基于神经网络的母猪发情行为研究

申东东 刘哲 朱程林

摘 要：神经网络是具有自学习和自适应能力，是一种分布式并行信息处理的算法数学模型。母猪发情检测大多是由经验丰富的养殖户来完成，相当耗时力，结果也不太准确，导致母猪不能及时配种。智能化的基于神经网络学习母猪发情研究变得必不可少。识别时，输入记忆母猪个体参数值，神经网络运用一系列的运算恢复到与发情母猪参数相适应，为监测出发情状况信息，预计其识别准确率比人工提高17%左右，且及时便利。

关键词：Hopfield神经网络;算法;母猪发情检测

专家针对的算法开发与设计进行了大量研究，如谭玫芳等（1996）依据专家常识和阅历从奶牛图像中提取了描画奶牛体强的12个重要参数，设计了一个三层前向神经网络，用以判定奶牛体强情况，取得了近似于人工判定的结果;目前尚未见相关将神经网络算法应用于母猪发情检测的文献报道。

Hopfield神经网络具备很强的计算功能的自学习性循环神经网络，具有输出反应到输入的特性。若反馈一直进行，则会输出一稳定的恒值。而且具有联想记忆能力，具备强的鲁棒性、非线性映射能力。本项目拟考虑采用Hopfield神经网络来解决母猪发情识别这一难题。

1 设计主要特点

本文使用Hopfield神经网络独有的记忆特性，将处于发情状态的大量母猪个体参数输入到该神经网络，使该神经网络学习并记忆母猪发情的特征，母猪个体生理参数的数据库，为判断母猪是否处于发情期提供切实可靠的数据依据。辨别时，经过输入母猪体征参数，通过相应的学习算法自动得到与发情母猪参数相对应的稳定模式，完成母猪发情辨别的工作。

母猪发情行为辨识的Hopfield神经网络模型建立：

离散Hopfield网络用于联想记忆有两个突出的特点：即记忆是分布式的，而联想是动态的。离散型Hopfield神经网络是存储内容的联想记忆模型，其信息存储量有限。如果要保证神经网络以及不出现严重偏差，那么一个含有 n 个神经元的Hopfield神经网络只可预存0.15 n 个样本，也就是说，在程序中预设的神经元数目限定了神经网络的母猪发情特征案例的存储数。

为处理离散型Hopfield神经网络存储量有限的这一难题，本算法首先在母猪发情模式辨别系统内部放置 M 0 个神经网络模块，每个神经网络模块最多存储 N i （ i=1，2，…，M 0 ）个样本模式，其中 ∑N i=N ， N 为系统中存储的案例总数， N i0.15n ，n 为单个Hopfield神经网络模块的神经元数目，如下图所示。

系統工作初始，所有神经网络模块对未知案例的识别，辨别系统得到 M 0 个可能与之类似的样本案例。用的到的 M 0 个样本案例训练 M 1 个新的神经网络模块，再用这些 M 1 个新的神经网络模块对未知案例进行识别，以此模式依次训练、识别，最终得到作为判别结果的一个事先存储的样本模型。

2 模块分析与设计

（1）外围硬件设备的搭建：为了能够为神经网络模型提供足够庞大的训练样本集，提高其预测的准确性，本项目针对母猪个体生理参数多源感知设备进行设计与研究，其主要技术路线如图1所示。本设计通过对单片机、传感器、无线传感器网络以及无线传输等技术进行综合应用，以母猪为研究对象，对其个体体温、脉搏、活动量等参数进行检测，并将采集到的信息实时传送至信息中心及终端设备，对母猪的生理情况进行监测记录，从而建立母猪个体生理参数数据库，为判断母猪是否处于发情期提供数据依据。

（2）数据样本采集的设计：设计数据由母猪身份编号识别、活动氛围及时间、卧姿状态及时间、正常体表温度等关键参数信息组成。编号之后的母猪可以进行一对一的检查和一系列的操作，利用计算机随时查看各个母猪的生长发育状况，另外含有报警设备，分为红黄绿三种小灯提示母猪的体况信息。红灯表示发烧或其他生理疾病的母猪，黄灯表示正处于发情期的母猪，绿灯表示发情期已经过去的母猪。等待人工确认后远程控制可以灯的亮灭，对存在相应状况的母猪进行合适的处理。

3 总结

Hopfield神经网络模型准输入模式将以发情母猪的关键信息数据参数，发情率和生理状况作为输出向量，不仅用于发情预测辨识，而且可用于监测母猪生长。该算法可以输入大量的关键信息作为自学习，等待学习结束后应用于母猪发情监测，得出识别信息发送至计算机客户端，进行数据对比之后，得出母猪是否发情或有其他不良症状。帮助养殖户准确，方便，快捷的做出相应的措施。提高了信息的准确性和科学性，解决了浪费大量人力而造成的养猪成本的增加，降低了养殖风险。

参考文献：

[1]陈少华.基于hopfield神经网络控制系统的研究.山东科技大学硕士论文，2010.