1、胡祝青51090104033摘要：本文主要闡述了奶牛行為監測系統的系統設計以及軟硬件實現，著重介紹了基于重力加速度傳感器技術的硬件系統設計和基于K-Means算法的檢測中心軟件的設計。關鍵詞：重力加速度傳感器、RF、K-Means算法0引言為了保證奶牛高產、穩產，必須毫不懈怠地抓好奶牛的配種工作。隨著奶牛業的發展，提高奶牛的繁殖率顯得越來越重要，提高奶牛繁殖率，縮短產犢間隔，對于提高奶牛產奶量和奶牛生產經濟效益具有重要意義。在奶牛養殖業中，奶牛的發情檢測和奶牛健康的保證在牛群繁殖管理中具有重要地位，及時發現奶牛發情有利于健康奶牛的及時受孕堯產犢并延長泌乳期，從而提高奶牛養殖的經濟效益。目前我國

2、大部分規模化奶牛場，飼養采用散養模式、擠奶為集中模式，奶牛發情卻是靠人工觀察來完成，但人工觀察是無法做到及時性和準確性，因而時常錯過奶牛的發情期而不能及時配種，從而導致奶牛的生產潛力得不到有效發揮，奶牛養殖場的經濟效益無法最大化。發情母牛外表興奮，舉動不安，活動量隨之明顯增加。通常我們可以依據奶牛發情期行為活動特點來判斷奶牛的發情狀態。同時，還可以通過奶牛的行為活動量數據的分析得出奶牛的健康狀況，如奶牛活動量明顯下降，則說明奶牛可能出席那肢體病或消化疾病等。目前市場上用得比較多的發情檢測系統實際上是在計步器的基礎之上發展而來的，由于它只能檢測到一維的垂直方向的運動數據，因而對于要求同時檢測到奶

3、牛的其他動作（比如躺著、站立、慢走、快走、爬跨等）的監測系統而言，計步器顯然不能勝任。重力加速度傳感器是一種能夠測量加速度力的電子設備，它廣泛應用于工程控制和測量上。比如它已應用在手柄振動和搖晃，儀器儀表，汽車制動啟動檢測，地震檢測，報警系統，玩具，結構物、環境監視，工程測振、地質勘探、鐵路、橋梁、大壩的振動測試與分析，以及鼠標，高層建筑結構動態特性和安全保衛振動偵察上。因而本文提出了一種基于重力加速度傳感器的應用無線傳感器網絡監測奶牛行為特征的數字化智能系統，用于預測奶牛的發情期和疾病等狀況。1系統設計本系統由奶牛行為監測儀、無線讀寫控制器和監控中心管理軟件三部分組成。具體系統結構圖如圖1所

4、示。圖1系統結構圖將奶牛行為監測儀安放在奶牛的適當部位，采集奶牛的行為活動量；將無限讀寫控制器的觸發天線安裝于擠奶廳入口處或奶牛必經之路，當奶牛經過觸發天線，激活奶牛行為檢測儀，奶牛行為檢測儀將奶牛身份識別信息和奶牛行為活動量數據經過編碼、調制后經過RF無線發送模塊通過Zigbee無線網絡發送至無線讀寫控制器（RF接收模塊）；各個無限讀寫控制器通過遠距離數據傳輸網絡將接收到的數據傳輸至計算機;計算機管理信息系統軟件通過對各個奶牛行為活動量的檢測，實現輔助檢測奶牛發情和奶牛的健康狀況。通過檢測、分析奶牛發情期能協助工作人員掌握牛只的發情狀況、進而決定其配種時間。2硬件設計2.1奶牛行為監測儀奶牛

5、行為監測儀采用飛思卡爾ZATAR3的解決方案，擁有奶牛活動量的采集以及將采集數據無線發送到無線讀寫器的功能。它主要由飛思卡爾的低功耗集成模塊MC13213、重力加速度傳感器MMA7660FC以及其他外圍電路。下面就兩個主要模塊進行詳細的設計。（1）低功耗集成模塊MC13213。MC13213是飛思卡爾提供的低功耗的集成S08低功耗單片機以及遵循ZigBee2.4GHz無線網絡的RF收發模塊。其中，S08單片機具有速度快、功能強、價格低、指令系統豐富等特點，是具有性價比極高的8為單片機；而RF收發模塊采用目前最先進的近距離、低功耗無線通信技術ZigBee,工作在2.4GHz頻段，數據速率為250

6、Kb/S。(2)重力加速度傳感器。重力加速度傳感器同樣采用飛思卡爾的MMA7660FC。該傳感器能夠分別采集奶牛X、Y、Z三個方向的運動加速度，并轉換成數字信號后通過I2C總線傳至MCU中oMMA7660FC能夠非常精準地采集到作用在其上的非常微小的變化。2.2無線讀寫器無線讀寫器用以將奶牛行為監測儀上的存儲的活動量數據通過ZigBee無線網絡采集到電腦上。它由低功耗的集成模塊MC13213、支持USB2.0高速傳輸的集成芯片MC68HC908JW32以及外圍設備。下面同樣詳細介紹下這兩個主要模塊。MC13213其功能與奶牛檢測儀中的MC13213一樣，它是通過RF接收模塊接收奶牛行為檢測儀上

7、的活動量數據。MC68HC908JW32支持USB2.0高速存儲，它可以將RF接收模塊接收到的奶牛活動量數據傳輸到計算機中。3軟件設計監控中心管理軟件可將通過USB收集到的奶牛活動量數據進行分析，實時判斷奶牛的行為特征。監控中心管理軟件以K-Means算法為核心，需要把獲取到的加速度數據判斷分類成奶牛的5種運動行為。為此建立如下模型來進行劃分。3.1問題假設奶牛身上安裝的節點，三軸方向指向分別為x軸指向牛尾，Y軸指向牛身體外側與x軸為同一平面，Z軸指向地。奶牛在行進過程中節點抖動帶來三軸方向的微細變化忽略不計。奶牛的動作行為簡單歸為5個類別：躺著、站立、慢走、快跑、爬跨。3.2算法實現K-均值

8、聚類算法是一種基于樣本空間相似性度量的間接聚類方法。類別相同的樣本必具有類似的特征，它們的特征向量之間也會存在一定的相似之處，若兩樣本的各個特征向量近似相等，則它們必屬于同一類型。設樣本集XI,X2,.Xn為N個含有5個特征類型的樣本，其中特征空間R=S1US2U.USk。在本應用中，個體樣本Xp取值為Aat，LAa二tAa,Aa,Aax,ty,tz,t(1)Aa=(aa)/a(2)x,tx,tx,t1x,tAa=(aa)/a(3)y,ty,ty,t1y,tAa=(aa)/a(4)z,tz,tz,t1z,t式中：a，a，at時刻x，x,ty,tz,ty，z軸的加速度分量，tl,2,.,n；Aa

9、x,t每個時間點x軸加速度差分數據。步驟1：初始化令k=5。選擇k個代表樣本作為初始聚類中心：C1,C1,.C1（上標為尋找聚類中心迭12k代次數）。步驟2：樣本劃分取樣本Xi（i=1,2,若有3Cp（l=1,2,k）,使得對Vj都有：IIXi-ClmIHIXCm|（j=1,2,，k；j豐l）ilij則，將樣本xeSm，其中Sm代表聚類中心為Cm的樣本集合illl上式中的距離用歐幾里得距離判定。步驟3：計算新的聚類中心在步驟2中分類的基礎之上，重新計算新的聚類中心位置，以便使從類別中的每個矢量到新的聚類中心的距離之和最小。Cm+i=工X(j=1,2,k)jnjX巧式中n表示該類中所包含的樣本數。j步驟4：檢查收斂若Cm+1=Cmjj滿足上式就已經收斂，否則m=m+1,再回到步驟2繼續迭代。經過樣本集的反復訓練和學習，能夠得到較為穩定的聚類中心，實測中將每個數據比對5個聚類中心點即可知屬于哪個聚類。由此算法可以將所有奶牛的行為特征歸結