基于MFO-LSTM的母猪发情行为识别

• 作者: 刘春红 段青玲 王凯
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 行为 监测 算法 母猪 发情 长短时记忆网络 飞蛾扑火算法
• 年，卷（期）: 2020,（14）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 211-219
• 页数: 9页
• 分类号: TP391|S828
• 字数: 8286字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2020.14.026

摘要

及时准确识别母猪的发情行为可以有效增加受胎率和产仔量,对提高养殖企业的繁育水平和经济效益具有重要意义.该研究针对生猪养殖过程中母猪发情行为识别存在主观性强、智能化水平低、假警报和错误率高、识别不及时等问题,提出了一种基于飞蛾扑火算法(Moth-Flame Optimization,MFO)优化长短时记忆网络(Long Short Term Memory,LSTM)的母猪发情行为识别方法.利用安装在母猪颈部的姿态传感器获得母猪姿态数据,然后使用姿态数据训练MFO-LSTM姿态分类模型,将母猪姿态分为立姿、卧姿和爬跨3类.通过对姿态分类结果进行分析,确定以爬跨行为和活动量2个特征作为发情行为识别依据,使用MFO-LSTM分类算法判断母猪是否发情.以山西省太原市杏花岭区五丰养殖场的试验数据对该方法进行验证,结果表明,该方法在以30 min为发情行为识别时间时的识别效果最好,发情行为识别的错误率为13.43％,召回率为90.63％,特效性为81.63％,与已有的母猪发情行为识别方法相比错误率降低了80％以上.该方法在保证识别准确率的情况下有效降低了错误率,可满足母猪养殖生产过程中发情行为自动识别要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘春红	中国农业大学信息与电气工程学院	16	145	6.0	12.0
3	王凯	中国农业大学信息与电气工程学院	42	160	6.0	11.0