申请/专利权人：华南农业大学

申请日：2024-05-09

公开（公告）日：2024-06-07

公开（公告）号：CN118152931A

主分类号：G06F18/2415

分类号：G06F18/2415;G06F18/213;G06N20/00;G06N20/10

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.06.25#实质审查的生效;2024.06.07#公开

摘要：本发明公开一种基于有源电子耳标动态窗口机制的猪只行为分类方法，使用不同窗口下的三层机器学习模型计算不同行为概率值，然后设计概率加权策略对时间点上的多个行为概率值进行决策。其中第一层为分类睡眠行为和非睡眠行为，第二层分类采食行为与非采食行为，第三层分类坐立、走动、剧烈运动行为。结合概率策略后，最终实现睡眠、采食、坐立、走动、剧烈运动和其他行为的六分类。

主权项：1.一种基于有源电子耳标动态窗口机制的猪只行为分类方法，其特征在于，包括：S1：获取猪只电子耳标的三轴加速度数据及对应的类别真实标签；S2：设置猪只的行为分类目标集合，包括睡眠、采食、坐立、走动和剧烈运动；建立三层分类空白模型，其中第一层的行为分类目标为睡眠，第二层的行为分类目标为采食，第三层的行为分类目标为分类坐立、走动和剧烈运动；S3：从预设的时间窗口集合中选取一个时间窗口对三轴加速度数据进行划分，获得时间窗口数据集合；S4：对所述时间窗口数据集合依次进行去噪、特征提取操作，获得特征数据行集合；S5：对于所述三层分类空白模型中的每一层，均利用特征数据行集合对预设的分类模型集合中的每个分类模型进行训练，获得预测概率和类别预测标签；S6：基于类别预测标签和类别真实标签，计算每个分类模型的模型F1分数和行为类别F1分数；S7：更新时间窗口，重复步骤S3-S6，获得每一层对应的所有时间窗口下每个分类模型的模型F1分数和行为类别F1分数；S8：将每一层对应的模型F1分数最大时的分类模型和时间窗口，作为最优分类模型和最优时间窗口，填充进三层分类空白模型的对应层中，获得训练好的三层分类模型；S9：对最优分类模型的行为类别F1分数进行排序，获得行为分类目标的优先级；S10：基于所述行为分类目标的优先级，从预设的阈值集合中选取一组概率阈值，依次与最优分类模型对应的预测概率进行比较，获得每个时刻的最终类别预测标签；S11：基于所述每个时刻的最终类别预测标签与类别真实标签，计算分类正确率；S12：更新概率阈值，重复步骤S10-S11，获得所有概率阈值下的分类正确率；S13：将分类正确率最高时对应的概率阈值作为最优概率阈值；S14：获取待分类的猪只电子耳标的三轴加速度数据，利用每一层的最优时间窗口对待分类的猪只电子耳标的三轴加速度数据划分后，输入训练好的三层分类模型，得到每一层的最优时间窗口各行为的类别预测概率，将每一层的最优时间窗口各行为的类别预测概率写回到最优时间窗口的每一时刻中，获得每一时刻各行为分类目标的行为类别预测概率；将所述各行为的类别预测概率与最优概率阈值进行比较，获得每个时刻的猪只行为分类结果。

全文数据：

权利要求：

百度查询： 华南农业大学 一种基于有源电子耳标动态窗口机制的猪只行为分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD