【摘要】针对奶牛行为判别自动化水平不足、准确率低的问题,采用惯性测量单元(IMU)和卷积神经网络(CNN),对细粒度奶牛行为判别进行研究。结果表明:1)在KNN、SVM、BPNN、CNN和LSTM 5个模型中,CNN模型在奶牛行为分类测试集上的准确率最高。2)含有三轴加速度计、陀螺仪和磁力计的IMU更加适用于奶牛行为分类,其分类效果优于含一种传感器的IMU。3)传感器频率与分类模型的性能相关,频率越高,正确率越高,当传感器频率设置为25Hz时,奶牛行为判别效果最好。4)在1、2和4s这3种时间窗中,使用4s时间窗的奶牛行为分类模型性能最好。5)采用最优配置时,卷积神经网络模型能够有效的判别奶牛站立、躺卧2种状态,正确率为99%;可以对奶牛卷食、咀嚼、站立反刍、躺卧反刍、躺卧休息、站立休息6类行为进行判别,正确率为85%。采用IMU和卷积神经网络算法,可以有效的对细粒度奶牛行为进行判别,为奶牛养殖的自动化、智能化管理提供支撑。