基于物联网（IoT）的边缘计算平台，利用TinyML技术和惯性测量单元（IMU）传感器融合技术实现对牛只行为的监测

《Computers and Electronics in Agriculture》：IoT-enabled edge-based cattle behavior monitoring framework using TinyML and IMU sensor fusion

　　

G Selvakumari | G R Kanagachidambaresan

• •
  物联网-机器学习（IoT-ML）框架集成ESP32、MPU9250和蜂窝模块，用于实时监测牛群行为。
• •
  MAF（Matrix Association Framework）+ EKF（EKF）预处理技术可减少噪声和传感器漂移，提高惯性测量单元（IMU）数据的可靠性。
• •
  Edge TinyML（基于隐马尔可夫模型HMM和射频技术RF）实现设备端行为分类，具有低延迟和低功耗特点。
• •
  在站立、坐下、行走和吃草等行为检测中实现了99.84%的准确率。
• •
  支持早期发情期和疾病的检测，有助于实现可扩展、成本效益高的精准畜牧业。