分类: 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间: 2023-02-17 合作期刊: 《智慧农业(中英文)》
摘要: 奶牛步态时相是反映奶牛健康及跛行严重程度的重要指标。为准确自动识别奶牛步态时相,本研 究提出一种融合高斯混合模型(Gaussian Mixture Model,GMM) 和隐马尔科夫模型(Hidden Markov Model, HMM) 的无监督学习奶牛步态时相识别算法GMM-HMM。使用惯性测量单元采集奶牛后肢加速度和角速度 信号,通过卡尔曼滤波消除噪声,筛选并提取特征值,构建GMM-HMM模型,实现奶牛静立相、连续步态 中的站立相和摆动相等3种步态时相的自动识别。结果表明,静立相识别的准确率、召回率和F1 分别为 89.28%、90.95% 和90.91%,连续步态中的站立相识别的准确率、召回率和F1 分别为91.55%、86.71% 和 89.06%,连续步态中的摆动相识别的准确率、召回率和F1分别为86.67%、91.51%和89.03%。奶牛步态分割 的准确率为91.67%,相较于基于事件的峰值检测法和动态时间规整算法准确率分别提高了4.23%和1.1%。 本研究可为下一步基于穿戴式步态分析的奶牛跛行特征提取提供技术参考。