基于SVM的猪只行为分类.pdfVIP

152 广东农业科学 2016 年第 3 期 基于SVM 的猪只行为分类 俞守华，杨剑达，陈紫域，杨畅达 (华南农业大学数学与信息学院，广东广州 510642 ) 摘 要:鉴于我国现有规模化养猪场中猪只健康鉴定主要依赖于人工观测、效率低、误判率高的现状，通 过在规模化养猪场宿舍正上方悬挂网络摄像头采集猪只活动视频，应用支持向量机模型分析猪只运动参数和 体态特征数据，对猪只的采食、排泄、站立、趴窝、慢走、跑动等行为进行分类。结果表明，该模型对于猪只的 6 种行为分类准确率达 96.09%。 关键词:行为分类;SVM; 猪只;健康养殖 中图分类号: S81 1.8; S828 .4 文献标识码:A 文章编号: l004-874X (2016) 03-0152-05 Pig behavior recognition based on SV岛f YU Shou-hua , YANG Jian-da , CHEN Zi-cheng , YANG Chang-da ( College ofMathemαtics and 句format巾， South China Agricultural University , Guangzhou 510642 , Chinα) Abstract: Nowadays. identification of sick pig mainly relies on manual observation. This method is inefficient and has high error rate. A IP camera hung on the middle of ceiling of pig pen ìn large-scale pig farm was developed in this research. Pigs hehavìor vìdeo can he captured through the IP camera. The locomotory parameter and posture features data of pìg were analyzed to categorize into eating , excreting , stanrli吨， lying , walkìng anrl running behaviors using SVM models. The results ìndicaterl that the method could rlistinguish sìx hehaviors of pig with the accurancy rate of 96.09%. The results proviòed reference for identificating sick pigs. Key words: hehavior recognition; SVM j pig j healthy breeding 在养猪场中，饲养员可通过观察猪只的采食和 度、训练时间比较长、需要较多的经验知识初始化 排泄行为判断其健康状况~1-21 。随着养猪场的规模 网络结构、网络的解释能力比较差。本研究选择支 持向量机方法实现猪只行为分类，其分类计算量 化，仅靠人工识别猪只行为无法保证猪只的健康养 小，不依赖于训练集，模型具有良好的推广能力， 殖，且会大大增加管理人员的工作负担。为此，猪 可为猪只健康养殖提供参考。 只行为的智能分类是实现猪只健康养殖的前提，其 能使生产管理人员更便捷、更客观地掌握猪只的健