【摘 要】
：
提升奶牛养殖业发展水平和乳制品产能有利于提高人们的生活品质。由于奶牛生病、发情等情况下会有不同的行为表现,因而监测奶牛行为模式对提高乳制品食品安全和牛场繁殖水平有重要意义。基于计算机视觉的信息化奶牛行为监测方法存在着数据量大、算力需求高等问题,基于声音或振动传感器的奶牛行为监测方法易受外在环境影响,因此本文选用了基于惯性传感器的奶牛行为识别方法。随着微机械系统和集成电路技术的进步,MEMS/ASI
论文部分内容阅读
提升奶牛养殖业发展水平和乳制品产能有利于提高人们的生活品质。由于奶牛生病、发情等情况下会有不同的行为表现,因而监测奶牛行为模式对提高乳制品食品安全和牛场繁殖水平有重要意义。基于计算机视觉的信息化奶牛行为监测方法存在着数据量大、算力需求高等问题,基于声音或振动传感器的奶牛行为监测方法易受外在环境影响,因此本文选用了基于惯性传感器的奶牛行为识别方法。随着微机械系统和集成电路技术的进步,MEMS/ASIC惯导集成微系统技术应运而生,为低成本监控奶牛健康状况提供了新的信息技术手段。本文针对目前奶牛行为识别领域的痛点,研究了基于惯导数据的深度学习奶牛行为识别方法,以及对项目组研发的MEMS/ASIC惯导集成微系统中陀螺测控环路中的DAC模块进行了精度和功耗的优化。主要研究内容及结论如下:（1）构建了基于惯导的深度学习奶牛行为识别模型。利用商业化的惯导系统采集奶牛不同行为的惯导数据。经过卡尔曼滤波滤除噪声后,构建基于CNN、LSTM的奶牛行为识别模型。而后将LSTM模型与CNN模型结合,完成基于惯导的CNN-LSTM组合模型的奶牛行为识别。最后通过对三种模型的识别结果进行对比,得到最终结论:CNN-LSTM模型针对奶牛站立、趴卧、进食、走路四种行为识别结果的平均识别准确率达到96.0%,相较CNN模型和LSTM模型分别提高了6.1%和4.9%。充分证明了CNN-LSTM模型用于基于惯导的奶牛行为识别的优越性。（2）面向奶牛行为识别的MEMS/ASIC惯导集成微系统中的DAC设计。针对项目组研发的面向奶牛行为识别的MEMS/ASIC的惯导集成微系统中的陀螺测控环路中的DAC模块进行了设计与优化。该DAC采用温度计结合R-2R宽摆幅的分段结构,具有16bit精度,并通过对加权电阻网络、MOS管开关及运放输出反馈电阻的设计,优化DAC的精度和功耗。在工作温度在-45°～125°之间,800k Hz或3.2MHz的采样频率的仿真条件下,结果得到的信噪比为80.7856d B,无杂波动态范围达到85.5457d B。该DAC在保证惯性传感器采集精度的同时,将功耗降低至390μW。最后完成了后端版图设计,寄生参数提取和后仿真。集成该DAC的陀螺测控片上系统已于2021年11月交付代工厂流片。
其他文献
土壤源热泵是利用地热能对目标建筑进行制冷供暖的高效节能环保型空调,其中土壤源热泵系统由于不消耗地下水源、换热性能良好、节约用地,在我国得到了广泛的应用。土壤源热泵的利用成为了应对全球能源危机、气候变暖、发展低碳经济的重要途径。土壤源热泵机组设计的关键技术是地下换热器,钻孔回填材料和埋管循环流速都是关键设计因素。高导热性能的回填材料可以降低换热孔内的热阻,减少地下换热孔深度和换热管长度,而科学合理的
大数据和人工智能等技术在农业方面的应用,有利于加速转变农业生产方式,辅助生产决策,促进农业生产提质增效。中国是世界上最大的苹果生产国和消费国,苹果产量预测是苹果大数据平台重要部分,也是苹果产业体系中必不可少的环节,如何依据气象数据对产量进行精准预测,是苹果产业发展中的一个重要课题。苹果产量常因气象变化产生较大波动,因此依据气象数据对产量精准预测、长期气象产量变化趋势分析,对辅助苹果产业决策、优化种
奶牛行为识别是奶牛精准养殖的重要组成部分,精准高效的行为模式识别对奶牛健康状况监测以及养殖管理规模化具有重要意义。传统奶牛生理监测依靠人工,耗时费力。传感器技术与集成电路设计技术的飞速发展,为精细化、规模化的奶牛生理监测模式提供可能。惯性传感器技术具有抗环境干扰能力强、数据采集精准等优点。在此背景下,采用惯性传感器技术对奶牛行为识别分类展开研究。结合机器学习算法对奶牛行为惯导数据进行分类识别并构建
设施黄瓜作为一种典型设施农产品,其产品的质量安全越来越受到人们的重视。溯源系统在设施黄瓜上的应用,不仅可有效的提高市场上黄瓜产品的整体质量,也可成为质量追责的有效手段。区块链技术具备的不可篡改、可追溯、天然互信等特性使其为农产品信息的可信存储提供了有力保障,但现有的区块链溯源系统在处理设施黄瓜溯源信息时仍存在着些许不足,如无法实现对链上产品品质的把控,对产品的质量安全监管缺乏有效手段,溯源系统崩溃
面对香菇产业中育种环节的精准化服务需求,针对育种过程中菌丝生长程度判断采用手工测量、目测描述浓密程度等经验式方法,存在效率低、识别精度差,缺少快速科学可量化方法等问题,依托于山东省重大科技创新工程项目—食用菌智慧工厂化生产关键技术研发与产业化,使用图像识别技术开发香菇菌丝生长程度识别系统用于代替人工识别。主要研究内容与结果如下:（1）数据集的构建与数据增强。完成了7个不同生长程度的香菇菌丝图像数据
小麦是世界上重要的粮食作物,对小麦产量进行准确预估对保障世界粮食安全具有重要意义。麦穗个数是小麦估产的重要参数,本文使用Faster R-CNN、SSD、Retina Net、YOLOv3 SPP和YOLOv5s五种深度学习模型对不同的麦穗数据集进行了训练、验证和测试,其中YOLOv5s模型对基于无人机数据的麦穗数据集A的麦穗识别准确率最高,达到了97.39%。为进一步提升模型对麦穗的识别准确率,
苹果作为我国第一大水果和优势农产品种类之一,受到越来越多人的喜爱,同时苹果的需求量也在逐年增加,随着农业信息化的不断发展,通过海量数据进行农产品需求量分析有利于推动苹果供需平衡、稳定市场调控与库存信息建设,具有良好的研究意义与应用价值。针对目前我国相关农产品预测中,由于数据处理方式简单、预测模型单一导致的预测效率低、精度差、稳定性不佳等问题,本文提出一种基于小波分解的双结构组合预测模型,具体研究内
食用菌产业是中国农业的重要支柱产业之一,在食用菌生产中香菇产量是最大的,香菇菌棒转色好坏对后期出菇的产量和品质具有重要影响。目前香菇转色的识别只能依靠有经验的生产人员进行判断,存在人为错误、效率低、精度差等问题。本文针对上述问题,依托山东省重大科技创新工程项目——食用菌智慧工厂化生产关键技术研发与产业化,运用深度学习、数据库技术等理论方法,建立了香菇菌棒转色程度识别模型,设计并实现了香菇菌棒转色识
数字农业是农业现代化发展的高级形态,推动数字农业建设是实现农业高质量发展的有力支撑,更是决胜全面建成小康社会的关键举措。当前设施番茄的种植存在过度依赖种植户经验、农事操作缺乏规范性等问题。为提高设施番茄种植过程的数字化水平,加强设施番茄种植的规范性,开展设施番茄生长模型和数字化种植研究,具体研究内容如下:（1）基于逐步-主成分回归的设施番茄生长模型研究针对环境要素间存在严重多重共线性、传统方法参数
山东省苹果种植历史悠久,产业规模领先,产业体系完备,苹果产业经济在省内部分地区的经济组成中占据极为重要的地位。在当今金农工程、数字经济助推全省乡村产业振兴行动等政府政策的引领和宏观政策调控带动下,需要充分发挥现代农业系统平台的支撑和先导作用。山东省重大科技创新项目“现代果园智慧种植装备与大数据平台研发及示范应用课题”的研究内容之一,是构建苹果信息资源系统平台,完成山东省内已有苹果产业资源的信息化管