牲畜的健康状况与牧场的经济效益息息相关。传统对牲畜的健康监测依旧依靠人为判断,随着养殖规模的扩大与现代畜牧兽医复合型人才的稀缺,这样的方式已不再适用。因此实现对牲畜体征参数的自动化监测是畜牧业未来的发展方向。为了能够准确地对牲畜的健康状况进行判断,本文基于智能项圈,研究并设计了面向牲畜的畜牧健康诊断算法,可为养殖者的决策提供一定程度上的参考。论文的主要工作内容如下:首先,通过研究牲畜在生理状态发生改变时体征参数的变化规律,决定将牲畜的体温、反刍时间与运动量作为特征参数,分别运用基于最小二乘法的线性回归算法、峰值检测算法与K-means聚类算法对原始数据进行提取与校正,将得到的结果作为健康诊断算法的输入。其次,构建了基于SVM支持向量机的畜牧健康诊断模型,通过试验对比了不同归一化方式下与不同核函数下的测试集预测分类准确率,最终确定了对数据进行[0,1]上归一化处理并建立了基于线性核函数的SVM诊断模型。为了更好提高分类器的性能,采用了CV的方式对惩罚参数C与核函数参数g进行了优化,使测试集预测分类准确率有了明显的提升。最后,设计并搭建了基于STM32的硬件测试平台并对其进行了测试以保证其性能,应用硬件平台采集到的数据对畜牧健康诊断算法进行测试,并对测试结果进行了分析。