一种实现动物行为监测的健康指数评价的方法及系统

1.一种实现动物行为监测的健康指数评价的方法，其特征在于，包括如下步骤：
为每只动物佩戴RFID标签，并在动物活动点设置相应的RFID采集器；
基于RFID采集器和速度行为特征函数获取每只动物的移动速度，以及对所有动物的移动速度基于归一化处理，获得每只动物的移动速度加权值；
基于RFID采集器和抢食能力行为特征函数获取每只动物的抢食能力，以及对所有的动物的抢食能力基于归一化处理，获得每只动物的抢食能力加权值；
基于RFID采集器和活动频率行为特征函数获取每只动物的活动频率，以及对所有的动物的活动频率基于归一化处理，获得每只动物的活动频率加权值；
基于RFID采集器和停留时间行为特征函数获取每只动物的逗留时间，以及对所有的动物的逗留时间基于归一化处理，获得每只动物的逗留时间加权值；
计算每只动物的综合加权值，所述综合加权值为每只动物的移动速度加权值、抢食能力加权值、活动频率加权值和逗留时间加权值之和；
基于所有动物的综合加权值评判每只动物的健康指数，其中：
所述速度行为特征函数为：动物并非有目的的从一个RFID标签识别器走向另一个RFID标签识别器，动物在两个RFID标签识别器之间移动的时间差并不一定是直线移动的时间差，因此移动时间大于一定阈值的数据就被认为是非直线移动数据而不用于行为特征的计算，选用速度较大的数据作为此id编码的动物的奔走速度特征参数；
活动频率行为特征函数为：在同一个RFID标签识别器中，如果一个id编码消失又出现的间隔时间小于阈值，则可判定这个id编码所属的动物只是被干扰而非离开了有效识别区域，以天为单位对每一天每只动物的活动频率进行分析，就能统计出每只动物的活跃程度；
抢食能力行为特征函数为：根据不同时间段上经过通道的id编码的数量，将时间分为长度不等的10等份，距离零点最近的时间段内检测到的id编码为最活跃，距离零点最远的时间段内监测到的id编码为最不活跃；
停留时间行为特征函数为：记录每个动物所属id编号进入和离开这些RFID标签识别器的有效识别区域的时间，计算出这些动物在该区域内逗留的时间长度，统计每天每只动物的id编号在各个部署于动物栖息点的累计逗留时间，了解到动物的活跃程度。
2.如权利要求1所述的实现动物行为监测的健康指数评价的方法，其特征在于，所述基于RFID采集器和速度行为特征函数获取每只动物的移动速度步骤具体为：
利用最近两个RFID采集器的距离与最近两个RFID采集器识别RFID标签的时间获得每只动物的移动速度。
3.如权利要求1所述的实现动物行为监测的健康指数评价的方法，其特征在于，所述归一化处理具体为：
将原始数据转换成标准正态分布评分值；
对正态分布评分值按照指标综合评价公式获得每只动物的综合评价值，所述指标综合评价公式为：
其中ωj为权重系数，满足如下关系式：
其中，n为动物行为特征指标数量，m为进行评分的动物数量，行为特征变量φi表示标签码为i的动物的综合评价值，aij表示标签码为i的动物的第j个变量。
4.一种实现动物行为监测的健康指数评价的系统，其特征在于，包括：在每只动物佩戴的RFID标签，以及在动物活动点设置的RFID采集器；
以及移动速度加权值模块，用于基于RFID采集器和速度行为特征函数获取每只动物的移动速度，以及对所有动物的移动速度基于归一化处理，获得每只动物的移动速度加权值；
以及抢食能力加权值模块，用于基于RFID采集器和抢食能力行为特征函数获取每只动物的抢食能力，以及对所有的动物的抢食能力基于归一化处理，获得每只动物的抢食能力加权值；
以及活动频率加权值模块，用于基于RFID采集器和活动频率行为特征函数获取每只动物的活动频率，以及对所有的动物的活动频率基于归一化处理，获得每只动物的活动频率加权值；
以及逗留时间加权值模块，用于基于RFID采集器和停留时间行为特征函数获取每只动物的逗留时间，以及对所有的动物的逗留时间基于归一化处理，获得每只动物的逗留时间加权值；
综合加权值模块，用于计算每只动物的综合加权值，所述综合加权值为每只动物的移动速度加权值、抢食能力加权值、活动频率加权值和逗留时间加权值之和；
健康指数评价模块，用于基于所有动物的综合加权值评判每只动物的健康指数，其中：
所述速度行为特征函数为：动物并非有目的的从一个RFID标签识别器走向另一个RFID标签识别器，动物在两个RFID标签识别器之间移动的时间差并不一定是直线移动的时间差，因此移动时间大于一定阈值的数据就被认为是非直线移动数据而不用于行为特征的计算，选用速度较大的数据作为此id编码的动物的奔走速度特征参数；
活动频率行为特征函数为：在同一个RFID标签识别器中，如果一个id编码消失又出现的间隔时间小于阈值，则可判定这个id编码所属的动物只是被干扰而非离开了有效识别区域，以天为单位对每一天每只动物的活动频率进行分析，就能统计出每只动物的活跃程度；
抢食能力行为特征函数为：根据不同时间段上经过通道的id编码的数量，将时间分为长度不等的10等份，距离零点最近的时间段内检测到的id编码为最活跃，距离零点最远的时间段内监测到的id编码为最不活跃；
停留时间行为特征函数为：记录每个动物所属id编号进入和离开这些RFID标签识别器的有效识别区域的时间，计算出这些动物在该区域内逗留的时间长度，统计每天每只动物的id编号在各个部署于动物栖息点的累计逗留时间，了解到动物的活跃程度。
5.如权利要求4所述的实现动物行为监测的健康指数评价的系统，其特征在于，所述移动速度加权值模块利用最近两个RFID采集器的距离与最近两个RFID采集器识别RFID标签的时间获得每只动物的移动速度。
6.如权利要求4所述的实现动物行为监测的健康指数评价的系统，其特征在于，所述归一化处理具体为：
将原始数据转换成标准正态分布评分值；
对正态分布评分值按照指标综合评价公式获得每只动物的综合评价值，所述指标综合评价公式为：
其中ωj为权重系数，满足如下关系式：
其中，n为动物行为特征指标数量，m为进行评分的动物数量，行为特征变量φi表示标签码为i的动物的综合评价值，aij表示标签码为i的动物的第j个变量。

一种实现动物行为监测的健康指数评价的方法及系统\n技术领域\n[0001] 本发明涉及信息农业技术领域，具体涉及一种实现动物行为监测的健康指数评价的方法及系统。\n背景技术\n[0002] 随着农业的发展，我国的养殖业的规模越来越大，养殖密度越来越高。但是对所养殖的动物的身体状况的观测手段依旧停留在养殖人员定期进行群体目测的方式。这种传统方式无法对动物个体的状况进行细致的观测，只能通过目测和工作人员的经验对动物群体的身体状况进行评估。这种观测方式会增加进行饲料或者养殖方式的改良试验的试验周期。\n[0003] 以家禽养殖业为例，从早期的H1N1到近期的H7N9，禽流感一直是家禽养殖业的梦魇。这些禽流感经常会导致同一养殖场内大量家禽死亡，其原因除了禽流感病毒致病性强之外，还因为无法在个别家禽发病的初期进行疫病的预警。\n[0004] 因此需要一种能够对动物的健康状况进行综合评价的方法，为养殖业中的动物状况监测、疾病预警、饲料改良测试、养殖过程信息追溯等不同系统提供评价依据。\n[0005] 动物的进食、栖息、奔跑等行为是判断其健康与疾病的重要依据。近年来，一些发达国家在对动物行为的研究中取得了一定进展。Leroy T和Vranken E用图像处理技术分析母鸡生长过程中各个状态下出现的异常行为，跟踪母鸡生长过程，这种方法节约了时间，降低了劳动力成本。澳大利亚联邦科学与工业研究组织应用传感器网络建立智能农场，在牛脖子上佩戴全球定位系统GPS和无线传感器节点的项圈来记录相关环境和牛的行为特征。\nKwong应用无线传感器网络技术来监测牛群以发现牛的疾病和跛脚等情况。Nadimi等提出采用无线传感器网络节点测量牛颈部的旋转角度和运动速度，运用分类树来分类牛的行为。尹令提出了一种应用无线传感器网络监测奶牛行为特征的数字化智能系统，用于预测奶牛的发情期和疾病等状况。\n[0006] 使用图像处理技术对动物行为进行监测会受到图像处理算法的局限，其准确性和分辨率不高，特别对动物的id标签码及快速移动小动物的识别受到限制。\n[0007] 用无线传感器网络能细致监测动物的行为，但是由于养殖生产过程具有强破坏、高污染等特点，系统应用与养殖过程时会有几个问题：\n[0008] 1)节点容易受到动物有意识无意识的破坏；\n[0009] 2)节点容易受到环境污染；\n[0010] 3)节点的成本较高；\n[0011] 4)局限于节点体积，节点难运用于小动物。\n发明内容\n[0012] 鉴于以上无线传感器网络的信息采集端存在的问题，面对高污染、强破坏、薄利润的养殖生产特点，本系统能够避免或减少无线传感器网络信息采集端的短处，而发扬后台云计算平台的海量数据分析的长处。在采集端用可靠性强的传感器且只采集较少的最基本信息，而把系统的重心放在后台服务器，比如云计算服务器，从较少的采集信息中挖掘尽量多的行为特征信息，依靠云计算服务器强大的数据挖掘功能分析动物行为结果。\n[0013] 本发明提供了一种实现动物行为监测的健康指数评价的方法，包括如下步骤：\n[0014] 为每只动物佩戴RFID标签，并在动物活动点设置相应的RFID采集器；\n[0015] 基于RFID采集器和速度行为特征函数获取每只动物的移动速度，以及对所有动物的移动速度基于归一化处理，获得每只动物的移动速度加权值；\n[0016] 基于RFID采集器和抢食能力行为特征函数获取每只动物的抢食能力，以及对所有的动物的抢食能力基于归一化处理，获得每只动物的抢食能力加权值；\n[0017] 基于RFID采集器和活动频率行为特征函数获取每只动物的活动频率，以及对所有的动物的活动频率基于归一化处理，获得每只动物的活动频率加权值；\n[0018] 基于RFID采集器和停留时间行为特征函数获取每只动物的逗留时间，以及对所有的动物的逗留时间基于归一化处理，获得每只动物的逗留时间加权值；\n[0019] 计算每只动物的综合加权值，所述综合加权值为每只动物的移动速度加权值、抢食能力加权值、活动频率加权值和逗留时间加权值之和；\n[0020] 基于所有动物的综合加权值评判每只动物的健康指数。\n[0021] 所述基于RFID采集器和速度行为特征函数获取每只动物的移动速度步骤具体为：\n[0022] 利用最近两个RFID采集器的距离与最近两个RFID采集器识别RFID标签的时间获得每只动物的移动速度。\n[0023] 所述归一化处理具体为：\n[0024] 将原始数据转换成标准正态分布评分值；\n[0025] 对正态分布评分值按照指标综合评价公式获得每只动物的综合评价值。\n[0026] 相应的，本发明实施例还提供了一种实现动物行为监测的健康指数评价的系统，包括：在每只动物佩戴的RFID标签，以及在动物活动点设置的RFID采集器；\n[0027] 以及移动速度加权值模块，用于基于RFID采集器和速度行为特征函数获取每只动物的移动速度，以及对所有动物的移动速度基于归一化处理，获得每只动物的移动速度加权值；\n[0028] 以及抢食能力加权值模块，用于基于RFID采集器和抢食能力行为特征函数获取每只动物的抢食能力，以及对所有的动物的抢食能力基于归一化处理，获得每只动物的抢食能力加权值；\n[0029] 以及活动频率加权值模块，用于基于RFID采集器和活动频率行为特征函数获取每只动物的活动频率，以及对所有的动物的活动频率基于归一化处理，获得每只动物的活动频率加权值；\n[0030] 以及逗留时间加权值模块，用于基于RFID采集器和停留时间行为特征函数获取每只动物的逗留时间，以及对所有的动物的逗留时间基于归一化处理，获得每只动物的逗留时间加权值；\n[0031] 综合加权值模块，用于计算每只动物的综合加权值，所述综合加权值为每只动物的移动速度加权值、抢食能力加权值、活动频率加权值和逗留时间加权值之和；\n[0032] 健康指数评价模块，用于基于所有动物的综合加权值评判每只动物的健康指数。\n[0033] 所述移动速度加权值模块利用最近两个RFID采集器的距离与最近两个RFID采集器识别RFID标签的时间获得每只动物的移动速度。\n[0034] 所述归一化处理具体为：\n[0035] 将原始数据转换成标准正态分布评分值；\n[0036] 对正态分布评分值按照指标综合评价公式获得每只动物的综合评价值。\n[0037] 在本发明中，采用RFID采集器作为动物的行为采集终端，只需给动物佩戴耳标脚环等，在成本及抗污染等性能上有绝对的优势；相比常规的视频监测方法，本发明采用的方法比较视频方法识别率低、成本高、技术难度大。\n[0038] 本系统尽量简约易受损的物联网采集端，而充分发挥后台服务器强大的数据挖掘功能，采集最简单的两个基本数据，而用数据挖掘方法产生多个行为特征，大大增强了系统的可靠性、降低了系统的成本。系统采用的动物行为分析方法简单、实用，更能适应大规模养殖的海量数据的采集与分析，加快了系统的响应时间，缩短了动物疫情发觉的时间。\n附图说明\n[0039] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。\n[0040] 图1是本发明实施例中的实现动物行为监测的健康指数评价的方法流程图；\n[0041] 图2是本发明实施例中的实现动物行为监测的健康指数评价的系统结构示意图；\n[0042] 图3是本发明实施例中的实现肉鸡行为监测的健康指数评价的具体应用场景示意图。\n具体实施方式\n[0043] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。\n[0044] 图1示出了本发明实施例中的实现动物行为监测的健康指数评价的方法流程图，包括如下步骤：\n[0045] S101、为每只动物佩戴RFID标签，并在动物活动点设置相应的RFID采集器；\n[0046] S102、基于RFID采集器和速度行为特征函数获取每只动物的移动速度，以及对所有动物的移动速度基于归一化处理，获得每只动物的移动速度加权值；\n[0047] 本发明实施例中利用最近两个RFID采集器的距离与最近两个RFID采集器识别RFID标签的时间获得每只动物的移动速度。\n[0048] S103、基于RFID采集器和抢食能力行为特征函数获取每只动物的抢食能力，以及对所有的动物的抢食能力基于归一化处理，获得每只动物的抢食能力加权值；\n[0049] S104、基于RFID采集器和活动频率行为特征函数获取每只动物的活动频率，以及对所有的动物的活动频率基于归一化处理，获得每只动物的活动频率加权值；\n[0050] S105、基于RFID采集器和停留时间行为特征函数获取每只动物的逗留时间，以及对所有的动物的逗留时间基于归一化处理，获得每只动物的逗留时间加权值；\n[0051] S106、计算每只动物的综合加权值，所述综合加权值为每只动物的移动速度加权值、抢食能力加权值、活动频率加权值和逗留时间加权值之和；\n[0052] S107、基于所有动物的综合加权值评判每只鸡的健康指数。\n[0053] 需要说明的是，本发明实施例中的归一化处理具体为：将原始数据转换成标准正态分布评分值；对正态分布评分值按照指标综合评价公式获得每只动物的综合评价值。\n[0054] 相应的，图2还示出了本发明实施例中的实现动物行为监测的健康指数评价的系统结构示意图，该系统包括：在每只动物佩戴的RFID标签，以及在动物活动点设置的RFID采集器；\n[0055] 以及移动速度加权值模块，用于基于RFID采集器和速度行为特征函数获取每只动物的移动速度，以及对所有动物的移动速度基于归一化处理，获得每只动物的移动速度加权值；\n[0056] 需要说明的是，该移动速度加权值模块利用最近两个RFID采集器的距离与最近两个RFID采集器识别RFID标签的时间获得每只动物的移动速度。\n[0057] 以及抢食能力加权值模块，用于基于RFID采集器和抢食能力行为特征函数获取每只动物的抢食能力，以及对所有的动物的抢食能力基于归一化处理，获得每只动物的抢食能力加权值；\n[0058] 以及活动频率加权值模块，用于基于RFID采集器和活动频率行为特征函数获取每只动物的活动频率，以及对所有的动物的活动频率基于归一化处理，获得每只动物的活动频率加权值；\n[0059] 以及逗留时间加权值模块，用于基于RFID采集器和停留时间行为特征函数获取每只动物的逗留时间，以及对所有的动物的逗留时间基于归一化处理，获得每只动物的逗留时间加权值；\n[0060] 综合加权值模块，用于计算每只动物的综合加权值，所述综合加权值为每只动物的移动速度加权值、抢食能力加权值、活动频率加权值和逗留时间加权值之和；\n[0061] 健康指数评价模块，用于基于所有动物的综合加权值评判每只鸡的健康指数。\n[0062] 需要说明的是，动物佩戴的RFID标签数量根据饲养动物的数量来决定，每只动物上都佩戴有RFID标签，在动物活动点设置的RFID采集器，一般在鸡舍出口、经常活动区域等。移动速度加权值模块、抢食能力加权值模块、活动频率加权值模块、以及逗留时间加权值模块、综合加权值模块、健康指数评价模块等运行于服务器中，其可以为服务器提供相应的RFID系统收集的数据，由服务器来完成相应的后台处理，从而实现对动物的准确监测等。\n[0063] 需要说明的是，本发明实施例中的归一化处理具体为：将原始数据转换成标准正态分布评分值；对正态分布评分值按照指标综合评价公式获得每只动物的综合评价值。\n[0064] 本发明主要以放养式养殖的家禽家畜等动物行为作为研究对象，通过使用RFID、无线传感器网络等物联网设备监测动物行为评价参数，为动物精细化养殖和疾病预警系统提供数据。为了采集到足量的评价参数并且验证系统的实用性，本发明将被部署于江高镇某养鸡场，并进行一段时间的实地测试。为了便于比较人工观察的结果与系统监察的结果，本实验选择小规模的鸡群为实验目标。系统以养鸡场某围栏的放养式养殖的33只动物为具体实验对象。根据现场目测分析，养鸡场内的动物的日常活动具有群体性的同时也有一定的个体差异性。白天除了喂食时间之外，大部分动物都会在几个固定的栖息点聚集活动。较活跃的动物会在养殖场中到处奔走，而不活跃的动物则会在栖息点很少移动。\n[0065] 大部分放养式养殖的动物的活动的习性是除在喂食点进食外，常在几个较固定的群居栖息地点活动。本发明让每只动物都佩戴RFID标签扎带，并在几个固定栖息点安置RFID采集器，采集器以3次/秒的频率连续采集到达该栖息点的动物的id编码(同时也记录采集时刻)，用无线传输节点即时上传采集到的数据。\n[0066] 需要说明的是，本发明实施例中的动物为家禽或者家畜等养殖类型物种，比如肉鸡、肉鸭、肉猪、肉羊等养殖类型物种，当然也不限于此类型。下面将以肉鸡为介绍来详细说明整个实施过程。\n[0067] 在本发明的实地验证测试中用于测试的23只肉鸡的脚上被绑上RFID标签脚环，并且在养殖场的喂食点安置RFID采集器、称重传感器和无线传输节点，以此读取每只肉鸡的id编码、id到达时刻和id对应的体重，进而就能分析肉鸡个体体重、抢食时到达喂食点的先后顺序；在养殖场内肉鸡群的两个主要栖息点安置了RFID标签识别器，从肉鸡的id编码在两个RFID采集器的采集点位移时间及两个RFID采集器之间距离就能分析出每只肉鸡的奔走速度、在采集点间活动频率及在栖息地逗留时间等行为特征。设备部署见图3。\n[0068] 用肉鸡的奔走速度、抢食能力、活动频率、在栖息地逗留时间四个行为特征可以即时发觉受伤或者感染疫病的鸡，用这四个行为特征加上肉鸡的体重可以在线鉴别肉鸡的品值等级。病弱的肉鸡奔走速度慢、抢食能力低、活动频率低、在栖息地逗留时间长，用指标综合评价法对鸡的四个的行为特征数据进行数据挖掘，可以即时发觉出病态鸡的群体；品质等级高的鸡奔走速度快、抢食能力强、活动频率高、在栖息地逗留时间短，且体重适中，用以上四个行为特征加上鸡的体重进行聚类分析，就能挖掘出不同品质的肉鸡的等级。\n[0069] 系统主要由RFID标签识别器、称重传感器、无线传感器网络节点以及各个部分的中间电路组成。其中RFID标签识别器型号为JT900A，设置的扫描周期为300毫秒；称重传感器型号为YZC-1B，综合误差≤±0.030％；无线传感器网络节点型号是GAINS3，通信频率是\n433MHz。RFID标签扎带内芯片型号是F43。\n[0070] 在本发明的实地测试中，两个主要栖息地安装两个RFID标签识别器，在鸡舍-活动场通道安装一个RFID标签识别器和称重传感器，如图1所示。每只肉鸡都佩戴封装有F43芯片的RFID标签扎带。栖息点的RFID标签识别器的采集频率为3次/秒，这样系统可以记录每只肉鸡的id编码及出现的时刻，通过软件的特征函数计算就可计算出每只鸡在这一栖息点停留时间、往返不同栖息地的频率与奔跑速度(栖息地间距离已知)；喂食点的称重传感器和RFID标签识别器的采样频率为3次/秒，它可以提供肉鸡的体重，并记录喂食时肉鸡抢食先后到达的顺序。\n[0071] 动物行为包括抢食能力、奔走速度、栖息时间、活动频率等。用RFID采集器采集到的id、采集时刻及三个RFID标签识别器之间的距离建立肉鸡的行为特征函数；用动物行为特征数据进行数据挖掘,可以第一时间发觉疫情的发生。\n[0072] (1)奔走速度的行为特征函数的构建\n[0073] 动物的奔走速度可以反映出动物的健康状况和活跃程度。健康状况良好并且比较活跃的动物，在日常活动时经常是快步走或者跑步前进；而生病或者不活跃的动物的移动速度较慢。\n[0074] 当动物进入RFID标签识别器的有效识别区域时，RFID标签识别器就会采集到这只动物的id编码；当动物离开RFID标签识别器的有效识别区域时，这只动物的id编码就会消失。因此一只动物的id编码在一个RFID标签识别器消失的时间与此id编码在另一个RFID标签识别器出现的时间的时间差，就可以认为是这只动物通过这两个RFID标签识别器之间相邻距离所需要的时间。具体公式如下：\n[0075]\n[0076] 其中V是动物在两个RFID标签识别器之间移动的速度，Sr是两个RFID标签识别器之间的距离，t1是动物离开第一个RFID标签识别器的时间，t2是动物进入第二个RFID标签识别器的时间。\n[0077] 由于动物并非有目的的从一个RFID标签识别器走向另一个RFID标签识别器，动物在两个RFID标签识别器之间移动的时间差并不一定是直线移动的时间差，因此移动时间大于一定阈值的数据就被认为是非直线移动数据而不用于行为特征的计算。因此选用速度较大的数据作为此id编码的动物的奔走速度特征参数。\n[0078] (2)动物活动频率的行为特征函数的构建\n[0079] 动物的活动频率是其活跃性和健康状况的重要指标之一。活跃程度较高的动物即使有固定的栖息点，也会经常在活动场中来回奔走；而活跃程度较低的动物则会长时间停留在同一个栖息点，不会经常的移动。如果动物受伤或者患上疾病，其活跃程度就会大为降低，甚至可能会一直窝在某个位置直至死去。如果出现捕食者、强噪音源或者其它会令动物烦躁不安的因素，动物的活跃程度则会大幅上升。由此可见，活动频率除了可以判断动物个体的优劣，还能通过个体或群体的活跃程度的变化对影响动物养殖的因素进行预警。\n[0080] 动物进入RFID标签识别器的有效识别区域时，RFID标签识别器会一直记录该动物的id编码直至这只动物离开有效识别区域，这样一进一出可认定该动物的活动次数增加1次。由于RFID标签识别器会因其它动物的身体遮挡或者该动物处于有效识别区域的边缘位置而无法实现id编码的连续识别，因此需要设置阈值来消除不连续的数据对特征函数的影响。在同一个RFID标签识别器中，如果一个id编码消失又出现的间隔时间小于阈值，则可判定这个id编码所属的动物只是被干扰而非离开了有效识别区域。以天为单位对每一天每只动物的活动频率进行分析，就能统计出每只动物的活跃程度。通过对最新一天的活动频率与过往的活动频率进行对比，就能发现活动频率突然升高、降低甚至消失的动物的id编号，让养殖场工作人员能够及时应对疫病等突发性状况。\n[0081] (3)动物抢食能力的行为特征函数的构建\n[0082] 动物的进食欲望是反映活动量和健康状况的指标。在喂食区和活动区相对独立的养殖场内，每到饲料投放的时间，身体健康、活动量大的动物在饲料投放完毕后会很快的冲去吃食，并且身强力壮的动物会挤到比较靠前的位置；而身体状况差或者感染疾病的动物则不会马上赶往喂食槽，即使有进食欲望也会因为身体较弱而被挤到后面。\n[0083] 在喂食区-活动区之间的通道部署RFID标签识别器，就可识别并记录经过通道的动物的id编码和经过时间。在养殖场工作人员完成饲料投放后，本发明以第一个进入通道的id编码为计时零点，根据不同时间段上经过通道的id编码的数量，将时间分为长度不等的10等份。距离零点最近的时间段内检测到的id编码为最活跃，距离零点最远的时间段内监测到的id编码为最不活跃。\n[0084] (4)动物停留时间的行为特征函数的构建\n[0085] 动物在RFID标签识别器的有效识别区域内停留的时间也是判断动物活跃程度和健康状况的因子。活跃程度较高的动物，在栖息点逗留的时间较短；而活跃程度低或者健康状况差的动物，在栖息点的逗留时间较长。\n[0086] 部分RFID标签识别器被部署于活动场内几个主要的动物栖息点，因此通过记录每个动物所属id编号进入和离开这些RFID标签识别器的有效识别区域的时间，即可计算出这些动物在该区域内逗留的时间长度。通过统计每天每只动物的id编号在各个部署于动物栖息点的累计逗留时间，即可了解到动物的活跃程度。如果某只动物最近几天的逗留时间突然增加，则有可能是这只动物受伤或者感染疾病导致活跃程度下降。\n[0087] 4、动物行为数据的数据挖掘---指标综合评价法对动物疫情行为的在线监察[0088] 对动物行为监测系统获取的海量数据进行数据挖掘，不仅可以分析出个体的健康状况和成长状况，还可以第一时间发现动物疫情。本发明用指标综合评价法对鸡的奔走速度、在栖息地逗留时间、活动频率、抢食能力进行数据挖掘，可以挖掘出动物群体中体弱或者感染疫病的个体。\n[0089] 指标综合评价方法是将各评价指标数量化，得到各评价对象的所有评价指标的无量纲的统一得分以后采用指标综合评价法进行指标综合，则可以得到每一动物的综合评价值，再根据综合评价值的高低得出被评价动物的优劣。\n[0090] 以本发明的验证测试为例。首先用用人工方法检测，可知有6只肉鸡是较明显强壮健康的，3只是伤病弱小的肉鸡，其中1只体重轻体型小，另两只身体上有明显的受伤的迹象。6只强壮的肉鸡的id编码是：090A0033、090A0055、090A0059、04160001、090A0037、\n090A0051；3只伤病的鸡的id编码是：070A0061、090A0047、090A0063。在此养殖场部署本发明后进行了3天的实地测试。总共采集了135700条数据用做案例分析，部分数据如表3所示。\n抢食顺序数值最大的表示最先奔跑到达喂食槽；在栖息地逗留时间较短的数据表示鸡比较活跃；活动频率表示肉鸡平均一天进出栖息点的次数，活动频率高的数据表示这只鸡较活跃。\n[0091] 表1 家禽行为特征值\n[0092]\n[0093]\n[0094] 将以上数据按公式(2)进行归一化，将原始数据转换成标准正态分布评分值。\n[0095] 标准正态变换公式：\n[0096] 其中， 表变量的均值，S表变量的标准差。。转换后得到数据如表2：\n[0097] 表2 归一化后的家禽行为特征值\n[0098]\n[0099]\n[0100] 由于抢食顺序、速度和频率都是数值越大越好，而逗留时间则是数值越小越好。为了能将这四个指标用于综合评价运算，需要让它们保持相同的变化方向，因此需要将逗留时间的特征值全部反向。转换后数据如表3所示。\n[0101] 表3 归一化后的家禽行为特征值\n[0102]\n[0103]\n[0104] 根据动物的n个行为特征对m只动物进行指标综合评价，评价动物的优劣。系统能\n24小时实时监测大规模养殖的动物群体，从中及时发现病弱的群体以预警疫情的发生。指标综合评价的公式如下：\n[0105]\n[0106] 其中ωj为权重系数，满足如下关系式：\n[0107]\n[0108] 其中，行为特征变量φi表示标签码为i的动物的综合评价值，aij表示标签码为i的动物的第j个变量。\n[0109] 按照上面的动物综合评价法，将验证测试中所有采集到的原始数据经过标准化处理，用多指标综合评价法对四个行为特性值进行综合评价。由于是评价动物的综合指标，因此ω1＝ω2＝ω3＝ω4＝1。通过综合加权评价后结果如表4所示。\n[0110] 表4 用指标综合评价法对四个行为特性值进行综合评价的结果\n[0111]\n[0112]\n[0113] 经数据处理后有23只肉鸡的数据能够用于实地测试的数据处理。系统监测结果，强壮的6只鸡是：090A0033、090A0055、090A0059、04160001、090A0037、090A0051，伤病的3只鸡是：070A0061、090A0047、090A0063。实验与真实结果完全一致。\n[0114] 综上，本系统尽量简约易受损的物联网采集端，而充分发挥后台服务器强大的数据挖掘功能，采集最简单的两个基本数据，而用数据挖掘方法产生多个行为特征，大大增强了系统的可靠性、降低了系统的成本。系统采用的动物行为分析方法简单、实用，更能适应大规模养殖的海量数据的采集与分析，加快了系统的响应时间，缩短了动物疫情发觉的时间。\n[0115] 本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁盘或光盘等。\n[0116] 以上对本发明实施例所提供的实现动物行为监测的健康指数评价的方法及系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。