Giám sát hoạt động gia súc sử dụng cảm biến gia tốc 3 chiều

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ NGUYỄN ĐỨC TIẾN GIÁM SÁT HOẠT ĐỘNG GIA SÚC SỬ DỤNG CẢM BIẾN GIA TỐC CHIỀU LUẬN VĂN THẠC SỸ CÔNG NGHỆ ĐIỆN TỬ – VIỄN THÔNG HÀ NỘI - 2015 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ NGUYỄN ĐỨC TIẾN GIÁM SÁT HOẠT ĐỘNG GIA SÚC SỬ DỤNG CẢM BIẾN GIA TỐC CHIỀU NGÀNH: CÔNG NGHỆ ĐIỆN TỬ – VIỄN THÔNG CHUYÊN NGÀNH: KỸ THUẬT ĐIỆN TỬ MÃ SỐ: 60520203 LUẬN VĂN THẠC SỸ CÔNG NGHỆ ĐIỆN TỬ – VIỄN THÔNG NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS TRẦN ĐỨC TÂN HÀ NỘI - 2015 LỜI NÓI ĐẦU Sự phát triển công nghệ cảm biến diễn ra, trình nhìn thấy trước, làm tăng lượng thông tin có liên quan đến giám sát động vật môi trường chúng Các thông tin góp phần làm tăng chất lượng sản phẩm liên quan từ động vật việc phát triển gia súc sức khỏe chúng Các hệ thống có sẵn xác định định danh trọng lượng động vật lý có hệ thống phát triển để theo dõi động vật; để theo dõi yếu tố sinh lý nhiệt độ thể nhịp tim; để đánh giá hình dạng thể bên ngoài, số khía cạnh giới hạn thành phần bên Việc áp dụng kỹ thuật hệ thống giám sát tích hợp, thông tin từ cảm biến, sở liệu, mô hình toán học sở tri thức kết hợp giải thích, cho phép tối đa tiềm thông tin để thực Một số hệ thống có chứa số yếu tố hệ thống giám sát tích hợp có sẵn tính thương mại cho lợn, gà thịt sản xuất sữa Những tiến nghiên cứu sinh vật từ xa phát triển hệ thống tự động giám sát phân loại hoạt động hành vi nhiều loài gia súc, bao gồm loài hóa bò sữa Tự động phân loại hành vi có khả cải thiện sức khỏe trình giám sát chăm sóc gia súc Các nghiên cứu gần sử dụng cảm biến gia tốc máy đo bước để phân loại hoạt động hành vi bò sữa, cách tiếp cận thường phân biệt xác hành vi sinh học quan trọng cho ăn, nằm, đứng động dục Trong luận văn này, phát triển thuật toán định cải tiến mà sử dụng liệu từ cảm biến gia tốc gắn cổ bò để vừa phân loại hành vi sinh học quan trọng bò sữa nằm, đứng, ăn sử dụng cảm biến gia tốc khác để đo bước chân dùng để xác định hành vi động dục bò sữa Các hành vi giám sát theo thời gian thực Từ hành vi gia súc, biết trạng thái tình hình sức khỏe chúng Chúng ta biết bò lười ăn, bò đau chân, bò động dục mà có chế độ ăn uống chăm sóc hợp lý… LỜI CẢM ƠN Luận văn kết năm tháng làm việc chăm ý kiến đóng góp nhiệt tình hướng dẫn đắn thầy hướng dẫn, TS Trần Đức Tân Với đức tính nhà giáo, nhà nghiên cứu trẻ, thầy hình mẫu mà noi theo công việc nghiên cứu hoàn thành luận văn Tôi xin gửi lời cảm ơn đến thầy, cô bạn bè môn Vi điện tử Vi hệ thống lớp K19ĐTVT, Khoa Điện Tử – Viễn Thông, Trường Đại học Công nghệ, Đại học Quốc gia Hà nội có nhận xét, góp ý cho luận văn Cuối xin gửi lời cảm ơn đến gia đình tôi, người tạo điều kiện cho học tập nghiên cứu Gia đình động lực cho vượt qua thử thách, luôn ủng hộ động viên hoàn thành luận văn LỜI CAM ĐOAN Tôi xin cam đoan luận văn sản phẩm trình nghiên cứu, tìm hiểu cá nhân hướng dẫn bảo thầy hướng dẫn, thầy cô môn, khoa bạn bè Tôi không chép tài liệu hay công trình nghiên cứu người khác để làm luận văn Nếu vi phạm, xin chịu trách nhiệm Học viên Nguyễn Đức Tiến MỤC LỤC LỜI NÓI ĐẦU MỤC LỤC DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT DANH MỤC CÁC BẢNG DANH MỤC CÁC HÌNH VẼ CHƯƠNG GIỚI THIỆU 1.1 1.2 TỔNG QUAN VỀ GIÁM SÁT HỖ TRỢ CHĂN NUÔI TỔ CHỨC LUẬN VĂN 13 CHƯƠNG NGUYÊN CỨU CÁC THUẬT TOÁN PHÂN LOẠI HÀNH VI GIA SÚC 14 2.1 2.2 2.3 2.4 2.5 TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP HỌC MÁY .14 2.1.1.G IỚI THIỆU VỀ HỌC MÁY 14 2.1.2.CÁC GIẢI THUẬT HỌC MÁY .14 THUẬT TOÁN PHÂN CỤM K-MEANS 15 THUẬT TOÁN MÁY VECTOR HỖ TRỢ (SVM) 16 THUẬT TOÁN CÂY QUYẾT ĐỊNH 21 SO SÁNH CÁC LOẠI THUẬT TOÁN PHÂN LOẠI VÀ NHẬN XÉT .24 CHƯƠNG PHƯƠNG PHÁP ĐỀ XUẤT 26 3.1 3.2 3.3 ĐỀ XUẤT 26 PHÂN LOẠI HÀNH VI CỦA GIA SÚC .28 XÂY DỰNG BỘ THAM SỐ ĐÁNH GIÁ PHÂN LOẠI GIA SÚC 32 CHƯƠNG KẾT QUẢ 39 4.1 4.2 MÔ PHỎNG VÀ ĐÁNH GIÁ VỀ MẶT CHẤT LƯỢNG 39 VỀ MẶT HIỆU QUẢ CỦA THUẬT TOÁN CÂY QUYẾT ĐỊNH 58 KẾT LUẬN 61 TÀI LIỆU THAM KHẢO 62 DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT Ký Hiệu Tên Tiếng Anh Tên Tiếng Việt SVM Support Vector Machine Máy hỗ trợ vectơ VeDBA Vector of the dynamic body acceleration Vector tổng hợp gia tốc chuyển động toàn thân ODBA Overall dynamic body acceleration Tổng gia tốc chuyển động toàn thân DBA Dynamic body acceleration Gia tốc chuyển động toàn thân SCAY Static component of acceleration in the y-axis Thành phần gia tốc tĩnh theo trục y TP True Positive Số dương TN True Negative Số âm FP False Positive Số sai dương FN False Negative Số sai âm TPR True Positive Rate Tỉ lệ số dương FPR False Positive Rate Tỉ lệ số sai dương ROC Receiver Operating Curve Đường cong đặc trưng hoạt động thu nhận g Gravity Trọng lực DANH MỤC CÁC BẢNG Bảng 2.1 So sánh thuật toán phân loại 25 Bảng 3.1 Ma trận nhầm lẫn 35 Bảng 4.1 Chuỗi liệu thời gian bò nằm, g=9.8 m/s2 39 Bảng 4.2 Dữ liệu đầu cảm biến gia tốc ba chiều bò đứng thời gian phút 41 Bảng 4.3 Dữ liệu thời gian đầu cảm biến gia tốc ba chiều bò ăn 43 Bảng 4.4 Giá trị trung bình VeDBA trạng thái 47 Bảng 4.5 Kết ROC VeDBA 49 Bảng 4.6 Dữ liệu SCAY tương ứng với hành vi 51 Bảng 4.7 Kết ROC SCAY 54 Bảng 4.8 Giá trị tần suất di chuyển bò 56 Bảng 4.9 Kết thực phân loại với thuật toán 58 DANH MỤC CÁC HÌNH VẼ Hình 1.1: Đàn bò Hoàng anh Gia Lai 10 Hình 1.2 Áp dụng công nghệ cao vào chăn nuôi bò 11 Hình 1.3 Hệ thống giám sát tích hợp cho sản xuất chăn nuôi 12 Hình 2.1 Sơ đồ giải thuật toán K-means 16 Hình 2.2 Quá trình xây dựng mô hình phân lớp 18 Hình 2.3 Ước lượng độ xác mô hình 19 Hình 2.4 Phân lớp liệu 19 Hình 2.5 Thuật toán SVM 20 Hình 2.6 Ví dụ định 22 Hình 3.1 Mã giải thuật toán định 27 Hình 3.2 Hướng trục gia tốc gắn cổ bò 28 Hình 3.3 Cảm biến Omnisense Series 500 Cluster Geolocation 29 Hình 3.4 Các trục cảm biến gia tốc bò đứng 29 Hình 3.5 Hướng cảm biến gia tốc bò nằm 30 Hình 3.6 Cảm biến gia tốc gắn vào chân để đo số bước chân 30 Hình 3.7 Các trục gia tốc cảm biến đo bước chân 30 Hình 4.1 Sơ đồ thuật toán định cải tiến 31 Hình 4.2 Cây định phân loại hành vi ăn, nằm, đứng 32 Hình 4.3 Cây định phân loại hành vi động dục 32 Hình 3.9 Phương pháp cửa sổ trượt 34 Hình 3.10 Một ví dụ đường cong ROC 37 Hình 4.4 Dữ liệu đầu cảm biến gia tốc ba chiều bò nằm thời gian mười phút 41 Hình 4.5 Chuỗi liệu thời gian cảm biến gia tốc chiều trạng thái đứng 43 Hình 4.6 Chuỗi liệu thời gian cảm biến gia tốc chiều trạng thái ăn mười phút 45 Hình 4.7 Giá trị trung bình VeDBA SCAY bò ba trạng thái 46 Hình 4.8 Hằng số ngưỡng VeDBA 49 Hình 4.9 Cây định phân loại dựa số ngưỡng VeDBA 51 Hình 4.10 Hằng số ngưỡng SCAY 54 Hình 4.11 Cây định phân loại hành vi đứng nằm 55 Hình 4.12 Kết phân loại hành vi động dục bò 57 Hình 4.13 Cây định phân loại hành vi động dục 58 >0,0611 >0,0623 >0,0624 >0,0635 >0,0636 >0,0933 79,27 70,73 68,29 63,41 63,41 0,00 68,9 - 87,4 59,6 - 80,3 57,1 - 78,1 52,0 - 73,8 52,0 - 73,8 0,0 - 4,4 97,46 97,46 99,15 99,15 100,00 100,00 92,7 - 99,5 92,7 - 99,5 95,4 - 100,0 95,4 - 100,0 96,9 - 100,0 96,9 - 100,0 Dựa vào Bảng Error! No text of specified style in document cho thấy với giá trị kết Mean VeDBA lớn 0.0334 hành vi hoạt động lượng cao nhỏ 0.0334 hành vi hoạt động lượng thấp Từ đó, ta xây dựng định phân loại hành vi trạng thái hành vi mức cao hành vi mức thấp 50 Hình Error! No text of specified style in document 27 thể định ngưỡng VeDBA: Xây dựng định phân loại hành vi ăn, nằm, đứng Có Giá trị trung bình VeDBA > Hằng số ngưỡng A ( 0.00334g) Không Hoạt động lượng thấp (Hoạt động nằm đứng) Hoạt động lượng cao ( Hoạt động ăn) Hình Error! No text of specified style in document 27 Cây định phân loại dựa số ngưỡng VeDBA Do sử dụng định để phân loại hành vi hoạt động lượng cao hoạt động lượng thấp Trong đó, hoạt động lượng cao hành vi ăn hoạt động lượng thấp bao gồm hành vi nằm đứng Tiếp tục sử dụng liệu [20], Bảng Error! No text of specified style in document thể Mean SCAY tương ứng với hành vi nằm đứng Bảng Error! No text of specified style in document Dữ liệu SCAY tương ứng với hành vi Mean SCAY (g) Trạng thái -0,1661 Nằm -0,1026 Nằm -0,0968 Nằm -0,0845 Nằm -0,106 Nằm -0,0576 Nằm -0,1038 Nằm -0,1081 Nằm -0,0884 Nằm 51 -0,1053 Nằm 0,0587 Đứng 0,0794 Đứng -0,2392 Đứng -0,0223 Đứng 0,0137 Đứng 0,0351 Đứng -0,136 Nằm -0,1796 Nằm -0,0451 Nằm -0,0731 Nằm -0,0631 Nằm -0,0866 Nằm -0,0841 Nằm -0,1658 Nằm -0,1026 Nằm -0,0969 Nằm -0,1052 Nằm -0,0865 Nằm -0,0951 Nằm -0,0916 Nằm -0,1254 Nằm 0,2067 Nằm 0,1914 Nằm 0,2212 Nằm 0,1147 Đứng 0,0022 Nằm -0,0628 Nằm 0,2283 Nằm 52 0,0247 Nằm 0,0004 Nằm 0,0471 Đứng -0,0648 Nằm -0,0762 Nằm -0,1329 Nằm -0,2378 Nằm -0,231 Nằm -0,0655 Nằm 0,0213 Nằm 0,1328 Đứng 0,1224 Đứng -0,1461 Nằm 0,0961 Đứng 0,1508 Đứng -0,0006 Nằm -0,0908 Nằm -0,1364 Nằm -0,1773 Nằm -0,16 Nằm … … -0,0449 Đứng Tiếp tục sử dụng đường cong ROC, ta tìm mức số ngưỡng SCAY Hình Error! No text of specified style in document 28 thể đường cong ROC SCAY với số ngưỡng dùng để phân biệt hành vi đứng nằm 53 Độ nhạy cảm Đường cong ROC SCAY 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 0,2 0,4 0,6 0,8 Tỉ lệ báo động giả Hình Error! No text of specified style in document 28 Hằng số ngưỡng SCAY Bảng Error! No text of specified style in document cho thấy kết tính toán đường cong ROC SCAY Bảng Error! No text of specified style in document Kết ROC SCAY Tiêu chuẩn Độ nhạy cảm Khoảng tin cậy Tính đặc hiệu Khoảng tin cậy (g) (95%) (95%) ≥-0,2672 100,00 86,3 - 100,0 0,00 0,0 - 3,9 >-0,2561 100,00 86,3 - 100,0 3,23 0,7 - 9,1 >-0,2392 96,00 79,6 - 99,9 3,23 0,7 - 9,1 >-0,0576 96,00 79,6 - 99,9 77,42 67,6 - 85,4 >-0,0495 92,00 74,0 - 99,0 77,42 67,6 - 85,4 >-0,0451 92,00 74,0 - 99,0 79,57 69,9 - 87,2 >-0,0449 88,00 68,8 - 97,5 79,57 69,9 - 87,2 >-0,0286 88,00 68,8 - 97,5 83,87 74,8 - 90,7 >-0,0223 84,00 63,9 - 95,5 83,87 74,8 - 90,7 >0,0022 84,00 63,9 - 95,5 88,17 79,8 - 93,9 >0,0166 76,00 54,9 - 90,6 88,17 79,8 - 93,9 >0,0331 76,00 54,9 - 90,6 91,40 83,8 - 96,2 >0,0587 56,00 34,9 - 75,6 91,40 83,8 - 96,2 >0,0605 56,00 34,9 - 75,6 93,55 86,5 - 97,6 >0,1508 12,00 2,5 - 31,2 93,55 86,5 - 97,6 >0,2067 12,00 2,5 - 31,2 95,70 89,4 - 98,8 >0,2125 8,00 1,0 - 26,0 95,70 89,4 - 98,8 >0,2697 8,00 1,0 - 26,0 98,92 94,2 - 100,0 >0,2806 4,00 0,1 - 20,4 98,92 94,2 - 100,0 >0,309 4,00 0,1 - 20,4 100,00 96,1 - 100,0 >0,3629 0,00 0,0 - 13,7 100,00 96,1 - 100,0 Dựa vào kết Bảng Error! No text of specified style in document 9, với mức ưu tiên theo độ nhạy cảm cao giá trị tính đặc hiệu cao nhất, giá trị 54 SCAY lớn -0.0576g phân loại hành vi đứng, giá trị SCAY nhỏ 0.0576g hành vi nằm Giá trị ngưỡng Mean SCAY -0.0576g Hình Error! No text of specified style in document 29 mô tả định dùng để phân loại hành vi nằm đứng Hình Error! No text of specified style in document 29 Cây định phân loại hành vi đứng nằm Sử dụng số liệu cảm biến gia tốc chiều để đo liệu gia tốc Từ công thức (Error! No text of specified style in document 9) tính số bước chân/giờ cảnh báo động dục bò Trong kĩ thuật chăn nuôi, hành vi động dục đa số gia súc phát nhờ gia tăng số bước chân Sự khởi đầu cảnh báo động dục xác định gia tăng số lượng bước chân/giờ bò lớn giá trị ngưỡng mặc định (trong khóa luận 150%) tính dựa số lượng bước chân trung bình ghi nhận bò khoảng liên tục Sự kết thúc trình cảnh báo động dục xác đinh gia tăng số lượng bước chân/giờ lớn giá trị ngưỡng mặc định tính dựa số lượng bước chân trung bình bò suốt [21] Khởi đầu hành vi động dục đứng coi lần đứng hai lần đứng khoảng 4h Kết thúc hành vi động dục lần đứng cuối khoảng thời gian 4h Cường độ động dục thấp hành vi động dục có số lần đứng nhỏ 1.5 số lần đứng thời gian nhỏ 7h từ lần đứng lần đứng 55 cuối Tồn giá trị ngưỡng mặc định cho cảnh báo động dục Tần suất di chuyển số lần thay đổi bước chân/giờ bò so với mức bình thường [24] Trong luận văn này, tần suất di chuyển mức tăng tỉ lệ số bước chân/giờ để phát động dục Bảng Error! No text of specified style in document 10 thể giá trị ngưỡng mặc định để phát trình động dục: Bảng Error! No text of specified style in document 10 Giá trị tần suất di chuyển bò Tần suất di chuyển (bước chân/giờ) Mức hoạt động lượng Cảnh báo động dục 6% 35% 28% 24% 35% 37% 68% 100% 120% 146% 130% 139% 127% 125% 128% 140% 138% 127% 146% 150% 153% 157% 178% 200% 195% 178% 186% 210% Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Cao Cao Cao Cao Thấp Thấp Cao Cao Cao Cao Cao Cao Cao Cao Cao Cao Cao Cao Cao Không Không Không Không Không Không Không Không Không Có Có Có Có Không Không Có Có Có Không Có Có Có Có Có Có Có Có Có 56 220% 250% Cao Cao Có Có Hình Error! No text of specified style in document 30 cho thấy kết phân loại hành vi động dục: Tần suất di chuyển ( bước chân/giờ) 180 Phân loại hành vi động dục 180 150 150 120 120 90 90 60 60 30 30 0 Không động dục Chưa xác định động dục Động dục Hình Error! No text of specified style in document 30 Kết phân loại hành vi động dục bò Dựa vào kết Hình Error! No text of specified style in document 30, tần suất di chuyển < 120% bò không động dục, tần suất di chuyển > 120% tần suất di chuyển < 150% không xác định hành vi bò động dục hay chưa Nếu tần suất di chuyển > 150% bò trạng thái động dục Từ đó, sử dụng số ngưỡng C = 150% để phát triển định cải tiến phát hành vi động dục bò Hình Error! No text of specified style in document 31 trình bày định phát động dục bò 57 Hình Error! No text of specified style in document 31 Cây định phân loại hành vi động dục 4.2 Về mặt hiệu thuật toán định Theo nghiên cứu [20], Bảng Error! No text of specified style in document 11 cho thấy kết phân loại hành vi dựa vào thuật toán định, k-means, SVM Bảng Error! No text of specified style in document 11 Kết thực phân loại với thuật toán Hành vi Thông số hiệu suất Kích thước cửa số phút Độ nhạy cảm Nằm Tín hiệu báo động giả Độ nhạy cảm Đứng Tín hiệu báo động giả Độ nhạy cảm Ăn Tín hiệu báo động giả Độ nhạy Tổng cộng cảm Thuật toán phân loại Cây định Thuật toán k-mean Thuật toán SVM 74,09 85,93 92,91 96,57 91,88 89,65 82,08 59,50 51,65 47,01 29,28 77,01 95,65 59,92 98,01 92,03 86,13 91,01 83,94 68,45 80,85 58 Tín hiệu báo động giả Kích thước cửa số phút Độ nhạy cảm Nằm Tín hiệu báo động giả Độ nhạy cảm Đứng Tín hiệu báo động giả Độ nhạy cảm Ăn Tín hiệu báo động giả Độ nhạy cảm Tổng cộng Tín hiệu báo động giả Kích thước cửa số 10 phút Độ nhạy cảm Nằm Tín hiệu báo động giả Độ nhạy cảm Đứng Tín hiệu báo động giả Độ nhạy cảm Ăn Tín hiệu báo động giả Độ nhạy cảm Tổng cộng Tín hiệu báo động giả 78,53 69,09 85,89 74,09 55,37 92,91 97,95 98,10 91,66 88,46 69,23 60,89 47,92 69,23 79,15 97,44 99,36 98,29 93,25 87,08 92,36 86,66 74,65 84,03 79,71 84,80 87,72 77,42 80,65 89,60 98,63 96,15 93,35 88,00 76,00 68,00 55,00 59,38 76,04 98,78 98,78 100,00 93,10 90,00 93,18 88,06 85,14 85,86 82,24 81,84 87,52 Bảng Error! No text of specified style in document 11 cho thấy sử dụng thuật toán định vừa đơn giản vừa có độ xác cao phân loại Thuật toán định phù hợp với sức mạnh vi xử lý Thuật toán định sử dụng để giám sát hành động gia súc thời 59 gian thực Luận văn sử dụng định cải tiến để phân loại hành vi động dục bò 60 KẾT LUẬN Luận văn bước đầu thành công việc nâng cao khả phân loại hành vi gia súc sử dụng định Hành vi phân loại gia súc theo phương pháp định cải tiến xác định thêm thuộc tính động dục Sử dụng hệ thống giám sát gia súc sử dụng định cải tiến người chăn nuôi giám sát hành vi gia súc có chế độ chăm sóc sức khỏe tốt sản lượng thịt sữa hiệu Các kết phân tích với liệu mô liệu thực nghiệm công bố [20] Đề xuất luận văn cho phép khắc phục hạn chế tồn [20] Luận văn bước đầu xây dựng mô hình “Cảm biến sinh học từ xa” cho phép giám sát hành vi gia súc thời gian thực Thuật toán định hoàn toàn phù hợp với mô hình Thuật toán đơn giản, dễ hiểu, tốn điện năng, dễ dàng thực vi điều khiển thời gian thực liệu gia tốc thô xử lý trực tiếp định Luận văn xây dựng toán phân loại hành vi tổng quát dựa theo gia súc nói chung Tùy loại gia súc vùng miền mà thuộc tính VeDBA, SCAY, mật độ di chuyển có ngưỡng số quy định khác Bước luận văn thu thập thêm nhiều liệu để có mô hình huấn luyện hiệu tiếp tục thử nghiệm để áp dụng thời gian thực chăn nuôi 61 TÀI LIỆU THAM KHẢO Tiếng Việt [1] AfiMilk Việt Nam, 2013, “Hệ thống quản lý trang trại bò sữa theo AfiMilk” [2] Bùi Đức Trung, 2010, “Nghiên cứu kĩ thuật gán nhãn cho liệu dạng chuỗi ứng dụng” [3] Đào Minh Tùng, 2011, “Phân cụm đa mức web k-means dựa chủ đề ẩn thực nghiệm đánh giá” [4] Hà Quang Thụy, 2013-09, “Bài giảng nhập môn khai phá liệu” [5] Hồ Tú Bảo, 2015-08-10, “Tổng quan học máy thống kê” [6] Nguyễn Hữu Sơn, 2010-10, “Sử dụng phần mềm MedCalc thống kê y học” [7] Nguyễn Ngọc Rạng, 2015, “Ứng dụng đường cong ROC nghiên cứu y học [8] Nguyễn Thị Hải Yến, 2007, “Phân lớp giám sát ứng dụng thuật toán SVM vào phân lớp trang Web” [9] Nguyễn Thị Lan Anh, 2013, “Nghiên cứu thuật toán học máy SVM ứng dụng toán khai phá ý kiến phản hồi khách hàng Website” [10] Nguyễn Thị Thùy Linh, 2005, “Nghiên cứu thuật toán phân lớp liệu dựa định” [11] Nguyễn Thị Thủy, Lê Thanh Hà, 2015-08-11, “Máy vector hỗ trợ” [12] Nguyễn Xuân Trạch, Mai Thị Thơm, Lê Văn Ban, 2009, “Giáo trình chăn nuôi trâu bò” [13] Trần Cao Đệ, Phạm Nguyên Khang, “Phân loại văn với máy học vector hỗ trợ định”, Tạp chí khoa học trường đại học Cần Thơ, 2012, vol 21, trang 5263 [14] Trần Khải Châu, 2013-08-07, “Khái quát tình hình chăn nuôi thị trường thức ăn gia súc Việt Nam”, https://voer.edu.vn/m/khai-quat-ve-tinh-hinh-chan-nuoiva-thi-truong-thuc-an-gia-suc-viet-nam/d3bab835 [15] Trường hè học máy thống kê, 2015-08-10, “Thực hành học máy với WEKA” [16] Viện kinh tế nông nghiệp, 2005-08, “Các nghiên cứu ngành chăn nuôi Việt Nam” [17]Võ Thị Ngọc Châu, 2013, “Khai phá liệu - Phân loại liệu” [18] Wikimedia, 2015-11-02, “Học máy”, https://vi.wikipedia.org/wiki/Học_máy Tiếng Anh 62 [19] Anaesthetist, 2011-07-28, “Receiver Operating http://www.anaesthetist.com/mnm/stats/roc/Findex.html Characteristic curve”, [20] Diosdado, Jorge A Vázquez, "Classification of behaviour in housed dairy cows using an accelerometer-based activity monitoring system", Animal Biotelemetry, vol 3, no 1, pp 15, 2015 [21] Hajime YOSHIOKA, Michie ITO, Yasuyuki TANIMOTO, “Effectiveness of a real-time radiotelemetric pedometer for estrus detection and insemination in Japanese Black cows”, Journal of Reproduction and Development, vol 56, no 3, pp 351-355, 2010 [22] Harvey Weinberg, 2002, “Using the ADXL202 in Pedometer and Personal Navigation Applications” [23] Hudson, 2015, “Big data and the dairy cow: Factor afecting ferility in UK herds” [24] J.B Roelofs, E van Erp-van der Kooij, “Estrus detection tools and their applicability in cattle: recent and perspectival situation”, Anim Reprod, vol 12, no 3, pp.498-504, Jul./Sept 2015 [25] Judith B Roelof, Frank J.C.M van Eerdenburg , Nicoline M Soede , Bas Kemp, "Pedometer readings for estrous detection and as predictor for time of ovulation in dairy cattle." , Theriogenology vol 64, no 8, pp1690-1703, 2005 [26] Kevin P Murphy, 2007-10-10, “Performance evaluation of binary classifiers” [27] Pham Bao Son, 2015-08-10, “Machine Learning Basics”, Lecture notes [28] Scott Mitchell, 1995, “The Application of Machine Learning Techniques to Time Series Data”, University of Waikato [29] Shepard, Emily LC, "Derivation of body motion via appropriate smoothing of acceleration data", Aquat Biol, vol 4, pp 235-241, 2008 [30] The MIT Press, 2010, “Machine Learning” [31] Thomas G Dietterich, “Machine Learning for Sequential Data: A Review”, In T Caelli (Ed.) Structural, Syntactic, and Statistical Pattern Recognition; Lecture Notes in Computer Science, Vol 2396 (pp 15-30) Springer-Verlag, 2002 [32] Tan, Tran Duc, and Nguyen Van Tinh "Reliable fall detection system using an 3DOF accelerometer and cascade posture recognitions." Asia-Pacific Signal and Information Processing Association, 2014 Annual Summit and Conference (APSIPA) IEEE, 2014 [33] Tan, T D., Ha, L M., & Anh, N T (2010) A real-time vibration monitoring for vehicle based on 3-DOF MEMS accelerometer In Proc 2010 Int Conf Computational Intelligence and Vehicular System, pp 160-164 63 [34] Tan, T D., Tue, H H., Long, N T., Thuy, N P., & Van Chuc, N (2006, November) Designing Kalman filters for integration of inertial navigation system and global positioning system In The 10th biennial Vietnam Conference on Radio & Electronics, REV-2006 Hanoi, November [35] Ha, L M., Tan, T D., Long, N T., Duc, N D., & Thuy, N P (2007) Errors determination of the MEMS IMU Journal of Science VNUH, July, pp 6-12 [36] Tan, T D., Anh, N T., & Anh, G G (2011, January) Low-cost Structural Health Monitoring Scheme Using MEMS-based Accelerometers In Second International Conference on Intelligent Systems, Modelling and Simulation (ISMS), 2011, pp 217220 64 [...]... khỏe và tình trạng sinh sản của động vật Trong giai đoạn cuối cùng kiến thức chăn nuôi sẽ khởi xướng các hoạt động kiểm soát, hoặc báo cáo cho người sử dụng, với các khuyến nghị cho các hành động Dữ liệu từ các cảm biến gia tốc đã thường xuyên được sử dụng để theo dõi, phân loại và suy ra các hành vi của con người [32 ] Ngoài ra các cảm biến gia tốc đã được sử dụng trong cảm biến kĩ thuật số để có thể phát... style in document 14 Hướng cảm biến gia tốc khi bò đang nằm Sử dụng cảm biến gia tốc gắn vào chân con bò để thu thập dữ liệu về số bước chân hoặc số bước chân ngắn của con bò Hình Error! No text of specified style in document 15 thể hiện vị trí gắn cảm biến gia tốc vào chân trước con bò để đo số bước chân: Hình Error! No text of specified style in document 15 Cảm biến gia tốc gắn vào chân để đo số bước... lí do vì sao sử dụng thuật toán cây quyết định  Chương 3 đề xuất sử dụng cây quyết định cải tiến o Đề xuất sử dụng cây quyết định cải tiến o Phân loại hành vi gia súc: ăn, nằm, đứng, động dục o Xây dựng bộ tham số để đánh giá phân loại gia súc  Chương 4 đưa ra những kết quả đạt được khi sử dụng phương pháp phân loại bằng cây quyết định 13 NGUYÊN CỨU CÁC THUẬT TOÁN PHÂN LOẠI HÀNH VI GIA SÚC 2.1 Tổng... specified style in document 12 Cảm biến Omnisense Series 500 Cluster Geolocation Hình Error! No text of specified style in document 13 thể hiện các hướng trục của cảm biến gia tốc khi bò đang đứng: Hình Error! No text of specified style in document 13 Các trục cảm biến gia tốc khi bò đang đứng Hình specified style hiện hướng cảm nằm: Error! No text of in document 14 thể biến gia tốc khi bò đang 29 Hình Error!... biến gia tốc đã được sử dụng để thu thập hành vi gia súc và lưu trữ dữ liệu có hai dạng:  Thiết bị cảm biến sinh học: Thiết bị như vậy thường tiêu thụ rất ít năng lượng, và do đó, thời lượng pin là rất hiếm khi một vấn đề Tuy nhiên, thực tế là các dữ liệu cảm biến gia tốc thường được lưu trữ bên trong( thường là một thẻ nhớ bên trong các cảm biến ) và điều đó có nghĩa là gia súc bắt buộc phải được... gia tốc thì quy trình căn chuẩn cảm biến phải được thực hiện cẩn thận [35 , 36 ] Hình Error! No text of specified style in document 11 thể hiện cách gắn cảm biến gia tốc trên cổ con bò: Hình Error! No text of specified style in document 11 Hướng của các trục gia tốc gắn trên cổ bò 28 Hình Error! No text of specified style in document 12 thể hiện chi tiết hơn về cảm biến gia tốc đã được gắn trên cổ con bò... o Trạng thái động dục: Con bò tim kiếm bò cái hoặc bò đực, cố nhảy lên con khác -> di chuyển nhiều bước ngắn và nhiều Ngoài ra còn có các trạng thái khác nhưng ít xảy ra hơn Luận văn này sẽ đi tìm hiểu về các hành vi của con bò Sử dụng cảm biến gia tốc gắn trên cổ con bò có thể thu thập được các dữ liệu dùng để phân loại hành vi ăn, nằm, đứng Tất nhiên, để có thể sử dụng cảm biến gia tốc thì quy trình... hướng của các trục gia tốc của cảm biến đo bước chân: Hình Error! No text of specified style in document 16 Các trục gia tốc của cảm biến đo bước chân 30 Trong luận văn này, tôi đã xây dựng được cây quyết định cải tiến mà có thể phân loại được hành vi của con bò Theo nghiên cứu [20], tác giả đã sử dụng cây quyết định để phân loại hành vi nằm, đứng, ăn Trong khóa luận này, tôi sử dụng cây quyết định... entropy Các thuật toán sử dụng tiêu chuẩn này là ID3, C4.5 [ 13] 27  Bảng thống kê các sự kiện xảy ra ngẫu nhiên: Đo độ tương quan giữa từng thuộc tính và nhãn lớp Sau đó lựa chọn thuộc tính có độ tương quan lớn nhất CHAID là thuật toán sử dụng tiêu chuẩn này Trong nghiên cứu, chỉ sử dụng cây quyết định để phân loại hành vi của gia súc bao gồm ăn, ngủ, đứng Trong luận văn này, tôi đã sử dụng cây quyết định... tuổi Trong khóa luận này, dữ liệu từ các cảm biến gia tốc đã được sử dụng để có thể theo dõi hành vi của gia súc Có nhiều thuật toán dùng để phân loại hành vi của gia súc như: Thuật toán phân cụm k-means, thuật toán SVM, thuật toán cây quyết định Các thuật toán kmeans, SVM, cây quyết định đều có những ưu điểm và nhược điểm nhất định Trong luận văn này, tôi sử dụng thuật toán cây quyết định cải tiến ... -0,4 0,2 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 0,5 0,5 0,2 0,4 0,4 0 ,3 0,2 0,5 0,5 0 ,3 0,5 0,4 0 ,3 0,6 0,5 0 ,3 0,6 0,2... hành vi người [32 ] Ngoài cảm biến gia tốc sử dụng cảm biến kĩ thuật số để phát té ngã người cao tuổi Trong khóa luận này, liệu từ cảm biến gia tốc sử dụng để theo dõi hành vi gia súc Có nhiều thuật... trục gia tốc gắn cổ bò 28 Hình 3. 3 Cảm biến Omnisense Series 500 Cluster Geolocation 29 Hình 3. 4 Các trục cảm biến gia tốc bò đứng 29 Hình 3. 5 Hướng cảm biến gia tốc bò nằm 30