Real-Time Monitoring Method for Cow Rumination Behavior Based on Edge Computing and Improved MobileNet v3

分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2024-08-30 合作期刊: 《智慧农业（中英文）》

ZHANG Yu LI Xiangting SUN Yalin XUE Aidi ZHANG Yi JIANG Hailong SHEN Weizheng

摘要： ［目的/意义］ 随着奶牛养殖业向规模化、精准化和信息化养殖迅速发展，对奶牛健康的监测和管理需求 也日益增加。实时监测奶牛的反刍行为对于第一时间获取奶牛健康的相关信息以及预测奶牛疾病具有至关重要的 意义。目前，针对奶牛反刍行为的监测已经提出了多种策略，包括基于视频监控、声音识别、传感器监测等方法， 但是这些方法普遍存在实时性不足的问题。为了减轻数据传输的数量与云端计算量，实现对奶牛反刍行为的实时 监测，基于边缘计算的思想提出了一种实时对奶牛反刍行为进行监测的方法。［方法］ 使用自主设计的边缘设备实 时地采集并处理奶牛的六轴加速度信号，基于六轴数据提出了基于联邦式与拆分式边缘智能这两种不同的策略对 奶牛反刍行为实时识别方法展开研究。在基于联邦式边缘智能的奶牛反刍行为实时识别方法研究中，通过协同注 意力机制改进MobileNet v3网络提出了CA-MobileNet v3网络，进而利用CA-MobileNet v3网络和FedAvg模型聚合 算法，设计了联邦式边缘智能模型。在基于拆分式边缘智能的奶牛反刍行为实时识别方法研究中，利用融合协同 注意力机制的MobileNet v3网络和Bi-LSTM网络，设计了基于MobileNet-LSTM的拆分式边缘智能模型。［结果和讨 论］ 对比了MobileNet v3、CA-MobileNet、联邦式边缘智能模型，以及拆分式边缘智能模型的识别准确率，其中基 于CA-MobileNet v3的联邦式边缘智能模型的平均查准率、召回率、F1-Score、特异性以及准确率分别达到97.1%、 97.9%、97.5%、98.3%和98.2%，达到了最佳识别效果。［结论］ 本研究为奶牛反刍行为的监测提供了一种实时有 效的方法，所提出的方法可以在实际应用中使用。

通过

 点击量 1706  下载量 376  评论 0