传统奶牛养殖业中,主要依靠人工检测方法去发现和记录奶牛的发情和健康状况。然而,随着规模化、集约化和智能化养殖的快速发展,传统的人工检验方式已不能满足大规模养殖的需要。近年来,国内外学者利用信息化技术主要对奶牛发情检测方面做了相关探索,国外已经具有对奶牛发情检测的相关商业化产品,该类产品主要是通过检测奶牛运动步数作为奶牛发情的依据,但由于只针对奶牛的运动步数检测而忽略了奶牛姿态的变化,使得该类产品只能对奶牛的发情进行检测,不能通过奶牛运动姿态的变化对奶牛健康状况做出有效判断。本论文主要研究了基于微机电系统(Micro Electro Mechanical System,MEMS)传感器的奶牛姿态识别。利用MEMS感器对奶牛的姿态信息进行采集,并通过多传感器数据融合算法解算出奶牛姿态角度,随后根据奶牛姿态的时域和频域特性,设计奶牛姿态识别算法,从而达到识别奶牛姿态的目的。首先,本文设计了基于MEMS传感器的奶牛运动姿态采集系统硬件平台,该平台主要包括姿态识别器(由三轴加速计、三轴陀螺仪和磁力计传感器为主体的传感器采集节点)和LoRa网关。其中奶牛姿态识别器佩戴于奶牛颈部,LoRa网关安装于奶牛养殖场内。本文采用LoRa无线网络传输方案实现了多个奶牛姿态识别器与LoRa网关的通讯,同时利用SD卡和4G模块分别解决了数据的本地存储和上传至服务器端的问题,。然后,本文分析了MEMS三轴加速度计、三轴陀螺仪和磁力计传感器的误差,并建立了误差模型,利用最小二乘椭球拟合算法对三轴加速度计和磁力计传感器进行误差校正。同时采用平均值法和滑动滤波算法对三轴陀螺仪的零偏误差和脉冲误差进行了处理。为了求解奶牛的姿态角度,本文设计了基于拓展卡尔曼滤波(Extended Kalman Filter,EKF)和互补滤波器相结合的多传感器数据融合算法。最后,设计实验,在台阁牧奶牛养殖场内采集了16头奶牛的运动姿态数据。在MATLAB环境下对采集到的奶牛姿态数据进行时域、频域特征分析和姿态角解算,根据其姿态特征设计决策树式的奶牛姿态识别算法。通过实验验证,本文设计的奶牛姿态识别算法对奶牛休息态(站立和平躺)、挠痒和平躺动作的识别准确率较高,均达到了91%以上,对奶牛进食、走和站立动作的识别率相对较低,但识别准确率也能保证在86%以上,实验结果表明本文设计的奶牛姿态识别算法能较好的实现对奶牛7种运动姿态的识别。