畜牧养殖是我国农民以及商人的重要产业之一。自古以来我国便具有十分利于畜牧业发展的地形和生态环境,牧场众多。但是长期以来奶牛养殖成本居高不下,一直困扰着众多牧民。如何实现精准饲喂,降低成本,成为了当下奶牛养殖过程中的难题之一。传统饲喂模式过于粗放,造成大量饲料浪费,为了避免这种现象,对奶牛采食量和采食行为的监测便不可或缺。奶牛的采食量与奶牛的采食行为有密切关系,要实现对奶牛采食量的精准测量需对奶牛的采食行为进行监测。奶牛的采食行为一般分为卷食、咀嚼、和其他行为。准确地将三种采食行为区分是实现精准饲喂的基础。本研究尝试应用奶牛采食过程中采集三轴加速度数据为基础,建立奶牛采食行为分类模型,实现对奶牛采食行为自动分类。本研究开展工作如下:(1)建模数据采集。试验在北京市延庆区赵庄村“延照富民”奶牛养殖场进行。选取体况良好、采食量正常、大小相近的13头奶牛作为研究对象。本研究分别从5头奶牛鼻唇提肌部位、5头右部咬肌部位、3头牛鼻唇提肌-右部咬肌(同时采样)进行了试验。每头牛采集3次,每次采集10分钟,数据采集频率为2Hz,每分钟采集120组数据,每头牛平均采集3600组数据,共获取57600组奶牛采食行为三轴加速度数据。(2)数据标定和降噪。利用视频标定和称重标定的方法对奶牛采食行为三轴加速度进行标记,标记为卷食、咀嚼、其它三种采食行为。在数据标定的基础上,本研究对7头奶牛21000组数据分别进行中值滤波+滑动平均、连续小波变换、平稳小波变换、三种方法进行降噪。并从标准差(SD)、均方根误差(RMSE)、信噪比(SNR)等三个维度进行滤波效果评价。综合来看,连续小波变换是三种滤波方式中信噪比最高、均方根误差和标准差最小的最优降噪方式。(3)奶牛采食分类预测模型的建立与评价。本文建立了三种奶牛采食行为分类模型,分别为概率神经网络(PNN)分类模型、BP神经网络分类模型和支持向量机(SVM)分类模型。从模型预测分类效果来看,PNN模型对牛鼻唇提肌和右部咬肌部位的识别率为53.99%和61.5%。在对3头牛鼻唇提肌部位和右部咬肌部位同时采集的数据样本中,牛鼻唇提肌部位和右部咬肌部位识别率分为57.7%和51.1%。BP网络模型对牛鼻唇提肌和右部咬肌部位采食行为识别率为94.20%和82.11%;对3头牛鼻唇提肌部位和右部咬肌部位同时采集的数据样本中,牛鼻唇提肌部位和右部咬肌部位识别率分为86.41%和78.28%。在SVM分类模型中,对牛鼻唇提肌和右部咬肌部位对奶牛的卷食、咀嚼、其它三种采食行为的识别率为87.83%和76.83%。在对3头牛鼻唇提肌部位和右部咬肌部位同时采集的数据样本中,牛鼻唇提肌部位和右部咬肌部位识别率分为86.11%和82.5%。综上,奶牛的3种采食行为分类模型中,BP神经网络和支持向量机的识别率较高,同时鼻唇提肌部位获取数据的分类效果要优于右部咬肌部位。本研究成果为奶牛采食行为数据采集、分析和建模提供了一定的理论基础。