下载文档原格式
2012年1月农机化研究第1期奶牛体征参数监测系统设计邱建飞，李晨光，李亚敏(河北农业大学机电工程学院，河北保定071001)摘要：根据奶牛发情期和发病时活动量异常和体温波动的特点，设计了奶牛体征参数检测系统采集奶牛的活动量和体温，对于奶牛的发病诊断和生活环境分析具有重要意义。
该系统以16位超低功耗混合信号处理器M SP430FI33、数字温度传感器D Sl8820和N D专用传感器为硬件核心，实现了奶牛体征参数的实时监测，并进行了系统硬件和软件设计。
该系统结构简单、易于实现、可靠性较高，且功能易于扩展，能够对奶牛的体征参数进行定时、连续、无损伤、精确地测量和记录。
关键词：奶牛养殖；M S P430；数字温度传感器；奶牛特征检测中图分类号：T P'273+．5文献标识码：A文章编号：1003—188X(2012)01—0107一040引言奶牛养殖业是一个技术要求比较高的产业，随着我国奶牛养殖业以及奶业的迅猛发展，需要科学的奶牛养殖，从而提高牛场的经济效益。
奶牛饲养企业或者农民的经济效益主要取决于牛奶的产量，牛奶产量主要依赖奶牛年哺乳期的长短。
而这些依赖于奶牛的身体状况、生存环境的舒适程度、奶牛发情的准确判断和最佳配种时机，需要及时了解奶牛是否健康、奶牛何时开始发情、奶牛生活的环境状况等。
实际上，由于奶牛发情时母牛每小时走步数大约比未发情母牛高2～4倍；另外，奶牛排卵期体温变化比非排卵期体温升高0．2～0．5℃，并可持续8～10h。
所以，通过检测步数和体温可确定奶牛的发情期。
目前，国内大型奶牛场通过引进，已经实现了奶牛体征参数的自动检测，但引进国外系统的成本较高，在我国尚不能普及推广，急需开发一套适合我国国情的奶牛体征参数监测系统。
1系统硬件设计整个系统硬件由单片机、活动采集模块、温度采集模块和无线通信模块等部分组成。
硬件组成框图如图1所示。
收稿日期：201l一03一14基金项目：河北省“十一五”科技支撑计划项目(07220401D)作者简介：邱建色(1985一)，男，河北张家口人，硕上研究生，(E-m ai l) 49981520@qq．c or n。
![基于计算机视觉技术的牛发情监测方法及系统[发明专利]](https://img.taocdn.com/s1/m/1ad06bff5f0e7cd1852536ac.png)
专利名称：基于计算机视觉技术的牛发情监测方法及系统专利类型：发明专利
发明人：卿胜奎
申请号：CN201910333012.9
申请日：20190424
公开号：CN110070051A
公开日：
20190730
专利内容由知识产权出版社提供
摘要：本发明目提供了基于计算机视觉技术的牛发情监测方法及系统，利用计算机图像处理技术可以无接触、高精确度、适应性强牛个体身份识别、行为特征分析，发情检测，并通过机器学习等人工智能提高计算的监测准确度，实现在养殖场中牛个体无接触精确个体识别，行为分析监测等，具有全天候监测，监测效率高，牧场前期投入成本和后期维护成本低等特征；解决现有的各种牛群发情检测的方法存在工作量大，检测精度不高，漏检牛的发情行为，从而耽误奶牛配种，以至于影响奶牛养殖的利益的问题。
申请人：卿胜奎
地址：400000 重庆市永川区吉安镇正街71号附82号
国籍：CN
代理机构：成都顶峰专利事务所(普通合伙)
代理人：陈夏
更多信息请下载全文后查看。
奶牛计步信息采集终端系统的硬件设计【摘要】在一个较大的范围内对集中养殖场中奶牛进行计步采集，并通过无线的方式，将采集到的数据按设定的时间发送给中心节点，再由中心节点的rs232／485的方面将接收到的数据上传给计算数据中心，以供分析处理。
系统硬件设计包括计步信息采集电路，奶牛计步数据采集终端系统等硬件设计。
【关键词】计步采集中心节点终端系统1 背景概述在奶牛养殖业中，通过及时发现奶牛发情，从而可以提高繁殖率，延长泌乳期增加产奶量，减少空怀日的天数等，对奶牛养殖业有着重要的经济意义。
北威尔士大学附属学院的克莱夫、菲利普斯和安斯尔德博士通过的母牛发情期运动量偏差的研究发现：奶牛处于发情期时，有着明显的外部外部行为表现，其运动量比平时会有显著的提高。
但是单靠管理人员观察做到及时发现奶牛发情是件非常困难的事情，尤其在夜间更是无法进行。
本文的奶牛计步信息采集系统正是针对这一问题而提出，通过自动的检测奶牛的行走步数，并能过无线方式将数据传送到计算机以供分析处理，从而做到比较准确的检测奶牛的发情状况。
2 系统硬件设计为了实现对养殖场内的每头奶牛进行计步数据采集，并将采集到的数据传送到计算机。
需要在每头奶牛身上装上一个计步采集节点，该节点一方面要进行计步数据采集，另一方面，要将采集到的数据通过无线的方面按设定的时间发送给中心节点，再由中心节点的rs232／485的方面将接收到的数据上传给计算数据中心，以供分析处理。
2.1计步信息采集电路。
本文采用cla－3微型全向振动传感器。
cla－3微型振动传感元件的内部，有一根金属棒架在两个电极中间，当无振动或倾斜时，传感器的导通电阻稳定，当检测到振动时碳棒发生振动，引起电极间导电电阻迅速增大产生一个幅度成振动成正比信号。
对该信号进行一次比较放大后可得到一些狭窄的小脉冲。
然后经过二极管，通过一个阻容电路进行充放电后再次进行比较放大，则可以得到一个比较标准的计步脉冲。
经输出缓冲后单片机可以直接对其进行数据采集，具体的电路图如图1所示。
2022年6月第4卷第2期Jun.2022Vol.4,No.2智慧农业（中英文）Smart Agriculture基于计算机视觉的奶牛生理参数监测与疾病诊断研究进展及挑战康熙1，2，3，刘刚1，2*，初梦苑1，2，李前1，2，王彦超1，2（1.中国农业大学智慧农业系统集成研究教育部重点实验室，北京100083；2.中国农业大学农业农村部农业信息获取技术重点实验室，北京100083；3.浙大宁波理工学院计算机与数据工程学院，浙江宁波315200）摘要：利用先进的信息技术推动智能养殖业发展已经成为奶牛养殖研究领域的重要目标和任务。
计算机视觉技术具有非接触、免应激、低成本及高通量等优点，在畜牧生产中应用前景广阔。
本文在阐述了计算机视觉技术在智能化养殖业发展中重要性的基础上，首先介绍了基于计算机视觉的奶牛生理参数监测进展，包括体尺、体温、体重的前沿监测设备、技术和模型参数。
然后阐述了奶牛跛行及乳腺炎等疾病诊断的前沿技术发展过程和研究现状。
目前，相关技术研究和应用推广存在检测准确性不高，受环境因素影响较大，非标准化养殖场结构制约检测系统普及，以及检测系统成本较高等问题和挑战。
最后，本文结合中国养殖业发展现状，针对保证检测准确性、减少环境干扰等问题，就如何提高计算机视觉技术在智能化养殖业中的准确性和普适性提出了相关建议，旨在为中国奶牛养殖业的科学管理和现代化生产提供新方法和新思路。
关键词：奶牛养殖；计算机视觉；生理参数监测；疾病诊断；精细畜牧业；智能养殖中图分类号：S-1；S8-01文献标志码：A文章编号：SA202204005引用格式：康熙,刘刚,初梦苑,李前,王彦超.基于计算机视觉的奶牛生理参数监测与疾病诊断研究进展及挑战[J].智慧农业(中英文),2022,4(2):1-18.KANG Xi,LIU Gang,CHU Mengyuan,LI Qian,WANG Yanchao.Advances and challenges in physiological param‐eters monitoring and diseases diagnosing of dairy cows based on computer vision[J].Smart Agriculture,2022,4(2): 1-18.(in Chinese with English abstract)1引言牛奶是健康中国、强壮国人的重要食物，奶业的振兴关系到了农业供给侧结构性改革的全局［1］。
奶牛行为监测系统的设计
胡祝青51090104033
摘要：本文主要阐述了奶牛行为监测系统的系统设计以及软硬件实现，着重介绍了基于重力加速度传感器技术的硬件系统设计和基于K-Means算法的检测中心软件的设计。
关键词：重力加速度传感器、RF、K-Means算法
0 引言
为了保证奶牛高产、稳产，必须毫不懈怠地抓好奶牛的配种工作。
随着奶牛业的发展，提高奶牛的繁殖率显得越来越重要，提高奶牛繁殖率，缩短产犊间隔，对于提高奶牛产奶量和奶牛生产经济效益具有重要意义。
在奶牛养殖业中，奶牛的发情检测和奶牛健康的保证在牛群繁殖管理中具有重要地位，及时发现奶牛发情有利于健康奶牛的及时受孕尧产犊并延长泌乳期，从而提高奶牛养殖的经济效益。
目前我国大部分规模化奶牛场，饲养采用散养模式、挤奶为集中模式，奶牛发情却是靠人工观察来完成，但人工观察是无法做到及时性和准确性，因而时常错过奶牛的发情期而不能及时配种，从而导致奶牛的生产潜力得不到有效发挥，奶牛养殖场的经济效益无法最大化。
发情母牛外表兴奋，举动不安，活动量随之明显增加。
通常我们可以依据奶牛发情期行为活动特点来判断奶牛的发情状态。
同时，还可以通过奶牛的行为活动量数据的分析得出奶牛的健康状况，如奶牛活动量明显下降，则说明奶牛可能出席那肢体病或消化疾病等。
目前市场上用得比较多的发情检测系统实际上是在计步器的基础之上发展而来的，由于它只能检测到一维的垂直方向的运动数据，因而对于要求同时检测到奶牛的其他动作（比如躺着、站立、慢走、快走、爬跨等）的监测系统而言，计步器显然不能胜任。
重力加速度传感器是一种能够测量加速度力的电子设备，它广泛应用于工程控制和测量上。
比如它已应用在手柄振动和摇晃，仪器仪表，汽车制动启动检测，地震检测，报警系统，玩具，结构物、环境监视，工程测振、地质勘探、铁路、桥梁、大坝的振动测试与分析，以及鼠标，高层建筑结构动态特性和安全保卫振动侦察上。
因而本文提出了一种基于重力加速度传感器的应用无线传感器网络监测奶牛行为特征的数字化智能系统，用于预测奶牛的发情期和疾病等状况。
1 系统设计
本系统由奶牛行为监测仪、无线读写控制器和监控中心管理软件三部分组成。
具体系统结构图如图1所示。
图 1 系统结构图
将奶牛行为监测仪安放在奶牛的适当部位，采集奶牛的行为活动量；将无限读写控制器的触发天线安装于挤奶厅入口处或奶牛必经之路，当奶牛经过触发天线，激活奶牛行为检测仪，奶牛行为检测仪将奶牛身份识别信息和奶牛行为活动量数据经过编码、调制后经过RF 无线发送模块通过Zigbee无线网络发送至无线读写控制器（RF接收模块）；各个无限读写控制器通过远距离数据传输网络将接收到的数据传输至计算机；计算机管理信息系统软件通过对各个奶牛行为活动量的检测，实现辅助检测奶牛发情和奶牛的健康状况。
通过检测、分析奶牛发情期能协助工作人员掌握牛只的发情状况、进而决定其配种时间。
2 硬件设计
2.1 奶牛行为监测仪
奶牛行为监测仪采用飞思卡尔ZATAR3的解决方案，拥有奶牛活动量的采集以及将采集数据无线发送到无线读写器的功能。
它主要由飞思卡尔的低功耗集成模块MC13213、重力加速度传感器MMA7660FC以及其他外围电路。
下面就两个主要模块进行详细的设计。
（1）低功耗集成模块MC13213。
MC13213是飞思卡尔提供的低功耗的集成S08低功耗单片机以及遵循ZigBee 2.4 GHz 无线网络的RF收发模块。
其中，S08单片机具有速度快、功能强、价格低、指令系统丰富
等特点，是具有性价比极高的8为单片机；而RF收发模块采用目前最先进的近距离、低功耗无线通信技术ZigBee，工作在2.4GHz频段，数据速率为250Kb/S。
（2）重力加速度传感器。
重力加速度传感器同样采用飞思卡尔的MMA7660FC。
该传感器能够分别采集奶牛X、Y、Z三个方向的运动加速度，并转换成数字信号后通过I2C总线传至MCU中。
MMA7660FC 能够非常精准地采集到作用在其上的非常微小的变化。
2.2 无线读写器
无线读写器用以将奶牛行为监测仪上的存储的活动量数据通过ZigBee无线网络采集到电脑上。
它由低功耗的集成模块MC13213、支持USB2.0高速传输的集成芯片MC68HC908JW32以及外围设备。
下面同样详细介绍下这两个主要模块。
（1）MC13213其功能与奶牛检测仪中的MC13213一样，它是通过RF接收模块接收奶牛行为检测仪上的活动量数据。
（2）MC68HC908JW32支持USB2.0高速存储，它可以将RF接收模块接收到的奶牛活动量数据传输到计算机中。
3 软件设计
监控中心管理软件可将通过USB收集到的奶牛活动量数据进行分析，实时判断奶牛的行为特征。
监控中心管理软件以K-Means算法为核心，需要把获取到的加速度数据判断分类成奶牛的5种运动行为。
为此建立如下模型来进行划分。
3.1 问题假设
（1）奶牛身上安装的节点，三轴方向指向分别为x轴指向牛尾，Y轴指向牛身体外侧与x轴为同一平面，Z轴指向地。
（2）奶牛在行进过程中节点抖动带来三轴方向的微细变化忽略不计。
（3）奶牛的动作行为简单归为5个类别：躺着、站立、慢走、快跑、爬跨。
3.2 算法实现
K-均值聚类算法是一种基于样本空间相似性度量的间接聚类方法。
类别相同的样本必具有类似的特征，它们的特征向量之间也会存在一定的相似之处，若两样本的各个特征向量近似相等，则它们必属于同一类型。
设样本集{X1, X2, … Xn}为N 个含有5 个特征类型的样本，其中特征空间R=S1 U S2 U …U Sk 。
在本应用中，个体样本Xp 取值为t a ∆，
,,,{,,}t x t y t z t a a a a ∆=∆∆∆ （1）
,,,1,()/x t x t x t x t a a a a -∆=- （2）
,,,1,()/y t y t y t y t a a a a -∆=- （3）
,,,1,()/z t z t z t z t a a a a -∆=- （4）
式中： ,x t a ，,y t a ，,z t a ——t 时刻x ，y ，z 轴的加速度分量，t=1,2,…,n ；,x t a ∆——每个时间点x 轴加速度差分数据。
步骤1：初始化 令k = 5。
选择k 个代表样本作为初始聚类中心：111
12,,...k C C C （上标为寻找聚类中心迭代次数）。
步骤2：样本划分
取样本Xi （i = 1,2,…,N ），若有 m l C ∃(l = 1, 2, … , k)，使得对∀j 都有：
l m m
i i j
X C X C -<- （j = 1, 2, … , k ；j ≠l ） 则，将样本
m i l X S ∈，其中m l S 代表聚类中心为l m C 的样本集合
上式中的距离用欧几里得距离判定。
步骤3：计算新的聚类中心
在步骤2中分类的基础之上，重新计算新的聚类中心位置，以便使从类别中的每个矢
量到新的聚类中心的距离之和最小。
11m j m j X S j C X n +∈=∑ （j = 1, 2, … k ）
式中 j n 表示该类中所包含的样本数。
步骤4：检查收敛
若 1m m j j C C +=
满足上式就已经收敛，否则 m = m + 1, 再回到步骤2继续迭代。
经过样本集的反复训练和学习，能够得到较为稳定的聚类中心，实测中将每个数据比对5个聚类中心点即可知属于哪个聚类。
由此算法可以将所有奶牛的行为特征归结为5个特征类别。
4 结论
（1）该文设计了一套基于无线传感器网络的奶牛行为特征监测系统，用于判断奶牛是否发情或生病。
（2）在试验分析中，采用的K-均值聚类算法能否较好的区分奶牛静止和动态的行为特征，还需要将该系统具体投入使用才知道。
（3）在检测中心软件系统的设计方面，还可以考虑使用双重模糊的K-Means 算法。
