内蒙古自治区是我国重要的奶牛养殖优势区域和乳制品生产加工区。跛行作为奶牛的第二大类疾病,对养殖场的经济效益和福利化养殖影响较大。本研究针对奶牛早期跛行识别困难的问题,以提高早期跛行识别能力为目标,通过无线三维加速度传感器系统采集奶牛趾蹄加速度信号,对数据预处理、特征提取与分析和模型建立方法展开系统研究。主要研究内容和结果如下:(1)针对加速度信号中存在的各类噪声,采用小波阈值去噪方法对奶牛趾蹄加速度信号进行去噪处理。对小波阈值选择准则和阈值函数进行改进,试验结果表明,改进的小波阈值去噪方法取得了较好的去噪效果。(2)针对奶牛步幅分割方法工作量大、自动化程度不高、准确率低的问题,提出了基于改进子序列动态时间规整算法的奶牛步幅分割方法。该方法以时间和幅值组成的二维步态序列点欧氏距离为距离矩阵元素,通过累积成本值计算距离函数,寻找最小规整路径,进而确定步幅分割点,实现对奶牛单个步幅的分割。试验结果表明,改进算法查准率、召回率和综合评价指标(F-score)平均值均高于95%,较改进前分别提高7.92、6.93和7.45个百分点。与其他步幅分割方法的对比结果表明,本文算法具有较高的精度和较强的泛化能力。(3)为提高模型预测能力,将步态不一致性变量考虑到模型中。从分割的步幅提取运动学和动力学特征,对其进行降维处理,并将新特征向量作为模型输入变量。(4)针对损失函数迭代算法学习率固定的问题,提出了动态调整学习率的小批量梯度下降法。该方法既不会因学习率过高导致训练发散,又不会因学习率低影响损失函数收敛速度。即以动态学习率更新梯度,通过训练输出使损失函数收敛至最小值的模型系数,完成对逻辑回归模型的建立及优化。试验结果表明,本文模型损失函数收敛性较好,识别准确率达到90.64%。(5)通过k折交叉验证确定最佳识别模型。利用该模型对测试集进行识别分类,试验结果表明,识别准确率为91.83%,灵敏度和特异性分别为91.49%和92.31%,较改进前分别提高了 4.08、4.55和3.85个百分点。不同分类器对比试验结果表明,本文模型AUC值为0.94,较SVM和KNN分别提高3个百分点和8个百分点。因此,优化模型提高了奶牛早期跛行识别能力。