皇冠即时赔率网 | 文獻求助論文范文 | 論文題目 | 參考文獻 | 開題報告 | 論文格式 | 摘要提綱 | 論文致謝 | 論文查重 | 論文答辯 | 論文發表 | 期刊雜志 | 論文寫作 | 論文PPT
皇冠即时赔率网您當前的位置:皇冠即时赔率网 > 農學論文 > 畜牧獸醫論文

澳门盘口足球即时赔率盘:奶牛個體識別最新研究成果綜述

時間:2019-12-17 來源:中國農業大學學報 作者:孫雨坤,王玉潔,霍鵬舉 本文字數:13321字

皇冠即时赔率网 www.471027.live   摘    要: 為了解個體識別在奶牛生產中記錄產奶量、監控采食活動、監測臥床行為、追蹤活動軌跡以及其他生產項目中的研究現狀,以“奶牛”、“個體識別”、“識別方法”和“生產應用”為關鍵詞,對2008—2018年的文獻進行檢索,并根據識別過程的不同特點對三類識別方法,即人工機械識別、接觸式電子識別和圖像生物識別進行歸納和總結并對識別方法、現代化生產應用以及國內進展等3個方面進行歸納和總結。結果表明:1)生物識別技術相較于傳統方法對奶牛個體的傷害較小,可以在很多方面克服環境的干擾。2)目前智能識別技術與奶牛行為活動監測相關聯,可以全面掌握個體健康狀況和生產性能。3)國內在計算機視覺方面取得了長足的進步,為個體的智能化識別打下了堅實基礎。今后個體識別技術研究應該著重于提高對環境的適應性和系統的兼容性,為建立完整的自動化奶牛監測體系提供依據。

  關鍵詞: 奶牛; 個體識別; 識別方法; 生產應用概況;

  Abstract: To evaluate the development of individual identification of dairy cows during production in recording milk yield,monitoring feeding activity,monitoring bed behavior,tracking activity track and other production projects,the literature related to methods and application of dairy cow identification 2008-2018 are retrieved by using “dairy cow”,“individual recognition”,“identification method” and “production application” as keywords.The results show that:1) Compared with traditional methods,biometrics identification could overcome environmental interference in many aspects to reduce harm to individual cows.2) Currently,intelligent identification technology associated with the monitoring of cow behavior could comprehensively monitor individual health status and production performance.3) China has made great progress in computer vision,which builds a solid foundation for intelligent identification of individuals.In the future,the research on individual identification technology should focus on improving the environmental adaptability and system compatibility to provide basis for the establishment of a complete automatic cow monitoring system.

  Keyword: dairy cow; individual recognition; identification method; production application;

  隨著集約化牧場的不斷增多,精準畜牧業逐漸成為牧場高效管理理念,大數據化管理系統可以為集約化牧場提供關鍵生產指數和早期預警[1]。個體識別是實現牧場數字化和智能化管理的基礎,高效的牧場管理需要準確掌握群體的動態信息,分析牧場管理數據的前提是準確收集相關個體數據。傳統牧場對奶牛個體識別的方式以人工觀測為主,雖然仍適用于存欄數較小的牧場,但對于規模較大的牧場,就會產生工作效率較低、勞力強度過大的問題,不適合集約化牧場的需求[2]。除人工觀察之外,當前應用較多的個體識別方法是無線射頻技術(Radio frequency identification,RFID),該技術主要通過電子耳標與固定式或移動式的信號收發器讀取奶牛的個體編號,多應用于記錄產奶信息及尋找奶牛等方面。2012年來,隨著成像技術和模型訓練領域的不斷發展,圖像生物識別技術在農業生產中的應用也變得越來越廣泛,該技術在奶牛生產中健康評估、發情監控、行為活動等得到應用?;諭枷襠鍤侗鵂際醯腦詬鎏迨侗鴟矯嬗兇拋既沸愿吆統殺鏡土奶氐?。奶牛個體識別可為牧場記錄采食信息、產奶量、行為活動等提供了相關數據支撐,并結合計算機系統進行管理優化與決策部署。

  為了解奶牛個體識別在生產中的應用現狀,本研究擬以“奶牛”、“個體識別”、“識別方法”和“生產應用”為關鍵詞,對2008—2018年的研究論文進行檢索,根據識別過程的不同特點對三類識別方法,即人工機械識別、接觸式電子識別和圖像生物識別進行歸納和總結,并簡述了現代生產中智能化個體識別與其他生產因素的相互關聯和管理應用,以期為我國智能化養殖提供參考依據。
 

奶牛個體識別最新研究成果綜述
 

  1 、個體識別方法

  獲取動物個體編號是許多管理系統的第一步,每種方法都有不同的適用場景。準確、高效的識別動物個體需要具備易于操作、時效性強、特征突出、以及無害處理等基本特點。在建立識別系統時需要考慮收集信息過程的可靠性、高效率和準確性,以防止個體信息的丟失與錯錄。根據其不同特點和管理目標,識別方法可以被分為三類,即:人工機械、接觸式電子識別和生物識別。

  1.1、 人工機械識別

  該方法需要在動物身體做相應標記,再由飼養員根據不同生產需要尋找特定目標。一種標記方法是在動物身體做永久性標記,包括刻耳和烙印??潭枰羧ザ鋃潯咴擋糠?通過耳朵上下左右不同位置的缺口確定分組或編號(圖1(a));或者將編號紋于牛耳內側[3]。烙印法用電熱鐵將編號印在身體上,或冷凍法利用不同色素將號碼植入奶牛側面區域(圖1(b))。雖然永久標記法看似簡單易行,但剪耳或熱烙印都對奶牛產生巨大的傷害,尤其造成奶牛對飼養人員產生潛在的恐懼心理,不利于生產管理。此外,耳朵的延展性不強,可以標記的動物編號有限,所以并不適合大規模牧場[4]。而冷凍烙印會隨著動物年齡的增大或者毛色的改變,號碼會還原成近似牛毛的顏色,難以辨認。

  耳標(圖1(c))是一種較為常見的個體識別方法,不但安裝方便而且價格低廉,而且能夠減小對動物的傷害,易于養殖戶辨認,識別錯誤率低[5]。耳標的材質多為塑料或者金屬,耳標表面可以標記為數字、條形碼或者不同顏色,也可以內置電子識別芯片。但是在實際生產中經常存在耳標丟失、損壞的情況,Fosgate等[6]發現由于丟失情況時常發生,不適合長期使用耳標,因此在一個牧場里的水牛佩戴耳標2年后仍可識別的動物僅有21%。另外,耳標的使用也會感染一些疾病,一項研究發現,耳標引起的奶山羊發病率為3.3%,6.5%存在耳組織受損的情況。上述方法都需要人工識別奶牛編號,所以加大了勞動成本,在大規模牧場中顯得費時費力。

  圖1 常見人工機械識別個體方法[3]
圖1 常見人工機械識別個體方法[3]

  Fig.1 Common individual recognition methods of artificial machines[3]

  1.2、 接觸式電子識別

  射頻識別技術通過無線電波識別或追蹤目標,廣泛應用在動物識別、門禁訪問、停車服務、物聯網跟蹤等領域,該方法主要硬件組成包括RFID標簽、應答器以及管理主機或者服務器,根據使用和技術標準可以分為耳標式、注射式和膠囊式[7]。在奶牛場中,耳標形式的RFID標簽作為信號源較為常見,操作頻率可分為高頻(13.56 MHz)和低頻(125.0~134.5 kHz),高頻(455 MHz,2.45 GHz,5.80 GHz)讀取距離在20~100 m,而低頻(124 kHz~960 MHz)提供的讀取范圍在0.3~3.0 m[8]。最近的研究使用超寬帶信號(Ultra-wide band,1GHz)識別奶牛,其畜舍內的識別準確性高于高頻和超高頻信號,Porto的試驗中超寬帶信號在0.110 m的距離識別率為100%,在0.515 m的識別準確率為98%[9]。

  相較于其他傳統識別方式,RFID標簽可以記錄大量數據,根據每頭動物的不同編號,可以追蹤從出生到被屠宰的全部信息。RFID可以配合終端服務器追溯個體的牧場信息、疾病情況以及生產情況,大數據能夠幫助牧場提高信息的可靠性和實用性。RFID的工作原理并不依靠視覺識別個體,與傳統方式相比降低了0.1%~6.0%的識別錯誤率,從識別效率來看,理論上系統每秒可以讀取1 000次標簽信息[7,10]。然而RFID也存在一些安全隱患,RFID系統由標簽、通信電路、應答機、網絡、終端服務器組成,容易發生標簽內容被竄改、系統內容顯示錯誤或服務器受到網絡安全攻擊等情況[11,12]。同時,整套系統的成本較高,市場中根據不同應用需求,售價在幾萬到十幾萬不等。另外,根據實際現場的反饋,RFID會受到不同電磁環境的影響,應用效果差別巨大。標簽功率、鐵制圍欄、降溫風扇、電路質量等因素都會影響應答器接收電磁波的效果,導致讀取距離縮小進而影響數據信息的采集。

  另一種電子識別方式是可穿戴式無線傳感器技術,其中以奶牛佩戴項圈或腿環較為常見,在這些裝備中安裝有傳感器,通過無線網絡傳至終端服務器。這類傳感器可以檢測到動物行為變化:測定加速度、角速度、咀嚼聲音或壓力;測定舍內環境變化;測定溫度、濕度或者氣壓等。對于個體識別來說,由于傳感器需要為單獨奶牛進行適配,所以個體與數據之間具有匹配的唯一性,因此其個體識別率為100%[9,13]。

  1.3、 圖像生物識別

  生物識別需要提取動物個體行為或生理特征,根據個體特征的唯一性,結合計算機與光學、聲學、生物傳感器和生物統計學原理進行識別動物個體的面部、聲音、指紋等。與其他傳統方法相比,該技術的特點不需要為動物佩戴多余設備或標記識別信息[14]。生物識別過程包括:讀取標簽,傳入服務器,標簽處理,標簽分類,匹配和存儲。生物識別技術提高了個體識別的安全性和自動化識別的準確性和穩定性,具有適用廣泛(覆蓋各行各業)、性能卓越(準確、高效和魯棒性強)及錯誤率低的特點。目前主要的生物識別方式是利用圖像信息技術對面部、鼻鏡、和眼部等特征部位進行解析[15,16]。

  奶牛鼻鏡紋路猶如人體指紋一般,個體之間具有特殊的紋理和突起,不會隨著時間推移而發生重大改變,可以作為識別個體身份的有效特征。早期由于圖像像素較低、數據不充分、模型匹配度差等原因,在30頭動物中驗證期其識別準確率只有66.6%[17]。Noviyanto等[18]采集了8頭奶牛的120張鼻鏡圖像,提取奶牛鼻孔之間的鼻鏡部分(圖2),將圖像分辨率調整至200×200 PPI,增強對比度后,準確度可以達到90%。

  圖2 奶牛鼻鏡紋路[18]
圖2 奶牛鼻鏡紋路[18]

  Fig.2 Nasal mirror pattern of cows[18]

  奶牛眼部主要對虹膜和視網膜血管進行特征性識別,虹膜屬于眼球中層結構,由于虹膜特征點較多,可以不受樣本角度和尺寸變化的影響。Lu等[19]的試驗中,60張分辨率為320×240 ppi的虹膜圖片實現了98.33%的識別準確率。視網膜存在于眼球內部,識別過程需要掃描眼底的血管圖像,在視網膜的圖像上可以看到兩種類型的血管,其中毛細血管不僅特征不明顯,還容易受到外界干擾(比如受到應激時眼部充血)[20]。而視網膜上主要血管的特征比較明顯,不易受到外界干擾,可以作為身份識別的特征。Allen等[21]采集了869頭牛的視網膜樣本進行個體識別,取雙眼視網膜圖像共1 738張,其識別準確率為98.3%(圖3)。

  圖3 肉牛視網膜血管模式圖[21]
圖3 肉牛視網膜血管模式圖[21]

  Fig.3 Retinal vascular patterns of a beef animal[21]

  其他生物識別部位還包括奶牛面部、側面花紋以及尻部。上述2種識別樣本的采集較為困難,在遇到不配合的動物時會傷及飼養員。與鼻鏡和眼部不同,奶?;ㄎ瓶梢栽毒嗬臚ü悠低枷窕袢∈菅?。Cai等[22]收集了30頭牛臉圖像并建立了識別模型,結果顯示局部二值模式加上RASL算法處理牛臉圖像,其最高識別準確率可以達到95.3%。Li等[23]在開發利用尻部特征識別奶牛個體時,運用了線性判斷分析(Linear discriminant analysis)、二次判斷分析(Quadratic discriminant analysis)、人工神經網絡(Artificial neural network)和支持向量機(Support vector machines)4種模型學習算法,其準確度最高的是二次判斷分析(99.7%),精確度最高的是支持向量機(99.6%)。

  2、 識別管理應用

  環境的變化會使某一識別系統的性能發生改變,不同的應用場景需要配置多種識別裝置,在記錄個體生產性能和監測健康體況方面,記錄個體信息將有利于追蹤動物的全期生產狀態,大數據分析會更加精準的了解奶牛個體的發情、疾病、生產性能等情況,對生產決策意義重大。

  2.1、 記錄產奶量

  產奶量是評估奶牛場經濟效益的主要參考指標,奶量數據的準確性直接影響著管理者對牧場現狀的評估和對未來規劃的決策。在現代化大型牧場中,RFID技術可以自動記錄奶牛個體的產奶信息,在擠奶轉盤或者單排擠奶設備入口處放置RFID應答器,配合奶牛電子耳標所記錄的編號,與擠奶設備的程序相關聯,按序記錄每一頭奶牛的產奶量,實現對牧場每日產奶信息的動態性記錄。但是由于奶廳待擠區在奶牛擁堵的情況下需要降溫,以緩解奶牛熱應激,待擠區常安裝有噴淋和風扇,并且有鐵制欄桿圍繞,因此RFID應答器安裝在待擠區出口處(擠奶區入口)時,經常出現漏讀或錯讀的現象。在小型牧場中,個體產奶量信息的記錄較為傳統,記錄員在擠奶區以人工觀察的方式識別個體后匹配其產奶量,工作量隨著泌乳牛頭數的增加而上升。Stankovski等[24]發現在小型牧場中,給奶牛佩戴超高頻RFID耳標(915 MHz)識別個體,該系統的準確率達到了99.8%,以12 h為擠奶間隔周期計算,12 h±5%的奶牛比12 h±20%的產奶量高1.5%,因此降低奶牛待擠時間,提高擠奶效率可以增加產奶量。

  2.2、 監控采食活動

  監測動物個體的采食行為十分重要,不僅關系到飼料消耗所帶來的生產效益問題,還有利于發現奶牛的健康疾病。為了準確測算動物的采食量,已有研究選擇用獨立的空間計算單個動物的采食量[25],但該方法不適用于實際生產中。也有研究低頻RFID(134.2 kMz)監測奶牛采食行為,在飼喂通道處安裝多個應答器接收標簽信號[26]。Borchers等[27]應用CowManager SensOor系統(哈莫倫,荷蘭)記錄奶牛的采食時間,通過攝像機拍攝的方式識別個體,當單個動物靠近采食通道并伴有咀嚼動作時被認定為采食開始,在咀嚼停止時間維持5 s以上被視為采食停止。在其他圖像信息技術對采食量的分析中,Shelley等[28]應用廉價的3維攝像頭識別動物個體,同時測算了奶牛消耗飼料的重量和體積。但是,以上研究都是在動物群體數量較小的基礎上進行的,在大規模生產中自動識別個體和監測采食行為有待進一步研究。

  2.3、 監測臥床行為

  臥床行為在現代化牧場中經常被量化為反映奶牛舒適度和健康狀況的參考指標。奶牛臥床行為不但可以幫助奶?;竦貿浞中菹?還能增加反芻時間,提高乳房潔凈程度,降低乳房炎發病率。國內牧場一般出于成本因素,不會安排專人或利用相關設備負責觀察奶牛臥床行為。Borchers等[27]用視頻回放的方式記錄奶牛臥床行為,通過動物花紋特征識別個體,其試驗設定當動物處于臥床上時,完成站立到趴臥的過程且側面朝上時被認定為開始臥床行為,該方法根據平均臥床時間與個體臥床時間的差異預測奶牛的健康狀況。Nielsen等[29]對比了2種商業化奶牛觀察系統,2種系統均使用可穿戴傳感器識別奶牛個體,并通過無線網絡發送行為信息:CowScout(GEA公司,德國)系統每十五分鐘記錄一次,傳感器掛至左前腿處;IceTag(IceRobotics公司,英國)系統每秒測算一次動物行為,設備掛于奶牛左后腿處,為了保證系統記錄的準確性,同時安裝了錄像機進行觀察;通過視頻回放發現,兩種系統對奶牛臥床監測都具有較高的準確性(0.988%~0.999%)。

  2.4、 追蹤活動軌跡

  動物的活動變化往往預示著個體福利和健康問題,了解動物的行為活動可以促進大牧場精細化管理水平,維持個體奶牛健康,提高生產效益。實時監測動物位置是識別動物活動的基礎,放牧條件下牧場可以使用全球定位系統(Global positioning systems,GPSs)進行個體目標的追蹤。由于定位精度和牛舍結構的干擾,GPSs并不適用于室內定位,目前舍內主要通過穿戴式傳感器和無線網絡系統,或者視頻錄像的方式進行個體定位。Pastell等[30]使用UWB(Ultra wide band)定位技術,利用奶牛項圈中的標簽實時監測奶牛個體的位置信息,當動物移動超過0.05 m時系統會自動記錄變化信息。該定位系統中集成了跳變濾波器、中值濾波器和擴展卡爾曼濾波器,與觀測定位相比,奶牛運動的識別率達到100%。在確定奶牛位置后,牧場測算移動時間對生產的影響。Thompson等[31]研究了2種算法,包括奶牛群體從離開牛舍到擠奶廳的時間及個體回到牛舍的時間,其研究結果顯示出對群體測算的準確性(R2=0.96)明顯高于個體活動的準確性(R2=0.67)。造成這一問題的原因可能是個體數據樣本不足?;褂醒芯刻教至?種活動監測系統的性能,即奶牛行走和站立活動,監測過程包括:、識別個體、獲得活動類別數據、定位、開始時間和結束時間。雖然2種系統可以有效識別奶?;疃?但是不同系統對記錄步數的一致相關系數較差(Concordance correlotlon coefficient,ρc=0.593),其原因可能是計步器置于動物位置的不同所帶來的結果差異,比如綁定于前肢和后肢會在短距離行走過程中存在不同變化,也可能是不同計步算法影響了記錄結果[29]。

  2.5、 其他檢測項目

  追蹤識別奶牛個體在其他方面的應用還包括發情追蹤、疾病監控、體況評分、或者跛足評分等。穿戴式傳感器和圖像信息技術可以有效地監測出奶牛的爬跨行為,但是對于追蹤并確定具體編號還有一定的技術障礙。目前,牧場還依靠人工涂鴉的方式標記疑似發情或病態的奶牛。有報道內置耳標傳感器以收集每小時的溫度變化,查看奶牛分娩前的狀態表現[32,33]。Rachel等[34]利用超高頻RFID系統監測了16頭奶牛的個體刷毛行為的活動頻次,認為目前RFID技術雖然可以識別靠近刷毛器的動物編號,但是對刷毛行為本身的監測準確度較低。圖像生物識別被用于體況評分和跛足評分作,但是需要RFID作為識別個體的工具[35,36,37]。Li等[23]利用高清(1 920×1 080 ppi)攝像機記錄奶牛尻部特征,通過不同花紋和輪廓的特點識別動物個體。因為與奶牛體況評分的觀察部位相同,所以在未來應當考慮通過圖像技術同時實現個體識別和體況評分2個功能。

  3、 國內奶牛識別系統的研究進展

  何東健等[45]認為未來精準畜牧業應該發展動物高級行為識別的理論和方法,形成一套完整的,可以自動判定個體健康狀況的系統化養殖監管方案。國內奶牛個體識別技術在最近幾年有了長足的進步,周文罕等[46]提出了基于ZigBee無線網絡技術的奶牛個體識別系統,在奶牛身上安裝可編程的64位永久地址的定位節點,個體識別在20 m×20 m的空地中定位誤差為2 m。郭衛等[47]為解決多頭奶牛進入射頻區域后引起的沖突問題,比較了Aloha算法和二進制搜索算法,最終在RFID系統中采用了二進制搜索算法。另外,何金鳳等[48]在開發RFID奶牛識別系統時設計了基于高性能微控制器ATmega162 和專用讀寫芯片RI-R6C-001A、工作頻率為 13.56 MHz 的讀寫器,測試結果顯示耳標讀取距離為0.86 m,連續讀取出錯率為 0%,寫入出錯率為 0.02%,每秒可防沖突讀寫 35 個耳標。圖像信息技術在奶牛生產中的應用日趨成熟,可以有效幫助牧場管理者客觀、有效地評價奶牛健康狀況和生產需要[49]。趙凱旋等[50]解析了奶牛圖像信息,利用卷積神經網絡識別奶牛個體的準確率為93.33%。

  目前生產中仍然以傳感器或RFID技術作為主要的識別個體手段(表1)。國外研究方向集中在多功能監測系統,電子項圈、可測溫耳標等都有多用途的特點。具備開發替代人工方法的奶牛個體的識別系統無應激、自動化、準確率高的特點。但是,因為牧場環境的干擾,或是佩戴耳標造成的身體損傷,RFID技術的應用將會受到限制,所以圖像信息技術應用是未來識別個體的發展方向。未來個體識別技術的開發應考慮不同環境變化對奶牛識別的影響,以及不同生產階段奶牛體型變化。同時,為建立多功能系統,需要開發奶牛身體區域的細致化識別和適應多種環境下的模型算法,在技術上更加廣泛地搜集特征數據并制定技術標準。

  表1 奶牛識別技術在生產試驗中的應用

 

  識別方法 識別位置 數量 文獻
項目 Identification Body Quantity Reference
Item method position    
擠奶 RFID 耳朵   [24]
Milking RFID 耳朵   [38]
  耳號 耳朵 400 [39]
  傳感器 脖子 14 [13]
采食行為 傳感器 腿部 80 [27]
Feeding RFID 耳朵   [28]
  傳感器 腿部 180 [29]
  涂鴉 背部、側面 20 [30]
  耳號 耳朵   [25]
臥床 傳感器 腿部 80 [27]
Lying 傳感器 腿部 180 [29]
  涂鴉 背部、側面 20 [31]
  項圈 脖子 14 [13]
活動 傳感器 腿部 180 [29]
Activitiey 耳號 耳朵 400 [39]
  傳感器 脖子   [40]
  RFID 耳朵 186 [41]
體況評分
Body condition
score
跛足評分 RFID、人工機械 耳朵、背部 208~242 [36]
Lame score RFID 脖子 75 [42]
發情監測 耳號 耳朵 400 [39]
Estrus 人工機械 背部 20 [32]
monitoring 傳感器 腿部 5 [43]
  耳號 耳朵 400 [39]
反芻 傳感器 腿部 80 [27]
Rumination 傳感器 脖子 1 121 [33]
  RFID 耳朵   [44]
  RFID 耳朵 16 [34]
刷毛
Grooming behavior

  4、 結 論

  傳統識別方法對奶牛傷害較大,人員勞動強度大,并不適合未來規?;車囊?。RFID技術較為成熟,是目前替代人工應用較多的方法,但是存在兼容性差、適應性弱的問題。生物識別技術可以在很多方面克服環境的干擾,隨著技術的發展對奶牛的監測功能也不斷增加。未來需要改進現有硬件設備,提高準確性、兼容性,根據使用環境和生產特點開發自動化的奶牛個體識別系統,對促進我國畜牧業信息化水平具有深遠意義。

  參考文獻

  [1] Van Hertem T,Rooijakkers L,Berckmans D,Pe■a Fernández,A,Norton T,Berckmans D,Vranken E.Appropriate data visualisation is key to precision livestock farming acceptance[J].Computers and Electronics in Agriculture,2017,138(6),1-10
  [2] Neethirajan S,Tuteja S K,Huang S T,Kelton D.Recent advancement in biosensors technology for animal and livestock health management[J].Biosensors and Bioelectronics,2017,98(11),398-407
  [3] Awad A I.From classical methods to animal biometrics:A review on cattle identification and tracking[J].Computers and Electronics in Agriculture,2016,123(4):423-435
  [4] Leslie E,Marta Hernández-Jover,Newman R,Holyoake P.Assessment of acute pain experienced by piglets from ear tagging,ear notching and intraperitoneal injectable transponders[J].Applied Animal Behaviour Science,2010,127(3-4):86-95
  [5] Barron U G,Butler F,Mcdonnell K,Ward S.The end of the identity crisis?Advances in biometric markers for animal identification.[J].Irish Veterinary Journal,2009,62(3):204-208
  [6] Fosgate G T,Adesiyun A A,Hird D W.Ear-tag retention and identification methods for extensively managed water buffalo (Bubalus bubalis) in Trinidad[J].Preventive Veterinary Medicine,2006,73(4):287-96
  [7] Ruiz-Garcia L,Lunadei L.The role of RFID in agriculture:Applications,limitations and challenges[J].Computers & Electronics in Agriculture,2011,79(1):42-50
  [8] Voulodimos A S,Patrikakis C Z,Sideridis A B,Vasileios A N,Eftychia M X.A complete farm management system based on animal identification using RFID technology[J].Computers & Electronics in Agriculture,2010,70(2):380-388
  [9] Arcidiacono C,Porto S M C,Mancino M,Giovanni C.A threshold-based algorithm for the development of inertial sensor-based systems to perform real-time cow step counting in free-stall barns[J].Biosystems Engineering,2017,153(1):99-10
  [10] Stanford K,Stitt J,Kellar J A,McAllister T A.Traceability in cattle and small ruminants in Canada[J].Revue Scientifique Et Technique,20(2),510-522
  [11] Roberts C M.Radio frequency identification (RFID)[J].Computers and Security,2006,25(1):18-26
  [12] Rotter P.A framework for assessing RFID system security and privacy risks[J].IEEE Pervasive Computing,2008,7(2):70-77
  [13] Arcidiacono C,Porto S M C,Mancino M,Giovanni C.Development of a threshold-based classifier for real-time recognition of cow feeding and standing behavioural activities from accelerometer data[J].Computers and Electronics in Agriculture,2017,134(4):124-134
  [14] Jain A K,Nandakumar K.Biometric authentication:system security and user privacy[J].Computer,2012,45(11):87-92
  [15] Unar J A,Seng W C,Abbasi A.A review of biometric technology along with trends and prospects[J].Pattern Recognition,2014,47(8):2673-2688
  [16] Maltoni D,Cappelli R.Advances in fingerprint modeling [J].Image & Vision Computing,2009,27(3):258-268
  [17] Minagawa H,Fujimura T,Ichiyanagi M,Tanaka K.Identification of beef cattle by analyzing images of their muzzle patterns lifted on paper.[C].In:Proceedings of the Third Asian Conference for Information Technology in Agriculture.Beijing:Asian agricultural information technology and management,2002
  [18] Noviyanto A,Arymurthy A M.Automatic cattle identification based on muzzle photo using speed-up robust features approach[C].In:Proceedings of the 3rd European Conference of Computer Science,ECCS’12.Paris:WSEAS Press.2012,110-114
  [19] Lu Y,He X,Wen Y,Wang P S.A new cow identification system based on iris analysis and recognition[J].International Journal of Biometrics,2014,6(1):18-32
  [20] Jillela R R,Ross A.Segmenting iris images in the visible spectrum with applications in mobile biometrics[J].Pattern Recognition Letters,2014,57(5):4-16
  [21] Allen A,Golden B,Taylor M,Patterson D,Henriksen D,Skucea R.Evaluation of retinal imaging technology for the biometric identification of bovine animals in Northern Ireland[J].Livestock Science,2008,116(1):42-52
  [22] Cai C,Li J.Cattle face recognition using local binary pattern descriptor[C].In:2013 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference.Kaohsiung:Institute of Electrical and Electronics Engineers,2013(11):1-4
  [23] LI W,JI Z,Wang L,Sun C H,Yang X T.Automatic individual identification of Holstein dairy cows using tailhead images[J].Computers and Electronics in Agriculture,2017,142(10):622-631
  [24] Stankovski S,Ostojic G,SENK I,Marija R,Snezana T,Denis K.Dairy cow monitoring by RFID[J].Scientia Agricola,2012,69(1):75-80
  [25] 吳洪宇,王曉帆,張永根.奶牛個體采食量測定儀的設計與試驗[J].飼料工業,2015,36(19):57-61Wu H Y,Wang X F,Zhang Y G.Design and experiment on the test instrument for feed intake of individual dairy cows[J].Feed Industry,2015,36(19):57-61 (in Chinese)
  [26] Brownbrandl T M,Eigenberg R A.Development of a livestock feeding behavior monitoring system[J].Transactions of the Asabe,2011,54(5):1913-1920
  [27] Borchers M R,Chang Y M,Tsai I C,Wadsworth B A,Bewley J M.A validation of technologies monitoring dairy cow feeding,ruminating and lying behaviors[J].Journal of dairy science,2016,99(9),7458-7466
  [28] Shelley A N,Lau D L,Stone A E,Bewley J M.Short communication:Measuring feed volume and weight by machine vision[J].Journal of Dairy Science,2015,99(1):386-391
  [29] Nielsen P P,Fontana I,Sloth K H,Guarino M,Blokhuis H.Technical note:Validation and comparison of 2 commercially available activity loggers[J].Journal of Dairy Science,2018,101(6):1-5
  [30] Pastell M,Frondelius L,J?rvinen M,Backman J.Filtering methods to improve the accuracy of indoor positioning data for dairy cows[J].Biosystems Engineering,2018,169(1):22-31
  [31] Thompson A J,Weary D M,Keyserlingk M A G V.Technical note:Mining data from on-farm electronic equipment to identify the time dairy cows spend away from the pen[J].Journal of Dairy Science,2017,100(5):1-8
  [32] Tsai D M,Huang C Y.A motion and image analysis method for automatic detection of estrus and mating behavior in cattle[J].Computers and Electronics in Agriculture,2014,104(6):25-31
  [33] Stangaferro M L,Wijma R,Caixeta L S,Abri M A,Giordano J O.Use of rumination and activity monitoring for the identification of dairy cows with health disorders:Part I.Metabolic and digestive disorders[J].Journal of Dairy Science,2016,99(9):7395-7410
  [34] Toaff-Rosenstein R L,Velez M,Tucker C B.Technical note:Use of an automated grooming brush by heifers and potential for radiofrequency identification-based measurements of this behavior[J].Journal of Dairy Science,2017,100(10):1-8
  [35] Jabbar K A,Hansen M F,Smith M L,Smith L N.Early and non-intrusive lameness detection in dairy cows using 3-dimensional video[J].Biosystems Engineering,2017,153(1):63-69
  [36] Schlageter-Tello A,Hertem T V,Bokkers E A M,Viazzi S,Bahr C,Lokhorst,K.Performance of human observers and an automatic 3-dimensional computer-vision-based locomotion scoring method to detect lameness and hoof lesions in dairy cows[J].Journal of Dairy Science,2018,101(4):1-14
  [37] Fischer A,Luginbühl T,Delattre L,Delouard J M,Faverdin P.Rear shape in 3 dimensions summarized by principal component analysis is a good predictor of body condition score in Holstein dairy cows[J].Journal of Dairy Science,2015,98(7):4465-4476
  [38] 呂偉國.基于EPC物聯網和RFID的奶牛精細養殖信息管理系統[D].吉林大學,2013Lv W G.Information management system of precision cow-feeding based on the EPC of the internet of things and RFID[D].Jilin University,2013 (in Chinese)
  [39] Rutten C J,Kamphuis C,Hogeveen H,Huijps K,Nielen M,Steeneveld W.Sensor data on cow activity,rumination and ear temperature improve prediction of the start of calving in dairy cows[J].Computers and Electronics in Agriculture,2017,132(1):108-118
  [40] Tullo E,Fontana I,Gottardo D,Sloth K H,Guarino M.Technical note:Validation of a commercial system for the continuous and automated monitoring of dairy cow activity[J].Journal of Dairy Science,2016,99(9):7489-7494
  [41] Halachmi I,Klop■i■ M,Polak P,Roberts D J,Bewley J M.Automatic assessment of dairy cattle body condition score using thermal imaging[J].Computers and Electronics in Agriculture,2013,99(6):35-40
  [42] Pluk A,Bahr C,Poursaberi A,Maertens W,Van Nuffel A,Berckmans D.Automatic measurement of touch and release angles of the fetlock joint for lameness detection in dairy cattle using vision techniques[J].Journal of Dairy Science,2012,95(4):1738-1748
  [43] 田富洋,王冉冉,劉莫塵,王震,李法德,王中華.基于神經網絡的奶牛發情行為辨識與預測研究[J].農業機械學報,2013,44(s1):277-281Tian F Y,Wang R R,Liu M C,Li F D,Wang Z H.Oestrus detection and prediction in dairy cows based on neural networks[J].Transactions of the Chinese Society for Agricultural Machinery,2013,44(s1):277-281 (in Chinese)
  [44] 張爽.奶牛個體反芻行為監測技術研究[D].東北農業大學,2017ZHANG S.Research on ruminant behavior monitoring technique of individual cow[D].Northeast Agricultural University,2017 (in Chinese)
  [45] 何東健,劉冬,趙凱旋.精準畜牧業中動物信息智能感知與行為檢測研究進展[J].農業機械學報,2016,47(5):231-244He D J,Liu D,Zhao K X.Review of perceiving animal information and behavior in precision livestock farming[J].Transactions of the Chinese Society for Agricultural Machinery,2016,47(5):231-244 (in Chinese)
  [46] 周文罕,汪小旵,丁為民.基于ZigBee的奶牛個體信息識別及定位系統設計[J].江西農業學報,2010,22(1):116-118Zhou W H,Wang X C,Ding W M.Designon information identification and position system of individual cow based on ZigBee[J].Acta Agriculturae Jiangxi,2010,22(1):116-118 (in Chinese)
  [47] 郭衛.奶牛數字化管理關鍵技術的研究[D].河北農業大學,2009Guo W.Research on key techniques in digital management of dairy cattle[D].Agricultural University of Hebei,2009.(in Chinese)
  [48] 何金鳳,錢東平,張慶國,李建國,呂長飛,霍曉靜.奶牛精細飼喂系統中讀寫器的設計[J].農機化研究,2010,32(3):118-121He J F,Qian D P,Zhang Q G,Li J G,Lv C F,Huo X J.Design of the reader in cows’ precision feeding system[J].Journal of Agricultural Mechanization Research,2010,32(3):118-121 (in Chinese)
  [49] 孫雨坤,岳奎忠,李文茜,么恩悅劉鑫李洋張永根.圖像信息技術在奶牛生產中的應用[J].動物營養學報,2018,31(5):1626-1632Sun Y K,Yue K Z,Li W X,Yao E Y,Liu X,Li Y,Zhang Y G.The application of image information technology in dairy cow production[J].Chinese journal of Animal Nutrition,2018,31(5):1626-1632 (in Chinese)
  [50] 趙凱旋,何東健.基于卷積神經網絡的奶牛個體身份識別方法[J].農業工程學報,2015,31(5):181-187Zhao K X,He D J.Recognition of individual dairy cattle based on convolutional neural networks[J].Transactions of the Chinese Society of Agricultural Engineering,2015,31(5):181-187 (in Chinese)

    孫雨坤,王玉潔,霍鵬舉,崔梓棋,張永根.奶牛個體識別方法及其應用研究進展[J].中國農業大學學報,2019,24(12):62-70.
    相近分類:
    • 成都網絡警察報警平臺
    • 公共信息安全網絡監察
    • 經營性網站備案信息
    • 不良信息舉報中心
    • 中國文明網傳播文明
    • 學術堂_誠信網站
    {ganrao}