Nghiên cứu trong tham khảo [8] đã đề xuất sử dụng thuật toán cây quyết định để phân loại hành vi: đi, đứng, nằm và ăn của bò. Lưu đồ thuật toán được trình bày như trong Hình 2.19.
Để xác định thuộc tính cho thuật toán cây quyết định, trong luận văn này, tác giả sử dụng tham số để xác định mức độ tiêu hao năng lượng của bò, véc-tơ tổng hợp gia tốc chuyển động toàn thân (VeDBA: Vectorial Dynamic Body Acceleration): 2 2 2 z y x A A A VeDBA= + + , (4)
Hình 2.19. Thuật toán Cây quyết định cho phân loại hành vi bò.
Ngoài ra, tham số giá trị thành phần gia tốc tĩnh theo trục Y (SCA-Y: Static Component of the Acceleration in the Y-axis) được sử dụng để xác định sự thay đổi gia tốc trọng trường theo phương Y.
( −β) ∗ = cos180 : g g SCAY y , (5)
β là góc thể hiện sự tương đối giữa trục Yvới phương ngang.
Để phân loại dữ liệu, chúng ta cần tính toán ra các tham số đặc trưng VeDBA và SCAY, để sử dụng chúng so sánh với hai giá trị ngưỡng trong cây quyết định. Hai
thống số sẽ được tính toán và sử dụng trong suốt thời gian của cửa số đã chọn.
o Thuật toán được thực hiện theo các bướcnhư sau: - Thu thập dữ liệu gia tốc theo 3 trục: X, Y, Z.
- Tính hằng số ngưỡng Acho giá trị VeDBA.
- Xét VeDBA≥ A => “Hoạt động mức cao” và ngược lại “Hoạt động mức thấp”.
- Khi bò đang nằm hay đứng thì chỉ thay đổi giá trị gia tốc trên trục Y. Vì
1
B
SCAY ≤ thì hành vi của bò là “nằm”. Nếu SCAY ≥B2 thì hành vi của bò là
“đứng”.
Để tính VeDBA, chúng ta cần tính DBA. Trong đó, DBA thể hiện năng lượng tiêu hao của gia súc theo một chiều. Giá trị của DBA được tính như sau:
, , ,
t i t i t i t
DBA =A = A∗ −µ , (6)
trong đó, i = x, y, z thể hiện các trục gia tốc; Ai,tlà các giá trị gia tốc tĩnh; Ai t∗,
là các dữ liệu gia tốc động; µi t, là các giá trị trung bình của dữ liệu gia tốc.
Win_size 2 Win_size , , 2 1 Win_size t t i t Ai t µ + ∗ − = ∑ (7)
Ở đây sử dụng mô hình cửa sổ trượt để tính toán. Như vậy, phương trình (4) có thể được viết lại như sau:
2 2 2
, , ,
, x t y t z t
norm t
VeDBA= A = A +A +A (8)
Trong luận văn này, tác giả sử dụng hai đặc trưng µy,tvà Anorm t, để phân loại hành vi của cá thể bò.
o Hiệu năng của hệ thống:
Để đánh giá hiệu năng (phẩm chất) của hệ thống sử dụng thuật toán phân loại hành vi bò, trong luận văn này, sử dụng hai tham số, đó là độ nhạy và độ chính xác của thuật toán.
Độ nhạy (Sensitivity): Sen TP TP+FN
= ,
Độ chính xác (Precision): Pre TP TP+FP
= ,
Độ đặc hiệu (Specificity): Pre TN TN+FP
= .
TP: Dương tính thật (True Positive), những trường hợp mà trạng thái thực tế quan sát được và phân loại đúng theo thuật toán.
FP: Dương tính giả (False Positive), những trường hợp mà trạng thái được phân loại bởi thuật toán nhưng không được quan sát trong thực tế.
quan sát trong thực tế nhưng không được phân loại theo thuật toán.
TN: Âm tính thật (True Negative), những trường hợp mà trạng thái không được phân loại theo thuật toán và cũng không quan sát thất trong thực tế.
o Xác định ngưỡng tối ưu:
Với thuật toán phân loại hành vi bò được đề xuất như ở trên, cần xác định các ngưỡng A, B1 và B2. Trong đó, ngưỡng Ađược dùng để phân loại trạng thái hoạt động cao (“ăn” và “đi lại”) và trạng thái hoạt động thấp (“đứng” và “nằm”) thông qua VeDBA. Ngưỡng B1 được dùng để phân loại trạng thái “nằm” và B2 được sử dụng để phân loại trạng thái “đứng” thông qua SCAY hay µy,t. Hiệu năng của hệ thống bị ảnh hưởng rất nhiều bởi sự lựa chọn giá trịcác ngưỡng này. Để tìm các giá trị ngưỡng tối ưu, có thể sử dụng đường cong đặc trưng hoạt động (ROC), biểu diễn TPR (còn được gọi là độ nhạy) tương ứng với FPR (tỷ lệ báo động giả) khi biến đổi các giá trị ngưỡng, với
TP FP
TPR , FPR .
TP+FN FP+TN
= =
Đường cong ROC được sử dụng để lựa chọn A, B1, B2như trong Hình 2.20.
Hình 2.20. Đường cong ROC để nhận ngưỡng A, B1, B2.
Trên đường cong ROC, giá trị ngưỡng tốt nhất là giá trị tạo ra cặp TPR và FPR nằm ở góc trái trên cùng. Cửa sổ bên trái Hình 2.20 biểu diễn đường cong ROC khi ta biến đổi giá trị ngưỡng A trong khoảng -100mg đến 900mg. Giá trị ngưỡng tốt nhất được lựa chọn bởi điểm trên cùng góc bên trái với giá trị là
48m
A= g. Cửa sổbên phải Hình 2.20 biểu diễn các giá trị TPR, FPR cho trạng thái “nằm” và “đứng” khi thay đổi ngưỡng B1, B2 trong khoảng -100mg đến 1000mg. Kết quả thu được là: B1= −133m ,g B2 = −108mg.
CHƯƠNG 3.
THỰC THI HỆ THỐNGGIÁM SÁT CÁ THỂ BÒ
Đặt vấn đề:
Việt Nam là nước nông nghiệp và có khí hậu nhiệt đới gió mùa nên ngành
chăn nuôi gia súc rất phát triển đặc biệt là chăn nuôi bò. Ngành chăn nuôi gia súc ở nước ta có tiềm năng phát triển lớn vì nhu cầu thịt và sữa của người dân ngày càng tăng, điều kiện tự nhiên, phong tục, tập quán có lợi thế cho phát triển chăn nuôi bò.
Gia súc được nuôi ở tất cả các vùng của Việt Nam. Để phát triển ngành chăn nuôi gia súc, trở thành một ngành chăn nuôi lớn, chúng ta cần áp dụng kỹ thuật hiện đại, giải quyết một số khó khăn và việc quản lý gia súc trở nên dễ dàng hơn nhiều.
Chương này tập trung vào việc xây dựng một hệ thống hỗ trợ giám sát hành vi cá thể bò, thông qua đó giúp người chăn nuôi (người quản lý) có thể giám sát được hoạt động của vật nuôimột cách dễ dàng và tiện lợi. Hệ thống được phát triển dựa trên cảm biến gia tốc góc 3 trục (cảm biến MPU-6050), giúp xác định trạng thái chính xác hơn. Hệ thống này được thiết kế để đặt trên cổ bò và dữ liệu nhận được từ cảm biến sẽ giúp cho việc xử lý và phân loại hành đứng và nằm của cá thể bò.