基于LSTM神经网络的肉牛动态称重算法研究

• 作者: 马聪 李锋 张建华 陈学东 张学俭 朱丹
• 来源期刊: 黑龙江畜牧兽医（下半月）
• 关键词: 动态称重 神经网络 步态 时间序列 长短期记忆网络 模型
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 畜牧科学
• 页码范围: 60-63,157-158
• 页数: 1页
• 分类号: S8-01
• 语种: 中文
• DOI: 10.13881/j.cnki.hljxmsy.2020.02.0403

摘要

为了解决肉牛称重过程存在现场操作困难、耗费人力物力以及近距离接触存在安全健康隐患等问题,试验采用人工神经网络构建动态称重模型,分析了BP神经网络算法实际应用存在的问题及原因,采用LSTM网络开展牛只行走动态称重时间序列训练及测试,依据误差分析对算法进行改进.结果 表明:改进后的算法提高了动态称重预测结果的精度,最大误差为2.4 kg (1.70％),最小误差为0.1 kg(0.04％),所有测试数据的平均误差为0.70％,符合实际称重需求.说明试验采用的LSTM动态称重算法适用于实际生产,具有较强的实际应用价值.