為了在滿足實時精確測量動物體重的需求，提出經(jīng)驗?zāi)B(tài)分解算法來解決稱重系統(tǒng)中體重數(shù)據(jù)不準(zhǔn)確的問題。算法通過數(shù)據(jù)的預(yù)處理，對EMD算法的適應(yīng)性改進(jìn) ,同時采用實際計算中較早退出的方法,實現(xiàn)在短時間內(nèi)去除噪聲,使得最終體重誤差接近數(shù)據(jù)采集模塊的系統(tǒng)誤差,從而快速準(zhǔn)確的得到動物體重值.對用于動物的動態(tài)稱重的研究有很好推動作用.
體重是畜牧業(yè)中對動物評估的重要指標(biāo),由于動物的活動難以控制以及需要測量的動物數(shù)量基數(shù)通常較大等原因,在誤差范圍內(nèi)快速測得動物的體重變得尤為重要.當(dāng)前國內(nèi)外對動態(tài)稱重的研究主要應(yīng)用于交通采礦等相關(guān)方面很少涉及活體動物.本系統(tǒng)將EMD算法應(yīng)用于動物體重測量并在截止條件運算方式等方面進(jìn)行改進(jìn)，使其適應(yīng)于畜牧的實際環(huán)境。使得本系統(tǒng)可以在測量動物體重時滿足實時性和精度需求。通過在實際環(huán)境中的實驗數(shù)據(jù)表明，本系統(tǒng)可以在上限時間為10s的測量中測得體重誤差最小可以接近1%，為傳統(tǒng)稱重方式誤差的1/3.
1.EMD算法簡介
經(jīng)驗?zāi)B(tài)分解法是黃鍔在美國國家宇航局與其他人于1998年提出的一種新型自適應(yīng)信號時頻處理方法，特別適用于非線性非平穩(wěn)信號的分析處理，已經(jīng)被應(yīng)用在各個領(lǐng)域中。EMD分解算法的基本思想為對于一個已知的復(fù)雜信號先獲得信號的極值點，通過三次樣條插值法獲得信號的極大值包絡(luò)線與極小值包絡(luò)線，再得到均值包絡(luò)線， 將原始信號與均值包絡(luò)線的差得到第一層信號；重復(fù)分解動作得到最終的分解結(jié)果其中包含若干個本征模態(tài)函數(shù)和一個殘余量。經(jīng)驗?zāi)B(tài)分解算法認(rèn)為任何信號都可分解成幾個不一樣的本征模態(tài)函數(shù)和一個殘余量， 各分量反映了原始信號的局部特性，殘余量則反應(yīng)了原始信號的趨勢或均值。EMD算法的不足之處在于沒有嚴(yán)格的數(shù)學(xué)證明
，并且目前也還沒有一個用來評價經(jīng)驗?zāi)B(tài)分解算法的準(zhǔn)則，幾乎都是依據(jù)主觀的判斷和觀察來進(jìn)行對比這就造成了一些不確定性。
2.基于EMD的動物動態(tài)稱重算法
在畜牧業(yè)中需要稱重的動物數(shù)量龐大，必須短時間內(nèi)測得體重；為了滿足算法的精度需求，需要足夠的數(shù)據(jù)量，所以我們需要權(quán)衡程序的運行時間和精度。由于算法集成在稱重的數(shù)據(jù)采集程序中，所以必須考慮嵌入式設(shè)備MCU的資源以及處理能力,如果簡單的將MCU 算法應(yīng)用在數(shù)據(jù)處理中,會導(dǎo)致計算量過大,且精度不高,所以必須進(jìn)行數(shù)據(jù)預(yù)處理以及當(dāng)檢測到體重已經(jīng)滿足精度需求時,及早退出算法,以此來提高效率動物的活動無法預(yù)測,但是存在某些情況動物本身滿足靜態(tài)稱重的標(biāo)準(zhǔn),此時在算法中識別該情況不需要調(diào)用EMD算法即可得到精確值。
2.1動物動態(tài)稱重算法流程
系統(tǒng)使用了適應(yīng)動物的EMD算法，流程如圖1所示。
2.2預(yù)處理
限制于傳感器的采樣頻率和程序處理時間，必須在充分利用數(shù)據(jù)的基礎(chǔ)上剔除干擾數(shù)值。本系統(tǒng)采用了數(shù)字濾波，在數(shù)據(jù)的開頭與結(jié)尾處通過移動以中值為中心的可行窗口來剔除偏離中心值過大的點。經(jīng)過實驗發(fā)現(xiàn)：可行窗口選擇需求精度的1/2為界，既可以滿足精度需求又可以剔除干擾數(shù)據(jù)中間階段的數(shù)據(jù)，因為EMD算法區(qū)分出來IMF分量，需要保持其物理意義，所以不能使用濾波繼續(xù)保留加入算法運算。
2.3EMD算法的適應(yīng)性改進(jìn)
為了適應(yīng)動物的行為，本系統(tǒng)每隔一段時間采集一次數(shù)據(jù)，判斷動物的體態(tài)特征，如果連續(xù)檢測到某3次的數(shù)據(jù)很接近，我們就認(rèn)為動物處于靜止?fàn)顟B(tài)， 并把這段時間的值取平均作為最終結(jié)果，并跳過EMD 算法,從而避免多余的計算.
若判斷沒有處于靜止?fàn)顟B(tài),則需要將所有已有的數(shù)據(jù)加入EMD算法進(jìn)行計算，得到當(dāng)前的體重值。同樣為了能在保證精度的基礎(chǔ)上提高效率當(dāng)出現(xiàn)連續(xù)次的結(jié)果都很接近時，就認(rèn)為是動物的活動趨于穩(wěn)定，并將連續(xù)三次的值取平均，作為最終結(jié)果提早退出計算。
根據(jù)EMD算法，可以得到N個IMF和一個殘余量，使用標(biāo)準(zhǔn)差準(zhǔn)則作為停止準(zhǔn)則。標(biāo)準(zhǔn)差函數(shù)為：
3.結(jié)果與討論
系統(tǒng)的采集模塊采用STC12c5a60s2型號單片機，稱重傳感器型號為HSX-A100KG，靈敏度為2.0±0.002mV/V;AD轉(zhuǎn)換模塊采用CS1180s將模擬信號轉(zhuǎn)換為數(shù)字信號。分辨率在無失碼情況下為20位，量化誤差可以忽略不計，在使用4.1592MHZ的晶振下可設(shè)置為30HZ的采集頻率；系統(tǒng)整體的誤差達(dá)到0.1kg.
實驗流程如圖2所示.原始數(shù)據(jù)由系統(tǒng)采集10s共150個點，在預(yù)處理、鏡像法處理后使用EMD算法得到IMF和殘余量，最后取平均測得數(shù)據(jù)為86.5kg;當(dāng)在靜態(tài)情況下,測得體重的理論值為85.6kg，滿足1%的精度需求。
圖2中a為原始圖像，b為預(yù)處理結(jié)果，c為鏡像法結(jié)果，d為IMF0結(jié)果，e為IMF1結(jié)果，f為IMF2結(jié)果，g為IMF3結(jié)果，h為殘余量結(jié)果。
為了突出本系統(tǒng)算法對比傳統(tǒng)算法的優(yōu)勢，通過和多次排序的平均法，分別在數(shù)據(jù)為長時間采樣和短時間采樣的兩種情況下進(jìn)行比較 。長時間采樣的數(shù)據(jù)量為900點，含有50%以上穩(wěn)態(tài)值這種情況模擬了在測量時間較長，動物在稱重系統(tǒng)上有一段時間靜止不動的狀態(tài)；短時間采樣的數(shù)據(jù)量為150點，不含穩(wěn)態(tài)值這種情況模擬了動物在稱重過程中的快速通過，沒有停留的狀態(tài) 。長時間的比較結(jié)果如表1所示.短時間的比較結(jié)果如表2所示。
從表1的測試結(jié)果中，可以得到在含有大量的穩(wěn)態(tài)數(shù)據(jù)時，多次排序的平均法會取到穩(wěn)態(tài)值，該值非常接近標(biāo)準(zhǔn)值，但本系統(tǒng)的測量的結(jié)果與多次排序的平均法結(jié)果不相上下，甚至有優(yōu)勢。從表2的測試結(jié)果中可以得到在短時間采集且無穩(wěn)態(tài)值時，也即數(shù)據(jù)的波動非常大的情況下排序平均法誤差很大而本系統(tǒng)的算法可以有效的降低誤差。
多次排序平均法只適合于低速測量，在采樣率大于500HZ時，誤差才能達(dá)到2%，而且由于多次的排序計算量并不低，不能滿足在畜牧業(yè)中快速測量體重的需求。本系統(tǒng)既可以在長時間測量的傳統(tǒng)方式中取得不錯的效果，又可以在短時間集的較少數(shù)據(jù)量點的情況下，也即在動物不斷運動產(chǎn)生不良數(shù)據(jù)的情況下，獲得良好的表現(xiàn)。從而實現(xiàn)對動物體重快速稱重，滿足實際畜牧業(yè)中動物稱重的需求。
4.結(jié)束語
本系統(tǒng)的算法較一般算法復(fù)雜但可以同時兼具速度和精度，對于物聯(lián)網(wǎng)下的牧場管理有著重要的意義。同時如果能在數(shù)據(jù)采集部分，如果使用更高采樣頻率的采集模塊，可以減少采樣時間并且提高精度；通過對采集的大量數(shù)據(jù)樣本的分析可以對算法中的臨界閾值等參數(shù)進(jìn)行調(diào)整，使得算法更加適用于某種特定的動物。
