为加强我国奶牛养殖业信息化、现代化、智能化建设,利用现代科学技术手段解放人工劳动力,提高对奶牛健康状况判断的准确率,从而提升我国奶牛养殖业的生产效率。但目前学者在利用传感器研究奶牛姿态识别的课题中通常仅使用加速度传感器一种,导致采集信息单一;同时在姿态解算精度方面也有一定的提升空间。针对这一研究现状,本论文提出了一种基于多传感器数据融合的奶牛姿态识别方法。首先为解决采集信息单一的问题,设计制作出一套含有多传感器的数据采集节点;又为提升现有奶牛姿态角解算方法的准确度,研究设计了一套基于PI调节和互补滤波相结合的融合解算方法;最后通过设计奶牛运动实验,对采食、行走、挠痒等7种动作利用基于粗分类的方法提取特征值,通过决策树法对奶牛姿态进行识别分类,最终实现对奶牛7种姿态的识别。论文主要工作如下:(1)设计制作了一种佩戴于奶牛颈部的传感器终端,该终端主要由MPU9250型MEMS传感器(包括三轴加速度传感器、三轴磁力计、三轴陀螺仪各一个)、STM32F103RBT6型微处理器、芯片XC6206型电源、SD卡存储模块组成,完成对奶牛运动信号的采集、存储工作;再通过Lora网关实现对奶牛姿态数据的无线传输。(2)为解决当前奶牛姿态角解算方法中精度低和稳定性差的问题,本文研究提出了一种新的姿态角融合算法。首先通过加速度传感器与磁力计传感器计算姿态角初始值,通过PI调节与互补滤波融合的方式进行数据融合,最后利用四元数微分方程求解姿态角,最终求取奶牛运动姿态,从而实现奶牛姿态角解算精度的提升。(3)设计奶牛运动实验,首先利用MEMS传感器采集奶牛原始运动数据,将采集到的奶牛运动数据做姿态角解算处理;再对奶牛运动姿态进行分类,确定对采食、行走、挠痒、静态等七种动作进行姿态识别;利用粗分类方式提取特征值,通过决策树法实现了奶牛日常运动姿态的准确识别。