基于SVM的猪只行为分类

2016-07-27 02:08:03俞守华杨剑达陈紫城杨畅达
广东农业科学 2016年3期

俞守华,杨剑达,陈紫城,杨畅达



基于SVM的猪只行为分类

俞守华,杨剑达,陈紫城,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猪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

在养猪场中,饲养员可通过观察猪只的采食和排泄行为判断其健康状况[1-2]。随着养猪场的规模化,仅靠人工识别猪只行为无法保证猪只的健康养殖,且会大大增加管理人员的工作负担。为此,猪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康状况及生长规律。有学者选用最近邻分法实现行人行为分类[3],这种方法存在在分类过程中计算量大、依赖于训练样本和用于度量相似性的距离函数选择多等问题;也有学者选用动态贝叶斯网络分类人体行为[4],这种方法的实际效果取决于使用者对实际应用的先验知识;有学者则使用BP神经网络进行人体行为分类[5],这种方法具有很强的自组织学习能力且有很好的鲁棒性,但其易学习过度、训练时间比较长、需要较多的经验知识初始化网络结构、网络的解释能力比较差。……

登录APP查看全文