基于LSTM神经网络的肉牛动态称重算法研究

为了解决肉牛称重过程存在现场操作困难、耗费人力物力以及近距离接触存在安全健康隐患等问题,试验采用人工神经网络构建动态称重模型,分析了BP神经网络算法实际应用存在的问题及原因,采用LSTM网络开展牛只行走动态称重时间序列训练及测试,依据误差分析对算法进行改进.结果 表明:改进后的算法提高了动态称重预测结果的精度,最大误差为2.4 kg (1.70％),最小误差为0.1 kg(0.04％),所有测试数据的平均误差为0.70％,符合实际称重需求.说明试验采用的LSTM动态称重算法适用于实际生产,具有较强的实际应用价值.