肉牛的反刍行为是其生理特点的一大标志,可以直接的反映当前肉牛的健康情况。而反刍行为作为舍饲肉牛的主要日常行为方式,除体现健康情况外,还可呈现出肉牛的饲料营养配比、病愈程度、最佳出栏时间等信息。因此,本文设计了舍饲肉牛反刍行为监测系统,用于采集肉牛反刍行为的相关信息;应用BP神经网络及支持向量机的方法实现了肉牛反刍行为识别,进而研究肉牛的反刍行为规律。本文研究主要内容如下:(1)首先对肉牛的日常行为的获取方式进行了整体规划,针对其反刍行为进行设计,构建得到肉牛反刍行为监控系统。通过无线蓝牙的传递方式将采集所得数据传送至上位机,在PC端进行数据的记录与保存,从而获取连续、完整的肉牛日常行为信息,用来判断所观测牛只此时的行为状态,即是否正在反刍。(2)对健全肉牛及跛行肉牛肉牛的行为信息利用BP神经网络进行分类识别。在此之前,为确保数据的真实性,利用db小波对所选用数据进行去噪处理;后基于标准归一化将数据归至特定区间内,降低各个纲量间的相互影响,还原真实数据。随后,由试验特性确定输入层、输出层及隐含层节点数,传递函数,建立BP神经网络模型,将预处理后的行为数据带入模型,对反刍行为进行分类研究,从而得到肉牛此时的行为状态。结果表明,BP神经网络识别健全肉牛的反刍行为准确率为86.29%,跛行肉牛的反刍行为准确率为81.49%。即肉牛身体上的健康状态对试验结果有一定影响。(3)对健全肉牛及跛行肉牛的行为信息利用二分类支持向量机算法分析发现,二分类支持向量机识别健康肉牛的反刍行为正确率为89.71%,跛行肉牛的反刍行为正确率为90.02%。结果显示,在对本文选取的肉牛反刍类行为数据进行分类识别时,支持向量机相对于BP神经网络更适合,得到的结果更为精确。同时,也再次印证了健全肉牛对试验结果的的影响程度相对小于跛行肉牛对试验结果的影响程度。因此,在二分类支持向量机的基础上,利用多分类支持向量机对健全肉牛的日常行为进行进一步细化,分为站立反刍、趴卧反刍、站立非反刍、趴卧非反刍四类。利用二叉决策树支持向量机对试验肉牛的行为进行识别,最终得到行为分类结果。结果表明,站立反刍准确率为89.78%、趴卧反刍准确率为91.56%、站立非反刍准确率为94.22%、趴卧非反刍准确率为96.89%,正确的将肉牛的反刍行为进行了分类。综上所述,本文选用的蓝牙动作传感器能完整的采集到肉牛的日常行为信息,利用不同算法实现了将肉牛日常行为分类识别的目的。利用传感器、无线传输技术等实现了规范化、智能化、自动化、数字化的饲养方式的目的,对今后反刍类家畜在行为识别领域进行研究时,可为其提供理论基础和数据支撑,也为发展自动化养牛方式起到了良好的引导作用。