多信息融合的种公鸡社会等级结构评价方法研究

In the self-bred breeding mode,the social hierarchy among cocks plays a decisive role in the development of population reproductive potential and the acquisition of high-quality eggs. The behavior indicators of cocks in groups are interrelated and constrained. It is impossible to predict the social hierarchical structure characteristics of cocks comprehensively and accurately by using a single indicator. Therefore, the establishment of a multi-information fusion mathematical model of cocks behavioral characteristics under normal living conditions can dynamically reflect the social class of cocks in the population. In this project, the response of cock behavior characteristics to social order is the core, the non-destructive detection technology of UHF RFID and acceleration sensor is combined to extract and optimize the features and configuration of multi-behavior parameters. The classification model of individual behavior characteristics of cock is established.The complex relationship among different behavioral parameters is analyzed. An accurate method of mapping the difference of social hierarchical structure with behavioral equivalent index variables is found.The evaluation model of the social hierarchy of cocks is established, and its mathematical description model is further improved. The results are helpful to obtain the social status of breeding cocks quickly and without damage, to judge the quality of breeding cocks, and provide guidance basis and technical support for fine management and efficient utilization of cocks.

种鸡自交群养方式中公鸡的社会等级对群体繁殖潜力的发挥和高品质种蛋获得具有决定性作用。种公鸡的行为指标相互联系和制约，利用单一指标无法准确、快速预测社会等级，建立多信息融合种公鸡正常生活状态下行为特征数学模型，可动态反映群体中种公鸡的社会等级。本项目以种公鸡行为特征表现对社会等级秩序的响应为核心，融合超高频RFID与加速度传感器无损检测技术，对多行为参数特征提取与构型优化，构建种公鸡个体行为特征自动分类模型，分析不同行为参数之间复杂影响关系，量化社会等级秩序对个体行为重要参数的影响，优选社会等级秩序响应敏感的个体行为参数，找出准确的行为当量指数变量映射社会等级结构的差异变化，建立种公鸡社会等级结构评价模型，并对模型深化完善，提出种公鸡社会等级判别新方法，研究结果有助于无损、快速的获取种公鸡社会等级状态，进而判断种公鸡质量，为种鸡精细管理和安全高效利用提供科学依据和技术支持。

种鸡自交群养方式中公鸡的社会等级对群体繁殖潜力的发挥和高品质种蛋获得具有决定性作用。本项目通过多信息融合技术研究了种公鸡社会等级的快速测量方法和模型构建，动态反映了群体中种公鸡的社会等级结构。具体研究内容：(1)提出了一种基于加速度传感器的种鸡个体行为检测方法，准确识别种公鸡的采食、饮水、打斗、交配、振翅多种行为，识别精度分别为94.31%、92.53%、84.03%、72%、92.31%。(2)基于超高频RFID的笼内鸡只定位方法，利用三边定位算法对固定角度的标签进行定位，利用时间位置，概率语义以及分割聚类相结合方式对本交笼内的鸡个体轨迹进行追踪，获得了鸡只个体兴趣点位置。(3)提出一种基于IWOA-XGBoost的鸡只行为识别特征优选方法，基于自适应权重因子的逐维透镜成像学习的混合策略可以提高原始鲸鱼算法的收敛速度和分类模型的识别精度。平均收敛代数降低了4.5，特征维数降低72.73%后识别准确率提高了2.41%。(4)提出了一种复杂小环境下基于UHF-RFID设备和机器学习算法的鸡只个体定位方法，将标签坐标回归问题转化为多区域分类问题。避免了基于RSSI信号强度的定位模型所需要的复杂数学建模，结果表明，神经网络模型预测效果最佳，在40cm×40cm范围内定位目标的准确率为88.74%，在30cm×30cm范围内定位目标的准确率为76.81%，平均误差分别为7.61cm和7.97cm。(5)提出了一种基于活动量分析的种鸡群序评价方法，通过试验结果表明该方法识别准确率为84.57%。本项目为小型复杂笼内环境下小个体目标定位、行为识别、社会等级结构确定提供了新的方法，为多模态学习提供了有价值的模态信息，为判定种鸡个体日常行为与社会等级结构关系提供了技术支撑。