基于ADXL345的奶牛活动量采集系统设计

沈维政，郑 爽，初永良，孔庆明

（东北农业大学电气与信息学院，哈尔滨 150030）

畜牧业是农业的重要组成部分，近年来，由于养殖方式粗放，现代化管理手段缺乏，致使奶牛饲养成本上升、原料奶品质不高、奶牛产奶量和转化率相对较低，影响我国奶牛养殖业健康发展[1-2]。应用单片机和传感器技术采集奶牛活动量等参数，对于预防奶牛疾病、准确判断奶牛发情期、实现奶牛精细饲养、提高奶牛产奶量和原料奶质量具有重要作用。

活动量是判断奶牛发情期和健康状况的生理指标之一。曹学浩等研究表明，奶牛发情时异常兴奋，活动量明显增加；奶牛生病时，活动量明显减少[3]。及时发现奶牛发情有利于奶牛及时受孕、产犊和延长泌乳期，提高产奶量[4]。目前，我国主要采用人工观察奶牛发情前行为特征判断奶牛发情期和受孕时机的传统发情监测方法，这种方法仅适用于小规模的奶牛养殖场，不利于检测奶牛夜间发情行为，易造成漏配，无法满足规模化养殖需求[3]。近年来，国内外学者对奶牛的活动量采集工作进行研究，Brehme等采用ALT计步器研制的计算机辅助测量系统检测奶牛发情期[5]。Paula等使用三维加速度计和支持向量机（SVM）对奶牛行为模式进行识别和分类[6]。Nadimi等使用基于ZigBee的移动ad hoc无线传感器网络和人工神经网络监测动物行为并对其行为模式分类[7]。尹令等应用三轴加速度传感器对奶牛行为特征分类并预测奶牛发情期[8]。国外已开发出较成熟商业化产品，如：以色列阿菲金（Afimilk）的Afitag，瑞典利拉伐（DeLaval）的 Activity Meter，德国韦斯伐利亚（Westfalia）的Rescounter等[9]。而国内起步较晚，技术落后，未有能大规模推广应用的产品，自主研发成熟易用的奶牛活动量采集系统尤为必要。本文设计一个奶牛活动量采集系统。通过该系统，奶牛饲养员能及时获取奶牛个体的活动量信息，快速准确判断其发情期和身体异常情况，有助于延长奶牛产乳期，提高其年产奶量，促进我国奶业持续健康发展。

1 系统设计

考虑到本系统的应用环境为奶牛养殖场，因此在进行系统设计前需对奶牛养殖场的规模、建设、布局和奶牛的生活习性等情况进行实地研究，对无线组网选择、节点布置、奶牛间碰撞、低功耗等[10]进行全面设计。综合比较蓝牙、Wi-Fi、红外和ZigBee等技术不同优势，本文采用ZigBee无线网络通信。ZigBee技术是一种短距离、可靠、低复杂度、低数据速率双向无线通信技术，优点是低功耗、低成本和自组网[11-12]。由于奶牛身体遮挡等因素，根据实际测试可知，牛舍内ZigBee有效通信距离为60 m。

奶牛活动量采集系统结构如图1所示，主要由活动量采集节点、路由节点、中心节点、RS485/RS232转换节点和PC终端（信息中心）组成。活动量采集节点佩戴在奶牛颈部，负责检测奶牛三轴加速度数据；与路由节点和中心节点形成ZigBee无线网络，经路由节点将数据传送至中心节点；中心节点将加速度数据通过RS485和RS232有线传输至信息中心；信息中心处理接收数据对其行为特征分类，将奶牛发情和身体异常情况通过GPRS发送至饲养员的手机或PDA上。

图1 奶牛活动量采集系统结构Fig.1 Structure of cows activity data acquisition system

2 系统硬件设计

2.1 活动量采集节点设计

活动量采集节点工作时需佩戴在奶牛身体上，为不影响正常生理活动，要求该节点具有体积小、质量轻、功耗低、防撞、防水、耐用等特点。综合比较MSP430、AVR和8051等单片机在性能、功耗和性价比等方面不同优势，本文主处理器选用MSP430F149单片机。该单片机采用16位精简指令系统，具有处理能力强、超低功耗等特点。活动模式下工作电流为225 μA，待机时仅为0.8 μA[13]。三轴加速度计采用 ADI公司 ADXL345，该传感器具有功耗低、体积小、分辨率高（13位）等特点，数字输出16位二进制补码格式数据。电压为2.5 V时，测量模式下低至23 μA，待机模式下为 0.1 μA[14]。ZigBee芯片选用美国 TI公司CC2430，该芯片内结合高性能2.4 GHz射频收发器和低功耗高性能8051微控制器；具有极高的接收灵敏度和抗干扰性能；在接收和发射模式下，电流损耗分别低于27和25 mA，休眠模式下仅需0.9 μA，适合运用于低功耗的应用[15]。该节点结构如图2所示，采用两块电压为3.6 V、容量为1350 mAh锂电池供电。如图3所示，尺寸为100 mm×60 mm×15 mm。

图2 奶牛活动量采集节点结构Fig.2 Structure of cows activity data acquisition node

图3 奶牛活动量采集节点实物图Fig.3 Realy picture of cows activity data acquisition node

2.2 中心节点和路由节点设计

中心节点和路由节点结构分别如图4、5所示。中心节点和路由节点均采用TI公司CC2430芯片。中心节点作为ZigBee网络中协调器，负责发起建立网络。由于中心节点和路由节点需固定安置，可采用220 V市电经转换后作为其主动电源。备用电源采用3.6 V、600 mAh锂电池，用于主动电源发生故障时维持本系统的正常运行。路由节点安置在牛舍屋顶下方合理处，进行布点时需考虑牛舍内ZigBee有效通信距离，奶牛站立和躺卧时活动量采集节点高度变化[10]，根据牛舍实际情况合理布置，尽量减少路由节点以降低成本。

图4 中心节点结构Fig.4 Structure of center node

图5 路由节点结构Fig.5 Structure of routing node

2.3 RS485/RS232节点设计

中心节点与信息中心之间采用RS485进行数据通信。由于RS485不能与PC机直接进行通信，故需加入RS485/RS232节点进行转换，将数据通过串口方式传送至PC机。考虑RS485的传输距离有限，不同奶牛养殖场牛舍与信息中心之间距离不同，可适当添加RS485中继器以延长其传输距离。

3 系统软件设计

3.1 活动量采集程序设计

奶牛活动量采集程序流程如图6所示。设备上电后，进行初始化，检测ZigBee网络并加入，三轴加速度计开始采集数据，经ZigBee无线传输模块进行发送，发送成功后，设备开始进入休眠状态，到一定时间后结束休眠，设备重新进入正常工作状态。

图6 活动量采集程序流程Fig.6 Activity data acquisition program flow

3.2 活动量算法设计

本系统通过三轴加速度计ADXL345采集X、Y、Z三轴方向的运动加速度，用K-均值聚类算法将奶牛行为分为静止、微动、慢走、爬跨和快跑五种状态，以表征其活动量。2013年5月在完达山奶牛养殖场进行数据采集，对4头佩戴活动量采集节点的成年奶牛连续视频监控3 d，获取其各种行为特征下的三轴加速度数据，为后期奶牛行为特征分类算法实现提供数据支持。

本系统活动量采集节点设计为项圈式，佩戴在奶牛颈部。ADXL345三轴加速度传感器的X轴指向奶牛头部，Y轴与X轴成水平面指向奶牛外侧，Z轴垂直指向地。奶牛行为特征分为静止、微动、慢走、爬跨和快跑五种状态，即K=5。选取此五个行为特征的样本集为S={A1，A2，A3，…，An}，其中，Ai={ax,t，ay,t，az,t}，ax,t、ay,t、az,t分别为t时刻X、Y、Z轴方向的加速度[8]。具体实现步骤如下：

①选取5个待聚类的聚类中心μ1，μ2，…，μ5。

②计算样本中的每个点到聚类中心的欧式距离，将每个点聚类到离该点最近的聚类中。

注：公式（1）中C（i）代表样本Ai与5个类中距离最近的那个类，μj为第j类的聚类中心。

③计算每个聚类中所有点的坐标平均值，并将这个平均值作为新的聚类中心。

④重复执行（2）、（3），直到聚类中心不再进行扩大范围移动或者聚类次数达到要求为止[16]。

经过以上4步，最终能够得到5个稳定的聚类中心μ1、μ2、μ3、μ4、μ5，将采集的数据与这 5 个聚类中心分别计算其欧式距离，求出距离最近的那个类，即可实现奶牛行为特征分类。奶牛行为特征分类如图7所示。

图7 奶牛行为特征分类Fig.7 Cow behavior classification

3.3 奶牛发情和身体异常方法判定

研究表明，奶牛发情期运动量显著增加，发情前期会有爬跨等现象；奶牛患蹄部疾病、消化系统疾病等时，躺卧时间较长[3]。根据大量奶牛视频监控录像数据分析可知，发情期奶牛与未发情奶牛一天（24 h）内大幅度运动（快跑和爬跨）时间比例明显不同；身体异常奶牛与健康奶牛一天内轻幅度运动（静止和微动）时间比例也会有明显差距[17]。本文据此对奶牛发情期和身体异常情况进行判定。但是此处一天不能用正常的0:00～24:00时间段划分，假如奶牛在夜间23:00开始发情，由此计算出的奶牛大幅度运动时间比例将不准确。为准确计算其时间比例，本文通过计算相邻采样点加速度变化值判断其行为状态突变[18]，确定快跑或爬跨状态是否结束，结束时间点记作一天的终点。

假定：一天时间记为T（s），快跑和爬跨时间总和为T1（s），静止和微动时间总和为T2（s），发情阈值为H，身体异常阈值为L，快跑和爬跨一天内时间比例为P，静止和微动一天内时间比例为J，则P=T1/T，J=T2/T。如果：P≥H，则说明该奶牛处于发情期；如果：J≥L，则说明该奶牛身体出现异常。

4 结果与分析

4.1 结果精度验证

为验证该系统性能，于2013年7月在哈尔滨市完达山奶牛养殖场进行测试，选择一头健康成年奶牛进行4 h试验。三轴加速度计采样频率为12.5 Hz，采用视频监控录像对比，测试前将该奶牛的活动量采集节点时间与视频监控时间调成一致。共采集样本个数15062个，奶牛行为特征分类测试结果如表1和图8所示。

表1 奶牛行为特征分类测试结果Table 1 Cow behavior classification test results

图8 奶牛行为特征分类结果Fig.8 Cow behavior classification results

4.2 结果分析

根据表1结果可知，该分类模型的整体表现合理。对所有奶牛行为模式分类的准确率超过70%，其中，奶牛轻幅度运动（静止和微动）分类准确率为72.82%，大幅度运动（爬跨和快跑）分类准确率达到79.53%；奶牛运动幅度越大，其行为特征分类准确率越高。

本文采用K-均值聚类算法对奶牛的行为特征进行分类，在一定程度上能对奶牛的静止、微动、慢走、爬跨和快跑等行为进行正确区分，但也会出现一些误判行为。每个行为类别均会混淆一个或两个行为模式。静止和微动、微动和慢走比较容易相互混淆。轻微微动通常容易被误判为静止，小幅度慢走则容易被误判为微动，爬跨状态下慢走分类准确率较低。

5 讨 论

目前业界对奶牛活动量检测没有统一标准，主要是通过计步器采集奶牛的步数和对奶牛的行为特征进行分类以表征其活动量。其中，如何描述奶牛行为特征及分类方法有差异。本系统目前还不完善，有待进一步提高：①通过气体代谢分析仪分析奶牛呼吸的气体推算其消耗的能量，建立加速度计能耗方程[19]，用奶牛在一段时间内消耗的能量表征其活动量。②活动量采集节点工作时需定期更换电池，使用无线充电方式在奶牛采奶时对活动量采集节点进行充电[20]，能避免其电池频繁更换，延长电池使用时间。③对不同类型、不同年龄奶牛进行测试，采集数据，对活动量算法进行优化。④增加奶牛体温和脉搏检测模块，结合奶牛发情期体温和脉搏的变化情况，对奶牛的发情期进行综合判定。⑤添加奶牛识别定位模块，对处于发情期或身体异常的奶牛快速做出反应，精准定位。

6 结 论

本系统完成奶牛活动量的采集、传输和分析处理等功能，在完达山奶牛养殖场测试，测试结果表明，该系统能快速、准确判定奶牛发情和身体异常状况。该系统采用性能高、功耗低单片机和传感器，运行稳定、开发成本低，具有一定应用价值。

[1] 李胜利,张胜利,刘建新,等.2011年度奶牛产业技术发展报告[J].中国畜牧杂志,2012,48(6):37-44.

[2] 范福祥,肖建华,张瑜,等.奶牛繁育监测系统的构建[J].东北农业大学学报,2012,43(3):32-35.

[3] 曹学浩,黄善琦,马树刚,等.活动量监测技术的研究及其在奶牛繁殖管理中的应用[J].中国奶牛,2013(8):37-40.

[4] 李跃华,岳云峰,范吉云.低功耗奶牛行为监测仪的设计[J].苏州大学学报,2010,30(2):27-30.

[5] Brehme U,Stollberg U,Holz R,et al.ALT pedometer—New sensor-aided measurement system for improvement in oestrus detection[J].Computers and Electronics in Agriculture,2008,62(1):73-80.

[6] Martiskainen P,Jarvinen M,Skon J P,et al.Cow behaviour pattern recognition using a three-dimensional accelerometer and support vector machines[J].Applied Animal Behaviour Science,2009,119(1):32-38.

[7] Nadimi E S,Jorgensen R N,Blanes-Vidal V,et al.Monitoring and classifying animal behavior using ZigBee-based mobile ad hoc wireless sensor networks and artificial neural networks[J].Computers and Electronics in Agriculture,2012,82:44-54.

[8] 尹令,刘财兴,洪添胜,等.基于无线传感器网络的奶牛行为特征监测系统设计[J].农业工程学报,2010,26(3):203-208.

[9] 赵读俊.基于ZigBee技术的奶牛活动量监测系统的研究与设计[D].广州:广东工业大学,2011:2-4.

[10] 赵读俊,鲍鸿,廖之健,等.基于ZigBee技术的奶牛活动量采集系统设计[J].电子科技,2011,24(2):44-46.

[11] 李文仲,段朝玉.ZigBee2006无线网络与无线定位实战[M].北京:北京航空航天大学出版社,2008.

[12] 苏中滨,王学进,沈维政,等.基于ZigBee技术的奶牛定位系统组网方案研究[J].东北农业大学学报,2013,44(2):136-141.

[13] 崔宇宁.基于MSP430的人体平衡能力检测系统设计[D].大连:大连理工大学,2008:14-17.

[14] 刘德胜.基于ADxL345的无线传感器网络研究[D].北京:北京邮电大学,2010:15-16.

[15] 杨世超.基于CC2430的ZigBee节点设计及MAC层协议改进[D].上海:上海交通大学,2012:16-25.

[16] 朱建宇.K均值算法研究及其应用[D].大连:大连理工大学,2013:16-20.

[17] 孙保贵,郭予伟,陈茂学,等.奶牛运动量辅助发情诊断参数的研究[C].中国畜牧兽医学会养牛学分会2011年学术研讨会论文集,2011:244-250.

[18] 尹令,洪添胜,刘汉兴,等.结构相似子序列快速聚类算法及其在奶牛发情检测中的应用[J].农业工程学报,2012,28(15):107-112.

[19] 向剑锋.大学生体力活动监测中运动传感器能耗预测方程的建立与应用[D].上海:上海体育学院,2011:2-6.

[20] 江发昌.无线充电传感器网络系统及应用[D].杭州:浙江大学,2012:5-10.