奶牛采食行为的智能化监测方法及其应用研究进展

张永根

（东北农业大学动物科技学院，黑龙江哈尔滨152100）

随着牧场经营规模的不断扩大，监测和管理奶牛变得具有挑战性和复杂性。越来越多的自动化系统被运用于牧场中，这些系统能够帮助牧场减少劳动力需求，提高规模化养殖的管理效率。随着牧场获得的数据量不断增加，迫切需要将不同的数据集自动集成到决策系统中，以便向管理者提供管理建议。缺乏对数据的分析和预测会产生不同的问题，例如延误疾病诊治、疏漏环境变化、分配资源不合理等，最终可能导致牧场盈利能力下降。为了能够充分利用大数据带来的便利，具有自动数据采集功能，自动分析数据变化趋势，自动形成管理决策的智能化系统成为牧场迫切的需求。

观察奶牛采食行为能够帮助管理者及时了解个体健康状态，包括反刍时间，反刍次数，采食时间或采食量。大型牧场通常配有自动采食行为监测设备，一些设备具有自动分析数据的功能，初步实现了智能化监测采食行为，可以为管理者提供可靠的决策建议[1]。一些研究也为监测采食行为的智能化发展提供了前瞻性的理论依据，本文综述了实现采食形为智能化的普遍流程，总结了部分自动数据采集设备，回顾了关于采食行为数据的分析方法，最后了解了智能化设备的生产应用情况。

1 智能系统简述

智能化采食监测系统具有实时测量奶牛个体采食行为数据的功能，能够自动检测异常变化，并建议管理者采取相应行动。牧场监测采食行为的系统可分为两类：穿戴式和非接触式[2]。穿戴系统的设备固定在奶牛身体上，通过传感器对采食时间，反刍次数等进行监测。非接触系统是奶牛经过固定在某处的监测设备，并记录采食时间，例如，录像视频或射频识别器（RFID）。

智能化系统从采集数据到决策的框架，如图1所示，将智能系统划分为四个不同步骤。系统测量开始时首先需要通过第一阶段测试，即设自动采集数据，并置系统参数，以及设置采食指标与测量参数的相关性算法。第二阶段称为计算参数，原始数据根据不同算法，处理后获得采食行为参数（以下简称：采食参数），例如，通过记录压力传感器测量的压力变化，经过算法的演变，从这些变化中计算得到单位时间内的反刍次数。这一阶段需要进行两个重要过程，其一是使用新的采食参数与数据集中构建的标准参数进行比较，以此评估个体生产状态；另一个过程是为了让系统适用于不同情况的牧场，将个体数据纳入该个体历史数据集，从而实时更新采食参数的标准，以便适应不同泌乳时期的要求。第三阶段将整理好的采食参数与其他信息相结合，为管理者提供决策建议。这一过程可以加入群体的采食参数标准，或者结合其他生产指标，比如奶产量。最终的阶段可以由管理者进行决策，也可以选择系统自动决策，直接向饲养员发出行动指令。

图1 智能化系统的工作流程

2 自动数据采集设备

奶牛采食行为的评估，通常是由饲养员巡查或者通过视频记录分析来进行的。然而这样的方法耗时费力且缺乏统一的标准[3]。为了克服传统方法的缺陷，在过去的几十年里，已经开发出了自动化系统，用来监测奶牛的采食行为。

2.1 自动计重料槽

该装置通常由一个计重料槽和一套耳标射频识别应答器组成，当配有电子耳标的奶牛靠近饲喂通道时，应答器记录耳号，系统开始计时并对饲料称重[3]。此前，Devries 等[4]验证了GrowSafe 系统对采食时间的监测性能，与视频监测的结果比较后发现，尽管12.6%的个体未能识别，但系统的准确性、敏感性和特异性分别达到了96.5%、87.4%、99.2%。另一项研究评估了这类系统在监测个体奶牛的采食量和采食时间时的性能，其结果具有100%的特异性和100%灵敏度，与人工称重相比，系统在一天内的误差为680 g[5]。Chizzotti 等[6]的试验证明奶牛采食4 h 内系统与人工测量误差小于250 g。该设备被证明具有较高的准确性，可以为科学试验提供准确的采食量数据。但该设备的成本较高，占用空间较大，不适用于规模化养殖场。

2.2 项圈颈部传感器

项圈的主要组成包括加速度传感器计和压力传感器。采食行为的识别依靠于传感器输出的数据变化，例如，颈部加速度和角速度的变化，或者咀嚼引起的压力和声波的变化[7]。Grinter 等[8]研究了项圈对反刍时间、采食时间和休息时间的监测性能，建立了记录值与观察值之间的相关性，发现在其皮尔逊相关系数分别为0.99、0.93、0.94。另一项研究将麦克风置于项圈内，通过分析声音信号监测反刍时间，结果表明该项圈在奶牛采食后2 h 内，监测的反刍时间比视频监测平均少1 min。项圈以其较高的准确度和便利性被广泛应用于规模化牧场中，是一种成熟的自动化采食行为监测设备[9]。

2.3 耳标加速度传感器

这类设备外形上与普通电子耳标相似，内部加入了加速度传感器，利用算法量化耳部运动规律，通过专有模型将传感器数据分为反刍、采食、休息或发情等[10]。SensOor 和Smartbow 是两种基于此原理工作的采食行为监测器，Smartbow内部安装了集成加速度传感器，数据以10 HZ 的频率搜集和发送，通过链接接收器实时发送到本地服务器，与视频分析相比，反刍行为的相关性大于0.99[11]；SensOor内置了三轴加速度传感器，并配有无线电芯片和温度传感器，数据通过无线网络发送到计算机，然而该设备对反刍行为的测量值与视频观测值之间的相关性较低，相关性系数范围为0.2～0.89[12]。

2.4 鼻羁压力传感器

鼻羁压力传感器通常配合三轴加速度传感器和笼头使用，设备的数据记录模块可以获得下颚运动期间的电位振荡数据，以及三轴加速度的运动数据，通过分析震荡模式和运动变化来识别奶牛的采食行为和休息状态[13]。两个研究评价了鼻羁压力传感器对记录反刍和咀嚼行为的性能，主要功能均包括识别采食时间、采食量预测、饮水时间、采食速率、咀嚼时间和反刍时间，观测值和测量值之间的相关性也较为一致，均达到0.92[14-15]。

2.5 图像信息技术

随着光学成像技术的不断进步，通过图像信息技术预测采食行为的研究越来越多。三维成像技术能够测量物体的深度变化，理论上该技术可以观测出饲料形状的变化，一项研究记录料槽在不同饱和水平下的3D 图像，并将饲料重量与饲料体积建立相关回归模型，摄像机离地面99.1 cm，距料槽顶部61 cm，该摄像头的最佳工作范围在80 cm 内，图像预测结果与电子秤的测量数值相差最大500 g[16]。Bloch 等[17]使用由放置在不同位置的RGB(红、绿、蓝)相机，从各种角度拍摄的多张照片来创建对象表面的3D模型，以此来预测饲料形状的变化，在装满7 kg饲料的情况下，该套设备的预测误差为0.483 kg，40 kg 范围内的预测误差为1.32 kg。这些研究展示了使用成像来测量饲料摄入量、饲料体积和饲料重量的潜力。

3 分析工具

控制图是统计过程控制的重要工具，常用于工业生产过程的监控。对于奶牛生产管理，监测动物健康和控制生产性能是必要的，这能够优化产值和生产成本之间的最佳比例。然而，牧场管理者对大数据的分析能力有限，员工的专业技能、经验和评估能力参差不齐，这些情况导致了决策者不能及时发现生产问题。控制图是一种图形表示方式，能够显示某个生产过程变量相对于测量时间的观察结果，如果观测值超出规定范围，则会发出警报，指出存在的问题。控制图的主要目标是解读生产过程变化中的信息，区分正常和异常变化[18]。尽管生物数据的统计特性通常不符合这种控制图的基本假设，包括独立性、稳定性以及符合正态分布等，但是在精准养殖的背景下，许多研究改进了控制图以满足这些假设，帮助生产者自动分析生产数据，并提供决策建议。

在采食行为监测方面，传统控制图需要基于历史数据集计算中心线和控制限，然而奶牛具有多样性的特点，群体的数据集不能反映个体的真实状态。关于采食行为异常检测的研究十分有限，Knauer等[19]使用累积和控制图监测犊牛的采食行为，以检测犊牛健康问题，该控制图使用前几个观测值来建立生产过程的均值和方差，然后用每个新的观测值更新中心线，其优势在于对微小的变化很敏感。该研究结果显示，控制图给出阳性信号的时间比饲养员发现疾病的时间早3.1 d。但是这个研究违反了控制图对数据平稳性和独立性的假设，限制了控制图预测疾病的性能，其预测准确性仅为59.1%。为了满足平稳和独立的假设，监测猪群采食变化的研究中使用协同过程控制，加入工程过程控制对采食时间数据进行预处理，以满足独立性假设；再使用个体采食趋势模型实现数据的稳定性，最后使用时间序列模型来校正数据中存在的自相关性。该控制图对疾病检测的准确性为71.1%，而且可以在疾病开始后的1.3 d 内发出警报[20]。上述研究证明了控制图在发现早期健康问题方面的优势，同时也暗示实现系统智能化的关键在于开发监测数据与生产数据之间的线性模型，找到其中的一般性规律，这些模型能够为系统开发者提供大数据的应用范围，也可以对原始数据进行预处理，满足控制图的基本假设。

4 系统应用

应用智能系统的主要作用在于自动分析生产问题，并向管理者提供实时信息，提高决策效率。目前在分析奶牛生产应用效果方面，研究监测采食行为的智能系统文献较少，自动化健康监测系统（AHMS）是牧场常用的反刍行为监测系统，该系统能够有效识别患有代谢和消化障碍的奶牛，同时一些研究报道了该系统在诊断乳房炎、子宫炎，监测发情和预测采食量等方面的性能。

4.1 代谢疾病

产后代谢紊乱会对奶牛的健康和生产性能产生负面影响，如酮病、真胃移位和消化不良都会导致产奶量降低，进而减少牧场盈利水平。一项研究将项圈的原始数据转化为反刍次数和活动量，并基于这两个参数形成了健康指数（HIS，范围0～100），当HIS低于86 时会向管理者提示奶牛健康问题。这个系统对代谢疾病的灵敏度较高，达到89%～98%，特别是真胃移位的预警灵敏度较高，达到95%～100%。这份报告表明，反刍监测系统对奶牛酮病和真胃移位的预警比人为发现早5 d，但是因为消化不良的早期表象不明显，所以与人工方式相比，系统对这一问题的发现时间并无差异[21]。这项研究没有将个体奶牛的HIS 与群体平均值做比较，这可能是存在一定漏诊情况的原因，因为当个体HIS 高于86 时系统不会向管理者报警，但是患病奶牛的反刍次数已经出现了下降的趋势，可能此时偏离了群体平均值的变化走向。

4.2 乳房炎

目前管理者可以通过多种传感器来检测乳房炎，例如监测产奶量、奶成分、电导率、体细胞计数。Stangaferro 等[22]应用项圈能够识别患有严重乳房炎的奶牛，尤其是由大肠杆菌引起的乳房炎会影响奶牛的消化代谢，系统监测显示反刍次数大幅降低，其程度与消化不良的最低值相当。但是系统决策仅依据反刍次数不能分辨乳房炎与消化不良，还需要纳入近期产奶量，报告表明，患有乳房炎的奶牛产奶量较低，同时干物质采食量下降。然而，与牧场常用的乳房炎监测方式相比，反刍监测系统的预警只提早了12 h。因此，反刍监测系统可以作为乳房炎诊断的辅助性工具，以此来提高诊断效率。

4.3 子宫炎

子宫炎的传统监测方式是子宫直检和判断子宫分泌物的气味、形状和颜色。目前在生产中很少利用智能化设备监测子宫炎，一些研究发现，患有子宫炎的奶牛反刍模式在产犊后发生了变化。一项研究使用Insentec 系统监测奶牛子宫炎，该系统配备一个RFID 应答器，计重饲料箱以及电子耳标，研究发现患病个体的采食量低于群体平均采食量1 kg（Neave，2018）[23]。在另一项配有项圈的试验中发现，反刍和活动时间相结合，能够及早发现严重子宫炎或伴有其他疾病的子宫炎的奶牛。但是该方法不能发现所有的患病奶牛，主要原因是干物质采食量下降不是早期子宫炎的唯一特征，提前预警的奶牛能量负平衡程度更高，同时一些患病奶牛存在发烧的现象，这些特征不能作为某一种疾病的唯一诊断依据[24]。另外，相比传统方式，反刍监测系统仅可以提前一天发现患有子宫炎的奶牛。因此，项圈可以作为监测子宫炎的辅助工具使用，但是对患病奶牛的诊断效果不佳。

4.4 发情

检测发情的传统方法包括观察爬跨行为、奶牛阴道黏液和外阴肿胀程度。然而，传统方法存在许多弊端，巡视检查发情劳动强度大或者发现不及时，这些因素会影响奶牛配种成功率。现代化牧场通常使用项圈等设备进行发情监测，其原理是通过观察奶牛的活动量确定发情与否。通常，奶牛在夜间的反刍时间较长，发情期的奶牛活动量在此时增大，反刍时间相对减少，奶牛在发情前后30 h 内反刍时间会显著降低[3]。一项研究尝试通过记录反刍次数观察发情现象，与非发情期相比，发情期的日均反刍时间显著降低。然而，在不同牧场的结果显示发情期的反刍时间变异性较大，变异范围在-71%～16%[25]。因此，反刍时间只能作为发情监测的一种辅助性参数，在智能化系统中主要依靠分析活动量变化来确定发情。

4.5 采食量

传统监测采食量的系统需要单独的计重料箱，成本高和便利性差的特点使其不适用于普通牧场。为了能够准确计算奶牛个体的采食量，一些研究使用穿戴设备建立预测采食量模型。Leiber 等[26]使用Rumi-Watch 鼻羁压力传感器预测奶牛的干物质采食量，反刍次数，反刍时间以及活动量作为预测干物质采食量的因子，应用线性混合效应模型对实测采食量进行回归估计，其预测拟合度为0.7，这个结果证明反刍行为不足以准确预测干物质采食量，但是有潜力监测在一段时间内的干物质采食量变化程度。另一项研究使用由鼻羁压力传感器得到的采食时间和反刍时间数据预测奶牛个体采食量，结果显示了采食时间与采食量的相关性较高，达到了0.89，而反刍时间与采食量的相关性为0.78[14]。但是这些研究使用的样本量较少，同时没有考虑饲料类型的因素，因此未来可以增加实验样本量，并设置不同精粗比来改进预测模型的准确度。

5 小结

监测采食行为的智能系统应该满足三个条件，即能够自动采集数据并转换数据类型，自动进行数据的异常检测，根据生产数据模型向管理者提供决策建议。目前成熟的智能设备包括项圈压力传感器和耳标加速度传感器，最近图像信息技术为预测采食量提供了新的研究思路。监测采食行为的智能化系统能够帮助生产者准确预测消化代谢类疾病，同时系统数据对检测发情和诊断子宫炎和乳房炎具有辅助性参考价值。未来，更多的试验需要开发关于系统的大数据与生产性能的相关性模型，以为了满足异常检测的基本假设，确定大数据的使用范围。