(Luận văn) nghiên cứu phát triển mạng cảm biến không dây giám sát hành vi gia súc sử dụng thuật toán phân loại hiệu quả đáp ứng thời gian thực

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ - - VŨ MINH THOẠI lu an n va gh tn to NGHIÊN CỨU PHÁT TRIỂN MẠNG CẢM BIẾN KHÔNG DÂY p ie GIÁM SÁT HÀNH VI GIA SÚC SỬ DỤNG THUẬT TOÁN d oa nl w PHÂN LOẠI HIỆU QUẢ ĐÁP ỨNG THỜI GIAN THỰC va an lu u nf LUẬN VĂN THẠC SĨ ll CÔNG NGHỆ KỸ THUẬT ĐIỆN TỬ VIỄN THÔNG oi m z at nh z m co l gm @ an Lu Hà Nội - 2020 n va ac th si ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ - - VŨ MINH THOẠI lu an va n NGHIÊN CỨU PHÁT TRIỂN MẠNG CẢM BIẾN KHÔNG DÂY gh tn to GIÁM SÁT HÀNH VI GIA SÚC SỬ DỤNG THUẬT TOÁN p ie PHÂN LOẠI HIỆU QUẢ ĐÁP ỨNG THỜI GIAN THỰC nl w oa Ngành: Công nghệ kỹ thuật Điện tử,Viễn thông d Chuyên ngành: Kỹ thuật Điện tử an lu Mã số: 60520203 ll u nf va m oi LUẬN VĂN THẠC SĨ z at nh CÔNG NGHỆ KỸ THUẬT ĐIỆN TỬ VIỄN THÔNG z @ m co l gm NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS TS TRẦN ĐỨC TÂN an Lu Hà nội – 2020 n va ac th si LỜI CAM ĐOAN Tôi xin cam đoan luận văn tốt nghiệp: ”Nghiên cứu mạng cảm biến không dây giám sát hành vi gia súc sử dụng thuật toán phân loại hiệu đáp ứng thời gian thực” công trình nghiên cứu riêng tác giả Các số liệu, kết trình bày luận văn là hoàn toàn trung thực, chưa công bố công trình khác Trong luận văn có dùng số tài liệu tham khảo nêu phần tài liệu tham khảo Tác giả luận văn lu an va n Vũ Minh Thoại p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th i si LỜI CẢM ƠN Để hồn thành luận văn này, tơi xin gửi lời cảm ơn chân thành và tình cảm đặc biệt tới người Thầy PGS TS Trần Đức Tân Thầy là người theo sát, tận tình bảo, góp ý, hướng dẫn và định hướng cho tơi suốt q trình làm luận văn này Khoa Điện tử Viễn thông, Trường đại học Công nghệ Tôi xin cám ơn hỗ trợ từ đề tài “Nghiên cứu xử lý thông tin hành vi bò dựa chuyển động từ cảm biến nhằm nâng cao hiệu chăn nuôi”, mã số ĐLTE00.02/20-21 Nghiên cứu này thực khuôn khổ đề tài mã số KC.01.21/16-20 tài trợ Bộ Khoa học Công nghệ Tiếp theo, xin gửi lời cảm ơn sâu sắc tới Thầy, Cô anh chị lu em Khoa sẵn sàng giúp đỡ tạo điều kiện tốt cho trình an Mặc dù có nhiều cố gắng, song thời gian thực luận văn có hạn, nên luận văn n va làm luận văn to gh tn nhiều hạn chế Tơi mong nhận nhiều góp ý, bảo thầy, để ie hồn thiện luận văn p Tơi xin chân thành cảm ơn! oa nl w Hà Nội, ngày 25 tháng năm 2020 d Học viên ll u nf va an lu oi m Vũ Minh Thoại z at nh z m co l gm @ an Lu n va ac th ii si TÓM TẮT Ngành chăn nuôi, sản xuất sữa thực phẩm ngành kinh tế quan trọng phát triển kinh tế xã hội và an ninh lương thực giới Để bảo đảm phát triển bền vững ngành việc giám sát và chăm sóc sức khỏe gia súc có vai trị quan trọng nhu cầu thiết yếu ngành chăn nuôi Tại Việt Nam, có số cơng ty sữa lớn TH Truemilk, VINAMILK, để nâng cao suất chất lượng sản phẩm, họ quan tâm đến vấn đề sức khoẻ bị Vì vậy, họ có nhu cầu giám sát thể chất sinh lý đàn gia súc càng thường xuyên tốt Phát sinh từ chất khó khăn liên quan đến việc quản lý trang trại với khu chăn thả lớn, nhà chăn ni ln ln có nhu cầu "giám sát" động vật họ cách lu tự động tiết kiệm chi phí Cơng nghệ mạng cảm biến không dây giải an n va pháp khả thi cho vấn đề Trong thông tin cần cho việc chăn sóc sức khỏe gia súc hành vi sở quan trọng nhạy cảm Việc giám sát to gh tn hành vi gia súc thực tế thường tiến hành theo hướng quan sát chuyển ie động cổ bò chuyển động chân Dữ liệu từ thiết bị quan sát p lưu lại thiết bị để xử lý sau truyền thông không dây thiết bị nl w trung tâm để xử lý Tuy nhiên, việc thực thi kỹ thuật chưa đáp d oa ứng việc giám sát thời gian thực hay quy mô chăn thả lớn, nhiều hệ thống xác an lu định hai hành vi trạng thái động vật thời điểm nhiều hành vi độ xác cịn thấp va u nf Luận văn này đề xuất thiết bị giám sát hành vi bị (gồm ăn, nằm, đứng) ll theo thời gian thực Hệ thống thiết kế theo mơ hình mạng cảm biến khơng dây, m oi mở rộng số lượng nút mạng Các thiết bị nhận biết hành vi xây dựng z at nh dựa cảm biến gia tốc thuật toán k-means Sở dĩ thuật toán k-means lựa z chọn áp dụng vi điều khiển cấu hình thấp m co l gm @ an Lu n va ac th iii si lu an n va p ie gh tn to MỤC LỤC MỤC LỤC iv DANH MỤC HÌNH VẼ v DANH MỤC BẢNG BIỂU vi DANH MỤC VIẾT TẮT vii DANH MỤC KÍ HIỆU viii CHƯƠNG TỔNG QUAN VỀ ĐỀ TÀI NGHIÊN CỨU 1.1 TÌNH HÌNH NGHIÊN CỨU TRONG NƯỚC VÀ QUỐC TẾ 1.1.1 Giới thiệu 1.1.2 Tình hình nghiên cứu quốc tế 1.1.3 Tình hình nghiên cứu nước 1.2 NGHIÊN CỨU CÁC THUẬT TOÁN PHÂN LOẠI HÀNH VI GIA SÚC .3 1.2.1 Tổng quan phương pháp học máy 1.2.1.1 Giới thiệu học máy 1.2.1.2 Các giải thuật học máy .4 1.2.2 Thuật toán phân cụm k-means 1.2.3 Thuật toán máy vector hỗ trợ (SVM) 1.2.4 Thuật toán định 1.2.5 So sánh loại thuật toán phân loại nhận xét 12 CHƯƠNG NỘI DUNG ĐỀ TÀI NGHIÊN CỨU 14 2.1 NGHIÊN CỨU HỆ THỐNG THIẾT BỊ GIÁM SÁT HÀNH VI GIA SÚC 14 2.1.1 Xây dựng mạng wsn ứng dụng cho giám sát hành vi gia súc 14 Module Ra-02 (hình 2.3) 19 Mạng khơng dây 2.4GHz dịng module nRF24 20 Module NRF24L01 23 Thiết bị gắn cảm biến 26 Thiết bị LoRa Gateway 30 2.2 PHÂN LOẠI HÀNH VI GIA SÚC 32 2.2.1 Trạng thái hành vi gia súc 32 2.1.3 Xây dựng tham số đánh giá phân loại gia súc 34 CHƯƠNG KẾT QUẢ 37 3.1 HỆ THỐNG PHẦN CỨNG 37 3.2 THỬ NGHIỆM HỆ THỐNG 37 3.3 KẾT QUẢ PHÂN LOẠI HÀNH VI SỬ DỤNG K-MEANS 37 3.4 MỘT SỐ SAI SỐ TRONG QUÁ TRÌNH THU DỮ LIỆU 37 KẾT LUẬN 46 TÀI LIỆU THAM KHẢO 47 d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th iv si DANH MỤC HÌNH VẼ Hình 1.1 Sơ đồ giải thuật toán k-means .6 Hình 1.2 Thuật tốn SVM .8 Hình 2.1 Mơ tả vị trí thiết bị cá thể gia súc 15 Hình 2.2 Mơ tả kiến trúc mạng (star) 17 Hình 2.3 Module thu phát LoRa Ra-02 19 Hình 2.4 Sơ đồ kênh truyền mạng nRF 2.4GHz 20 Hình 2.5 Mạng đa thiết bị truyền thiết bị nhận 21 Hình 2.6 Cấu trúc gói tin ShockBurst 22 Hình 2.7 Dữ liệu gửi cho 22 Hình 2.8 Module nRF24L01 mini 23 lu Hình 2.9 Thiết bị gắn bò thực tế 25 an Hình 2.10 Sơ đồ khối hệ thống thiết bị gắn cảm biến 26 n va Hình 2.11 Sơ đồ thuật toán thiết bị gắn cảm biến 29 tn to Hình 2.12 Sơ đồ khổi hệ thống LoRa Gateway 30 gh Hình 2.13 Sơ đồ thuật toán thiết bị LoRa Gateway 31 p ie Hình 2.14 Hướng trục gia tốc gắn cổ bò 33 w Hình 2.15 Các trục cảm biến gia tốc bò đứng 33 oa nl Hình 2.16 Hướng cảm biến gia tốc bò ăn 34 d Hình 2.17 Hướng cảm biến gia tốc bò nằm 34 an lu Hình 2.17 Phương pháp cửa sổ trượt 36 u nf va Hình 3.1 Thiết bị phần cứng gắn cổ 37 Hình 3.2 Dữ liệu tốc theo trục X, Y, Z ( mg = 0.001 g, g =9.8 m/s 2) 39 ll oi m Hình 3.3 Khai thác đặc trưng VeDBA 40 z at nh Hình 3.4 Khai thác đặc trưng SCAY 40 Hình 3.5 Khai thác quan hệ SCAY (trục tung) VeDBA (trục hoành) 41 z Hình 3.6 Quan hệ SCAY (trục tung) VeDBA (trục hoành) 42 @ sử dụng k-means với thiết lập cụm khác 42 gm Hình 3.7 Dữ liệu gia tốc tập kiểm tra 42 l m co Hình 3.8 VeDBA tập kiểm tra 43 Hình 3.9 VeDBA tập kiểm tra 43 an Lu Hình 3.10 Quan hệ VeDBA – SCAY tập kiểm tra 44 ac th v n va Hình 3.11 Chỉ số nhận dạng ước lượng (trên) thực tế (dưới) 44 si DANH MỤC BẢNG BIỂU Bảng 1.1 So sánh thuật toán phân loại 13 Bảng 2.1 Các tầng mạng mạng không dây LoRa 16 Bảng 2.2 Các lớp thiết bị mạng truyền thông LoRa 18 lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th vi si DANH MỤC VIẾT TẮT Tiếng Anh đầyđủ TiếngViệt DBA Dynamic Body Acceleration Gia tốc thể động DBAx Dynamic Body Acceleration of x-axis Gia tốc thể động trục x DBAy Dynamic Body Acceleration of y-axis Gia tốc thể động trục y DBAz Dynamic Body Acceleration of z-axis Gia tốc thể động trục z VeDBA Vector of Dynamic Body Acceleration Vector gia tốc thể động SCAY Static Component of the Acceleration Thành phần gia tốc tĩnh ADC in the Y-axis trục y Analog to Digital Converter Bộ chuyển đội tương tự sang lu an số n va UART tn to Truyền nhận nối tiếp không transmitter đồng Inter-Integrated Circuit Mạch chuyển đổi giao tiếp p ie gh I2C Universal asynchronous receiver / d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th vii si DANH MỤC KÍ HIỆU Kí hiệu Đơn vị VeDBA m/s2 SCAY m/s2 DBAx m/s2 DBAy m/s2 DBAz m/s2 lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th viii si Hình 2.16 thể hướng cảm biến gia tốc bò ăn lu an n va tn to gh Hình 2.16 Hướng cảm biến gia tốc bị ăn p ie Hình 2.17 thể hướng cảm biến gia tốc bò nằm: d oa nl w ll u nf va an lu oi m z at nh z @ gm Hình 2.17 Hướng cảm biến gia tốc bò nằm m co l 2.1.3 Xây dựng tham số đánh giá phân loại gia súc Chúng ta xây dựng tham số VeDBA dùng để xác định mức độ tiêu hao an Lu lượng bò Các bước xây dựng thuật toán: n va ac th 34 si  Thu thập liệu gia tốc x, y, z  Tính số ngưỡng A cho VeDBA  Nếu giá trị lớn số ngưỡng VeDBA -> High Activity, ngược lại Low Activity  Vì bị nằm hay đứng thay đổi giá trị trục gia tốc y Tính giá trị số ngưỡng B cho SCAY  Nếu giá trị lớn số ngưỡng xác định hành vi là đứng, cịn nhỏ xác định hành vi nằm Để tính VeDBA, cần tính DBA.DBA thể lượng tiêu hao gia súc theo chiều Ta có cơng thức(2.1) thể DBA sau: lu DBAt  Ait  Ai*t  it (2.1) an va Trong đó: n  i = x,y,z thể trục gia tốc Ai giá trị cảm biến tĩnh gh Ai* giá trị liệu gia tốc tn to  i giá trị trung bình liệu gia tốc Công thức: p t nl w  ie  d oa it  win _ size t+ win _ size  (2.2) lu t -win _ size Ai*t va an Vì liệu thu thập toán liệu gia tốc, phải sử dụng u nf cửa sổ trượt để chuyển đổi toàn học giám sát chuỗi thành tốn giám sát ll kinh điển Mơ hình cửa sổ trượt chuyển vấn đề học có giám sát chuỗi thành mơ m oi hình học có giám sát kinh điển Phương pháp này xây dựng phân loại cửa sổ z at nh hw mà xếp cửa sổ đầu vào w với giá trị đầu y riêng Cụ thể, lấy d nửa độ dài cửa sổ.d xác định công thức: z (w 1) (2.3) Kết với chuỗi đầu vào thêm vào giá trị d null cuối sau l gm @ d m co chuyển thành mẫu riêng biệt Hình 2.17 mơ tả phương pháp cửa sổ trượt: an Lu n va ac th 35 si lu an Hình 2.17 Phương pháp cửa sổ trượt va n ODBA dùng để tổng hợp gia tốc động toàn thân.ODBA xác tn to địnhtrong công thức: (2.4) ie gh ODBA  Ax  Ay  Az p VeDBA hay gọi vector tổng hợp gia tốc chuyển động toàn thân nl w Trong cảm biến ngày nay, người ta hay dùng tham số ODBA và VeDBA để xác d oa định mức độ tiêu hao lượng gia súc VeDBA đánh giá tốt Ax2  Ay2  Az2 (2.3) u nf va VeDBA  an lu ODBA.VeDBA thể công thức: ll SCAY sử dụng để xác định thay đổi gia tốc trọng trường y SCAY z at nh g y  g *cos(180   ) oi m xác định công thức (2.4): (2.4) z m co l gm @ an Lu n va ac th 36 si CHƯƠNG KẾT QUẢ 3.1 HỆ THỐNG PHẦN CỨNG Phần đánh giá kết thu được: Thiết bị phần cứng có kích thước 85×60×35mm, khổi lượng khoảng 300g mơ tả hình Trong phạm vi luận văn làm việc với liệu gắn cổ lu an n va p ie gh tn to nl w d oa Hình 3.1 Thiết bị phần cứng gắn cổ lu 3.2 THỬ NGHIỆM HỆ THỐNG va an Chúng tiến hành thu liệu bị ni bán chăn thả huyện Ba Vì, u nf thành phố Hà Nội Mỗi bị chúng tơi thu 60 phút liệu bò ăn, 60 phút liệu bò ll đứng 60 phút liệu bò nằm Nút trung tâm thu liệu máy tính đặt cách m oi bị nghiên cứu 200m điều kiện có nhiều vật cản nhỏ che khuất Kết thu z at nh liệu tốt, chưa thấy gói liệu là số liệu nhận Bảng liệu thu cổ bò ăn: z m co l gm @ an Lu n va ac th 37 si Bảng 3.1 Dữ liệu đo cổ bò ăn Giờ 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 lu an n va Giấy 7.086 7.167 7.251 7.342 7.441 7.519 7.632 7.696 7.784 7.874 7.964 8.051 8.139 8.229 8.32 Phút 22 22 22 22 22 22 22 22 22 22 22 22 22 22 22 Trục X -631 -551 -509 -551 -612 -579 -687 -554 -432 -494 -580 -587 -594 -452 -435 Trục Y 432 394 382 380 427 316 452 427 393 513 381 509 320 389 507 Trục Z -650 -578 -694 -864 -953 -766 -736 -643 -759 -915 -838 -786 -719 -752 -879 Pin 99 99 99 98 99 99 99 99 98 99 99 99 99 99 99 tn to gh Bảng liệu thu cổ bò nằm: p ie Bảng 3.2 Dữ liệu đo cổ bò bò nằm d va an lu ll oi m z Trục Y -375 -396 -395 -398 -406 -406 -413 -417 -403 -400 -395 -400 -435 -405 -409 Trục Z -70 -74 -78 -63 -71 -79 -83 -80 -86 -78 -76 -79 -72 -81 -82 Pin 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 m co l gm @ Trục X -905 -896 -891 -884 -888 -911 -919 -901 -904 -885 -888 -884 -900 -931 z at nh Giây 26.194 26.196 26.197 26.199 26.205 26.211 26.213 26.214 26.216 26.217 26.224 26.226 26.228 26.23 26.231 u nf Phút 56 56 56 56 56 56 56 56 56 56 56 56 56 56 56 oa nl w Giờ 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 an Lu n va ac th 38 si Bảng liệu thu cổ bò đứng: lu Bảng 3.3 Dữ Phút 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 an n va Pin 99 99 99 99 99 99 99 99 99 99 99 99 99 99 99 gh tn to liệu đo cổ bò bò đứng Giây Trục X Trục Y Trục Z 20.419 -927 -297 -233 20.421 -951 -305 -228 20.423 -935 -299 -236 20.425 -927 -299 -223 20.426 -913 -290 -219 20.428 -917 -288 -222 20.432 -933 -302 -235 20.434 -932 -308 -235 20.436 -959 -302 -223 20.438 -914 -304 -225 20.44 -895 -290 -237 20.442 -924 -295 -225 20.444 -937 -307 -234 20.446 -941 -303 -227 20.45 -939 -303 -227 3.3 KẾT QUẢ PHÂN LOẠI HÀNH VI SỬ DỤNG K-MEANS ie p Hình 3.2 mơ tả mẫu liệu gia tốc theo trục tương ứng với ba hành vi khác mà luận văn quan tâm: đứng, nằm, ăn d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu Hình 3.2 Dữ liệu tốc theo trục X, Y, Z ( mg = 0.001 g, g =9.8 m/s 2) n va ac th 39 si Hình 3.3 mơ tả việc tính tốn đặc trung VeDBA nội dung lý thuyết trình bày chương Có thể thấy bò ăn (mẫu thứ 300 đến 490) giá trị VeDBA có thay đổi phạm vi lớn lu an n va p ie gh tn to Hình 3.3 Khai thác đặc trưng VeDBA d oa nl w Thông tin đặc trưng SCAY mơ tả hình 3.4 ll u nf va an lu oi m z at nh z m co l gm @ an Lu Hình 3.4 Khai thác đặc trưng SCAY n va ac th 40 si Hình 3.5 thể quan hệ SCAY (trục tung) VeDBA (trục hoành) trước đưa vào k-means lu an n va p ie gh tn to Hình 3.5 Khai thác quan hệ SCAY (trục tung) VeDBA (trục hồnh) oa nl w d Hình 3.6 thể quan hệ SCAY (trục tung) VeDBA (trục hoành) sử lu an dụng k-means với thiết lập cụm khác Màu sắc thể phân loại theo xác định ll u nf va cụm với tâm cụm thể hình Tọa độ ba tâm cụm 17.3494] Tâm cụm 2= [ -56.5000 33.1097] Tâm cụm 3= [563.2500 162.6249] oi m Tâm cụm = [-393.0000 z at nh z gm @ Các giá trị này sau nạp sẵn nhớ EPROM vi điều khiển để thực thi toán phân loại theo thời gian thực Có thể thấy sử dụng k-means l phân thành cụm chưa xác định hành vi tương ứng với cụm m co Dựa vào đặc tính động VeDBA ta xác định Tâm cụm là ăn (động học an Lu lớn nhất), Tâm cụm nằm (động học nhỏ nhất), Tâm cụm là đứng n va ac th 41 si lu an n va tn to ie gh Hình 3.6 Quan hệ SCAY (trục tung) VeDBA (trục hoành) p sử dụng k-means với thiết lập cụm khác Với tập liệu kiểm tra ta tiến hành tương tự để khai thác liệu gia tốc (Hình w d oa nl 3.6), VeDBA (hình 3.7), SCAY (hình 3.8), quan hệ VeDBA – SCAY tập kiểm tra ll u nf va an lu oi m z at nh z m co l gm @ an Lu Hình 3.7 Dữ liệu gia tốc tập kiểm tra n va ac th 42 si lu an n va p ie gh tn to Hình 3.8 VeDBA tập kiểm tra d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ n va ac th 43 an Lu Hình 3.9 VeDBA tập kiểm tra si lu an n va tn to gh Hình 3.10 Quan hệ VeDBA – SCAY tập kiểm tra p ie Hình 3.11 mơ tả số nhận dạng ước lượng (trên) thực tế (dưới) ba hành d oa nl w vi quan tâm Độ xác định lượng 89.07% ll u nf va an lu oi m z at nh z m co l gm @ an Lu Hình 3.11 Chỉ số nhận dạng ước lượng (trên) thực tế (dưới) n va ac th 44 si Để tóm lược phần trình bày trên, học viên trình bày bước thực thi vi điều khiển để phân loại hành vi theo thời gian thực sau: Bước 1: thu thập liệu gia tốc theo trục theo giây (thu khung liệu) Bước 2: ước lượng VeDBA SCAY để thu vị trí khơng gian < VeDBA; SCAY> Bước 3: tính tốn khoảng cách tới Tâm cụm (giá trị tâm cụm không gian < VeDBA; SCAY> nạp sẵn nhờ vi điều khiển trình bày trên) Bước 4: xác định giá trị khoảng cách tối thiểu, gán nhãn hành vi tương ứng Bước 5: gửi kết phân loại gateway lu an 3.4 MỘT SỐ SAI SỐ TRONG QUÁ TRÌNH THU DỮ LIỆU va n - Dữ liệu thu có nhiều gói liệu khoảng 20% nguồn pin nhỏ to tn 92% Để đảm bảo khơng gói liệu trì thu liệu tin cậy chúng tơi trì ie gh thu liệu nguồn pin lớn 95% p - Hoạt động bị khơng thuần, hành vi đan xen nhau, vừa ăn vừa đi, nl w lại dừng ăn Chúng khắc phục cách để bị đói cho bị ăn bị ăn d oa liên tục giúp thu liệu ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th 45 si KẾT LUẬN Luận văn này thành công việc xây dựng thiết bị giám sát hành vi bò gồm ăn, nằm, đứng theo thời gian thực Hệ thống thiết kế theo mơ hình mạng cảm biến khơng dây, mở rộng số lượng nút mạng Các thiết bị nhận biết hành vi xây dựng dựa cảm biến gia tốc thuật tốn k-means với độ xác phân loại đạt tới 89% Phương hướng luận văn mở rộng số hành vi quan sát tiến hành thử nghiệm thời gian dài trang trại chăn nuôi lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th 46 si TÀI LIỆU THAM KHẢO [1] Nguyễn Đình Chinh, Phùng Cơng Phi Khanh, Trần Đức Tân, Lê Vũ Hà Nghiên cứu thiết kế mơ hình hệ thống giám sát hành vi bò Kỷ yếu hội thảo tồn quốc điện tử, truyền thơng cơng nghệ thông tin (REV-2016), Hà Nội tháng 12 năm 2016, trang 6-19 đến 6-22 [2] Phùng Công Phi Khanh, Phạm Đình Tuân, Nguyễn Đình Chinh, Phạm Anh Việt, Nguyễn Xuân Trường, Trần Đức Tân; Nghiên cứu, phát triển hệ thống cảnh báo môi trường sử dụng cảm biến đo độ ẩm truyền thông không dây Kỷ yếu hội nghị “Kỹ thuật đo lường toàn quốc lần thứ 6”, Hà Nội, tháng năm 2015, trang lu 954-959 an [3] Phung Cong Phi Khanh, Nguyen Dinh Chinh, Trinh Thi Cham, Pham Thi Vui, va n Tran Duc Tan Classification of Cow Behavior using 3-DOF Accelerometer and On Biomedical Engineering Hanoi University of Science and Technology Hanoi, gh tn to Decision Tree Algorithm BME-HUST 2016 The Third International Conference p ie Vietnam October 05-06, 2016 Bach Khoa Publishing House PP45-50 w [4] Diosdado, Jorge A Vázquez, et al "Classification of behaviour in housed dairy oa nl cows using an accelerometer-based activity monitoring system." Animal Biotelemetry 3.1 (2015): d an lu [5] Guo, Ying, et al "Animal behaviour understanding using wireless sensor u nf on IEEE, 2006 va networks." Local Computer Networks, Proceedings 2006 31st IEEE Conference ll [6] Yoshioka, Hajime, Michie Ito, and Yasuyuki Tanimoto "Effectiveness of a real- m oi time radiotelemetric pedometer for estrus detection and insemination in Japanese z at nh Black cows." Journal of Reproduction and Development 56.3 (2010): 351 -355 [7] Bourke AK, O’ Brien JV, Lyons GM Evaluation of threshold-based tri-axial z accelerometer fall detection algorithm Gait Posture 2007;26:194 – @ gm [8] Nathan R, Spiegel O, Formann-Roe S, Harel R, Wikelski M, Getz WM Using trigeneral concepts and tools illustrated griffon vultures J Exp an Lu Biol.2012;215:986– 96 for m co l axial acceleration data to identify behavioural modes of free-ranging animals: n va ac th 47 si [9] Resheff YS, Rotics S, Harel R, Spiegel O, Nathan R AcceleRater: a web application for supervised learning of behavioural modes from acceleration measurements Mov Ecol 2014;2:27 doi:10.1186/s40462-014-0027-0 [10] Moreau M, Siebert S, Buerket A, Schlecht E Use of tri-axial accelerometer forautomated recording and classification of goats’ grazing behaviour ApplAnimBehav Sci 2009;119:158– 70 [11] Martiskainen P, Jӓrvinen M, Skön JP, Tiirikainen J, Kolehmainen M, Mononen J Cow behaviour pattern recognition using a three-dimensional accelerometer and support vector machines ApplAnimBehav Sci 2009;119:32– [12] Robert B, White BJ, Renter DG, Larson RL Evaluation of three-dimensional lu accelerometers to monitor and classify behaviour patterns in cattle an CompuElectron Agric 2009;67:80– n va [13] Shamoun-Baranes J, Bom R, van Loon EE, Ens BJ, Oosterbeek K, Bouten W One.2012;7:e37997 doi:10.1371/journal.pone.0037997 gh tn to From sensor data to animal behaviour: an oyster-catcher example PLoS p ie [14] Do, D D., Nguyen, H V., Tran, N X., Ta, T D., Tran, T D., & Vu, Y V (2011, w December) Wireless ad hoc network based on global positioning system for oa nl marine monitoring, searching and rescuing (MSnR) In Asia-Pacific Microwave Conference 2011 (pp 1510-1513) IEEE d an lu [15] Tan, T D., Anh, N T., & Anh, G Q (2011, January) Low-cost Structural Health va Monitoring Scheme Using MEMS-based Accelerometers In 2011 Second ll 217-220) IEEE u nf International Conference on Intelligent Systems, Modelling and Simulation (pp m oi [16] Tan, T D., Ha, L M., Long, N T., Tue, H H., & Thuy, N P (2008, December) z at nh Novel MEMS INS/GPS integration scheme using parallel Kalman filters In 2008 IEEE/SICE International Symposium on System Integration (pp 72-76) IEEE z m co l gm @ an Lu n va ac th 48 si