感器的数据采集和分析是动物运动监测的重要方法之一[4]。该方法已经被广泛应用于多种不同动物的行为监测,例如奶牛[5-6]、母猪[7]、羊[8]、马[9]、公牛[10]和鲨鱼[11]等。通常在动物脖子[12]、腿[9]或耳朵[13]等部位上佩戴加速度传感器进行运动数据采集。由于不同动物的运动模式不同,对于同一动物采用不同佩戴方式所采集的数据也有区别,现有研究中开发的传感器以及行为监测识别方法各有特色。本研究中的耳标设备主要是用于围产期母猪的运动监测。

近年来,基于加速度传感器进行母猪运动监测[14]、母猪行为识别[15]、母猪分娩预测[16]、母猪母性行为检测[17]等方面已经有相关研究报道,但是已有研究中采用的加速度数据采集设备还存在功耗高、体积大和佩戴不方便等问题[4],在使用过程中更换电池也会浪费大量的时间和精力,降低了在实际生产中的应用价值。目前射频识别(radio-frequency identification,RFID)耳标已经被广泛应用于母猪养殖中,把加速度传感器集成在RFID耳标中具有广泛的应用前景。国外已经有利用耳标进行母猪运动监测的报道[13],采用SMARTBOW公司的智能耳标进行母猪运动监测,能够较好地识别母猪筑窝行为,但该智能耳标的体积和功耗仍相对较大。目前国内尚未有利用智能耳标进行母猪运动监测的报道。

本研究根据无线加速度传感器各工作阶段的功耗和母猪运动特点,提出一种低功耗的母猪运动无线监测方法,集成开发一种功耗低、体积小的母猪运动监测耳标设备,以期为精准畜牧业的动物个体信息监测提供技术支撑。

1 材料与方法 1.1 耳标设备设计

耳标设备是母猪运动监测系统前端信息采集部分,本研究的目的是设计一种低功耗的加速度数据无线采集设备。该设备主要由蓝牙模块(Texas Instruments CC2541F256)和低功耗三轴加速度传感器(NXP Semiconductors MMA 8451)组成,蓝牙模块中集成了一片C51控制器。耳标设备电路设计框图如图 1所示。

图 1 电路设计框图 Figure 1 Block diagram of the device

蓝牙模块和加速度传感器集成在1个PCB板上,PCB板的尺寸为28.5 mm × 20 mm。蓝牙模块由1个纽扣电池(CR2032)供电,为了尽量节省能耗,蓝牙模块在每次任务执行完毕后立即进入休眠状态。加速度传感器由C51控制器的IO接口供电,该IO接口仅在读取加速度数据时输出高电平,以节省能耗。控制器通过I2C总线读取加速度数据。耳标设备PCB板及外壳如图 2所示。

图 2 耳标设备PCB板(a)及外壳(b) Figure 2 Photographs of the device electronics(a)and case(b)
1.2 节能方法及程序设计 1.2.1 加速度数据处理

母猪典型行为主要有睡觉、站立、走动、吃料等,运动较为缓慢。根据母猪运动特点,加速度传感器的量程设为±2 g(1 g=9.81 m · s-2)。传感器输出数据位数有8位和14位2种,位数越大精度越高,但数据量也越大。为了减少无线传输数据量,降低能耗,将传感器数据输出位数设置为8位,精度为1/64 g(0.153 3 g)。蓝牙模块每次从加速度传感器读取3个字节数据,分别是XYZ三轴加速度(axayaz)。

在母猪耳朵上佩戴耳标设备,传感器XYZ三轴的朝向是不固定的,因此可以利用合加速度的数据分析进行母猪运动监测[14]。为了减少无线传输的数据量,首先计算出合加速度,再进行无线发送。合加速度(a)的计算公式为:

(1)
1.2.2 数据读取与无线发送

传统的动物运动监测设备是以固定周期进行加速度的读取和无线发送,无线发送所消耗的电能占总消耗电量的80%以上[18]。然而母猪65%左右的时间是在休息(其中侧卧占51%,腹卧占14%)[19],这期间采集的加速度数据基本相同或变化很小。本研究将耳标设备的休眠模式与加速度数据的变化关联起来,当数据变化小于一定阈值时,耳标设备不执行无线发送,进入休眠模式。当数据变化大于阈值时,蓝牙模块被唤醒。因此,本研究通过分析母猪休息、活动和饮食等3种行为的加速度数据特征来确定1个合理的阈值。该方法在文献[19]中已经被提出,但文献涉及的运动监测设备每次仅发送1组数据,且没有详细说明数据变化阈值和设备功耗情况。本研究对该方法进一步改进,利用控制器连续周期地从加速度传感器中读取加速度数据,计算三轴加速度数据的合加速度。当合加速度数据变化大于一定阈值时,将其后的20个合加速度暂存在数据寄存器中,然后唤醒蓝牙模块,将暂存数据一次性发送出去,从而减少无线发送次数,延长设备的电池寿命。

1.2.3 程序设计

根据以上节能方法,设计低功耗模式的耳标设备程序。低功耗模式下读取加速度数据的频率为1 Hz,无线发送与母猪的运动幅度相关联,具有随机性。为了对比分析耳标设备的功耗,同时设计了传统的固定周期数据采集程序,读取和发送加速度数据的频率为1 Hz,每次发送1组数据。2种模式的程序流程图如图 3所示。

图 3 2种模式的程序流程图 Figure 3 Program flow chart of 2 operating model
1.3 功耗测量方法

2种工作模式下的耳标设备均有3个工作状态:休眠(S1)、读加速度数据(S2)和无线传输(S3)。不同工作模式下相同工作状态的电流是相等的,但低功耗模式下设备处于休眠状态时间较长,无线传输次数较少。计算平均功耗(mA · h)需要测量每个工作状态的电流(mA)和所用时间(h)。将高精度万用表(FLUCK 287)电流探针串联在电池和设备正极之间,利用FLUCK 287的事件记录功能存储设备不同状态下的电流值和电流变化发生时间。FLUCK 287直流电流测量范围为0~10 A,最小分辨率为1 μA,准确度为0.15%。利用公式(2)计算1个采集周期的平均电流。

(2)

式中:Ia为平均电流;ISi为Si工作状态下的电流;tSi为Si工作时间。

利用公式(3)计算耳标设备电池寿命。

(3)

式中:L为电池寿命;C为电池容量。

本研究首先测量出耳标设备在3个工作状态下的电流,然后根据母猪每天的运动监测加速度数据计算耳标设备处于不同工作状态下的总时间,最后计算出耳标设备的平均电流和电池寿命。

1.4 数据采集系统

利用数据采集系统采集并存储母猪运动数据,用于进一步的数据分析和行为识别研究。耳标设备以蓝牙广播的方式将加速度数据无线传输到接收器,每个接收器可同时连接半径为10 m范围内多个耳标设备。利用串口服务器将接收器连入互联网,数据库服务器通过互联网获取数据。系统结构如图 4所示。

图 4 系统结构示意图 Figure 4 System architecture
1.5 试验方案

本试验于2017年5月在江苏省靖江市丰园生态农业园有限公司种猪场开展。8头试验母猪均为妊娠期107 d(预产期前1周)的待产母猪,饲养在2间产房中(各4头),每间产房面积约9 m × 7 m,并安装了空调设备。试验母猪养殖在福利型分娩栏中,该分娩栏的面积为2.2 m × 1.8 m。大部分时间母猪可自由活动,只有在母猪分娩前1天出现筑窝行为后,将福利型分娩栏的限位栏关闭,以降低新生仔猪被压的概率。试验母猪可自由饮水,饲喂方式为人工饲喂。

利用3D打印机制作了一种马蹄形的耳标设备外壳,外壳盖子和底座之间用胶水粘合,外壳整体尺寸为34.5 mm × 26 mm × 6 mm(长×宽×厚)。将耳标设备与已经佩戴的RFID耳标固定在一起。佩戴了耳标设备的试验母猪如图 5所示。

图 5 佩戴耳标设备的试验母猪 Figure 5 A sow fitted with ear-attached device

利用耳标设备采集8头试验母猪运动数据,选择每头母猪分娩前5 d到分娩后1 d的数据进行分析,共计1 152 h(24 h,6 d,8头)的数据。在每个分娩栏上方安装高清网络摄像头(DS-2CD3135F-I,HIKVISION),监测母猪行为并保存每天24 h的录像。录像分辨率为2 048 × 1 536,格式为MPEG-4,帧率为25帧· s-1(fps)。

2 结果与分析 2.1 物理性能

该耳标设备体积小(34.5 mm × 26 mm × 6 mm),质量轻(10 g),佩戴方便。通过观察佩戴耳标设备的8头试验母猪,没有发现母猪有异常行为。试验过程中有2个耳标设备从RFID耳标上脱落下来,可能是因为RFID耳标表面不干净,导致粘接不牢固。可以通过开模将耳标设备与RFID标签集成为一个整体,解决耳标设备脱落的问题。

2.2 3种工作状态的电流

为了方便测量耳标设备3种工作状态下电流,使耳标设备工作在周期性采集模式下,周期为1 s,测量结果如图 6所示。

图 6 耳标设备电流测量 Figure 6 Current consumption of the device

图 6中电流脉冲是无线发送状态的电流,可以看出无线发送工作状态的电流最大,但所需时间较短。理论上蓝牙模块每次无线发送的电流是相等的,但PCB板上还焊接了加速度传感器、电容、电阻等元器件,电容等元器件与高频电路形成振荡,导致每次无线发送的电流为1.8 mA到4.9 mA不等。利用一段时间内的测量数据,计算各个工作状态的平均电流和时间,结果如表 1所示。

表 1 3种工作状态下的平均电流 Table 1 Average current of 3 states
序号No. 工作状态Work state 平均电流/μA Average current 平均时间/ms Average time
1 休眠Sleeping 2.13 738
2 读加速度数据Getting acceleration data 37 162
3 无线发送Wireless transmission 3 030 100

对于以1 s为周期进行数据采集的模式,利用公式(2)计算出耳标设备的平均电流为0.311 mA。用1个纽扣电池(230 mA)供电,利用公式(3)计算出电池寿命为740 h(约31 d)。

2.3 母猪行为的加速度数据

母猪活动类型主要有休息、活动和采食等3种,且母猪65%的时间处于休息状态。结合视频确定3种行为表达期间的合加速度数据,其数据曲线如图 7所示。由图 7可以看出,不同行为的合加速度曲线波动差异较大,休息行为的加速度曲线波动最小。为了量化其波动大小,计算了母猪休息、活动和采食行为合加速度数据的标准差,分别是0.037 6 g、0.246 4 g和0.222 6 g。标准差表示数据的波动程度,休息行为的合加速度标准差远小于其他行为,说明在母猪休息时所采集的加速度数据基本相等或变化很小。活动和采食行为加速度曲线波动较大,但其中也有一部分较为平滑,说明母猪在活动时并非一直在运动,当母猪静止站立且没有摆动头部时加速度数据变化也很小。当数据变化较小时,使蓝牙模块进入休眠状态,减少电能消耗。

图 7 3种行为的合加速度曲线 Figure 7 Acceleration waveform of 3 types behaviors
2.4 阈值设定

为了降低能耗,确定一个合理的数据变化阈值来决定是否要唤醒蓝牙模块。利用合加速度数据的一阶差分绝对值表示数据变化量(Difference=|ai-ai-1|),3种行为的一阶差分如图 8所示。

图 8 3种行为的合加速度一阶差分 Figure 8 First-order different acceleration of 3 types behaviors

图 8可以看出:休息行为的合加速度一阶差分接近于零,说明相邻2组合加速度数据变化很小,而活动和采食行为的合加速度一阶差分相对较大。为了确定一个合理的阈值,计算了休息、活动和采食行为的合加速度一阶差分的均值,分别是0.024 3 g、0.151 2 g和0.180 5 g。将休息与活动行为的一阶差分均值的中值作为阈值,阈值=(0.024 3 g+0.151 2 g)/2≈0.088 g

2.5 耳标设备平均功耗

耳标设备的平均功耗决定了电池寿命,母猪活跃程度越高,耳标设备的平均功耗越大。为了评估耳标设备的电池寿命,可以通过现场试验统计得到,但需要花费很长时间。本研究利用试验母猪每天的加速度数据及设备无线发送次数,估算耳标设备的平均电流消耗和电池寿命。图 9是1头母猪1 d的合加速度数据曲线。

图 9 1头母猪1 d的合加速度曲线 Figure 9 One day acceleration data of a sow

根据2种工作模式的耳标设备1 d的无线发送次数,计算了耳标设备的平均电流和电池寿命(表 2)。相对于传统模式,节能模式的耳标设备平均功耗节省了95.5%,理论上电池寿命长达684 d。实际上由于电池的自放电使电池寿命会相对短一些。改进后的节能方法有效降低了设备功耗,延长了电池寿命。

表 2 2种工作模式的耳标设备平均电流 Table 2 Average current of the device in two operating models
模式
Model
无线发送次数
Wireless transmission times
平均电流/mA
Average current
电池寿命/d
Battery lifetime
传统模式Traditional model 86 400 0.311 0 31
节能模式Energy saving model 1 701 0.013 7 684

由于每头母猪每天的运动量不同,佩戴的耳标设备的平均功耗也不同。6头试验母猪佩戴的耳标设备平均电流消耗和理论电池寿命见表 3,可以看出,用于监测围产期母猪运动的节能模式耳标设备平均电流为0.014 5 mA,电池寿命最长达729 d,最短为565 d,平均为663 d。该耳标设备可用于长期的母猪运动监测。

表 3 节能模式下6头母猪耳标设备平均电流消耗 Table 3 Average current of device for six sows
母猪编号
No. of sow
平均每天发送次数
Sending times of each day
平均电流/mA
Average current
电池寿命/d
Battery lifetime
1 2 616 0.016 9 565
2 2 415 0.016 2 590
3 1 565 0.013 3 722
4 1 745 0.013 9 689
5 1 527 0.013 1 729
6 1 701 0.013 7 684
3 结论与讨论

在已有的利用无线加速度计进行母猪运动监测的研究报道中,主要侧重于母猪行为识别和分类方法研究,而对监测设备体积和功耗的优化研究较少。将本研究的耳标设备与已报道的几种母猪运动监测设备的相关参数进行对比,发现与文献[13, 18-19]相比,尺寸小,质量轻,功耗低。

本研究将耳标设备的休眠与母猪运动状态关联起来,可以有效降低设备平均功耗。将加速度传感器与蓝牙模块集成在一块PCB板上,减小了设备体积和质量,与RFID标签集成为一个耳标设备,方便对动物佩戴和管理。但该设备在适用性和采集频率等方面还有待提高。该耳标设备在合加速度一阶差分大于阈值(0.088 g)时被唤醒进行无线发送。该阈值是从本研究试验条件下母猪运动监测数据得到的,是固定不变的。但是对于不同猪品种、不同养殖设施、不同气候环境、不同养殖阶段等情况,猪的运动模式也不同,因此还需要研究更加智能的算法,通过分析已采集的数据自动调整阈值,提高耳标设备的适用性。

该设备读取加速度数据的频率为1 Hz,无线发送的频率是随机的,行为识别和分类需要连续的加速度时间序列,因此还需要对采集的数据进行插值。虽然提高数据采集频率,有利于提高行为识别的准确性,但增加了设备功耗。因此,如何在保证行为识别准确性的情况下尽量降低数据采集频率,还需要进一步研究。

综上所述,本研究根据母猪运动特点,提出一种运动监测节能方法,研究了一种用于监测母猪运动的低功耗无线加速度采集设备,并将其与RFID标签集成为一个耳标设备以方便佩戴,该耳标设备可用于母猪运动长期监测。

参考文献(References)
[1] 沈明霞, 刘龙申, 闫丽, 等. 畜禽养殖个体信息监测技术研究进展[J]. 农业机械学报, 2014, 45(10): 245-251.
Shen M X, Liu L S, Yan L, et al. Review of monitoring technology for animal individual in animal husbandry[J]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(10): 245-251. DOI: 10.6041/j.issn.1000-1298.2014.10.038 (in Chinese with English abstract)
[2] Capdeville J, Veissier I. A method of assessing welfare in loose housed dairy cows at farm level, focusing on animal observations[J]. Acta Agriculturae Scandinavica, Section A:Animal Science, 2001, 30(Suppl): 62-68.
[3] Andersen I L, Berg S, Bøe K E. Crushing of piglets by the mother sow(Sus scrofa):purely accidental or a poor mother?[J]. Applied Animal Behaviour Science, 2005, 93(3/4): 229-243.
[4] 汪开英, 赵晓洋, 何勇. 畜禽行为及生理信息的无损监测技术研究进展[J]. 农业工程学报, 2017, 33(20): 197-209.
Wang K Y, Zhao X Y, He Y. Review on noninvasive monitoring technology of poultry behavior and physiological information[J]. Transactions of the Chinese Society of Agricultural Engineering, 2017, 33(20): 197-209. DOI: 10.11975/j.issn.1002-6819.2017.20.025 (in Chinese with English abstract)
[5] Shahriar M S, Smith D, Rahman A, et al. Detecting heat events in dairy cows using accelerometers and unsupervised learning[J]. Computers and Electronics in Agriculture, 2016, 128: 20-26. DOI: 10.1016/j.compag.2016.08.009
[6] 顾静秋, 王志海, 高荣华, 等. 基于融合图像与运动量的奶牛行为识别方法[J]. 农业机械学报, 2017, 48(6): 145-151.
Gu J Q, Wang Z H, Gao R H, et al. Recognition method of cow behavior based on combination of image and activities[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(6): 145-151. (in Chinese with English abstract)
[7] Cornou C, Lundbye-Christensen S. Classification of sows ' activity types from acceleration patterns using univariate and multivariate models[J]. Computers and Electronics in Agriculture, 2010, 72: 53-60. DOI: 10.1016/j.compag.2010.01.006
[8] Giovanetti V, Decandia M, Molle G, et al. Automatic classification system for grazing, ruminating and resting behaviour of dairy sheep using a tri-axial accelerometer[J]. Livestock Science, 2017, 196: 42-48. DOI: 10.1016/j.livsci.2016.12.011
[9] Burla J B, Ostertag A, Schulze Westerath H, et al. Gait determination and activity measurement in horses using an accelerometer[J]. Computers and Electronics in Agriculture, 2014, 102: 127-133. DOI: 10.1016/j.compag.2014.01.001
[10] Abell K M, Theurer M E, Larson R L, et al. Predicting bull behavior events in a multiple-sire pasture with video analysis, accelerometers, and classification algorithms[J]. Computers and Electronics in Agriculture, 2017, 136: 221-227. DOI: 10.1016/j.compag.2017.01.030
[11] Whitney N M, White C F, Gleiss A C, et al. A novel method for determining post-release mortality, behavior, and recovery period using acceleration data loggers[J]. Fisheries Research, 2016, 183: 210-221. DOI: 10.1016/j.fishres.2016.06.003
[12] Cornou C, Lundbye-Christensen S. Classifying sows ' activity types from acceleration patterns[J]. Applied Animal Behaviour Science, 2008, 111(3/4): 262-273.
[13] Oczak M, Maschat K, Berckmans D, et al. Classification of nest-building behaviour in non-crated farrowing sows on the basis of accelerometer data[J]. Biosystems Engineering, 2015, 140: 48-58. DOI: 10.1016/j.biosystemseng.2015.09.007
[14] 刘龙申, 沈明霞, 姚文, 等. 基于加速度传感器的母猪产前行为特征采集与分析[J]. 农业机械学报, 2013, 44(3): 191-196.
Liu L S, Shen M X, Yao W, et al. Acquisition and analysis of sows ' behavior before farrowing based on acceleration sensor[J]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(3): 191-196. (in Chinese with English abstract)
[15] Oczak M, Maschat K, Berckmans D, et al. Can an automated labelling method based on accelerometer data replace a human labeller?—Postural profile of farrowing sows[J]. Computers and Electronics in Agriculture, 2016, 127: 168-175. DOI: 10.1016/j.compag.2016.06.013
[16] Cornou C, Lundbye-Christensen S. Modeling of sows diurnal activity pattern and detection of parturition using acceleration measurements[J]. Computers and Electronics in Agriculture, 2012, 80: 97-104. DOI: 10.1016/j.compag.2011.11.001
[17] 闫丽, 沈明霞, 谢秋菊, 等. 哺乳母猪高危动作识别方法研究[J]. 农业机械学报, 2016, 47(1): 266-272.
Yan L, Shen M X, Xie Q J, et al. Research on recognition method of lactating sows ' dangerous body movement[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(1): 266-272. (in Chinese with English abstract)
[18] Gutierrez-Galan D, Dominguez-Morales J P, Cerezuela-Escudero E, et al. Embedded neural network for real-time animal behavior classification[J]. Neurocomputing, 2018, 272: 17-26. DOI: 10.1016/j.neucom.2017.03.090
[19] Marchioro G F, Cornou C, Kristensen A R, et al. Sows ' activity classification device using acceleration data:a resource constrained approach[J]. Computers and Electronics in Agriculture, 2011, 77: 110-117. DOI: 10.1016/j.compag.2011.04.004