奶牛反刍行为的智能化监测方法及其应用研究进展

王 云， 芦 娜， 王 洋， 马 毅

（1.天津市科学技术信息研究所，天津300074；2.天津市农业科学院畜牧兽医研究所，天津300381；3.天津梦得集团有限公司，天津300403）

反刍行为的变化与动物健康和动物福利密切相关， 还可用于多种疾病的早期发现和预防。 因此， 对反刍行为的监测就显得尤为重要。 传统的奶牛反刍监测方法主要依靠人工劳动， 工作效率较低，成本巨大，且准确率难以得到保证。 随着养殖规模的扩大以及现代化、精准化畜牧业的发展，出现了许多反刍行为智能监测的方法和设备，使其实时监测成为可能。 本文从奶牛反刍行为的定义、反刍行为监测内容、智能化监测方法及其应用三个方面进行综述， 为奶牛反刍行为监测的应用提供理论依据。

1 奶牛反刍行为

反刍是反刍动物消化生理中必不可少的一部分，可以被定义为一个以反刍、咀嚼和吞咽食物为特征的过程（Beauchemin 等，1991）。 奶牛的反刍行为与生产性能、繁殖性能、应激反应以及疾病等因素密切相关， 反刍行为的变化在一定程度上反映了奶牛的生理健康状况（邵大富，2015）。正常情况下，成年奶牛每天反刍大约8 h，分4 ～24 个阶段，每个阶段持续10 ～60 min（András 等，2014）。然而奶牛生理健康状况一旦发生变化， 其反刍行为也随之改变。 反刍时间受多种因素影响， 如发情（Pahl 等，2015）、产犊（Schirmann 等，2009）等，此外， 当奶牛遭受热应激时， 反刍活动显著减少（Acatincaǎi 等，2009），而当奶牛有炎症反应时，反刍时间也显著缩短（Bertoni 等，2008）。

监测奶牛反刍行为可以获得与奶牛健康和福利相关的重要信息，利用这些信息，可以制定相应的饲养管理措施，使奶牛得到应有的福利。如果监测不足，不仅影响奶牛的健康和福利，还导致产奶量和乳质量下降，甚至使奶牛场遭受经济损失。因此，反刍行为监测尤为重要。

2 奶牛反刍行为监测内容

对奶牛反刍行为的监测主要包括反刍行为规律、声音以及姿态等。对奶牛反刍与活动量及其变化规律的监测， 有助于及时判断奶牛生理状态。鄢新义等（2016）为研究奶牛健康状态下反刍时间与活动量的变化规律及其影响因素，对200 余头不同胎次泌乳牛进行了长达7 个多月的连续监测，发现季节、胎次、泌乳天数对反刍时间和活动量有一定的影响。 奶牛在进行反刍咀嚼时，眼角的斜下方会伴随着反刍咀嚼发出特征性的有规律的振动，其发出的声音信号是识别奶牛反刍行为的重要因素之一 （王莉薇等，2019； 张森，2018）。 Gregorini 等（2012）为奶牛佩戴内置有麦克风的HR tag 反刍项圈， 可通过咀嚼的声音来测量反刍活动。

3 智能化反刍监测方法及其应用

用智能化系统来监测奶牛反刍行为， 对于提升牧场的现代化管理水平、 增加经济效益具有重要意义。 目前， 常见的智能反刍监测方法一般分为接触式和非接触式。

3.1 接触式监测法

3.1.1 声音传感器监测法 该方法将声音传感器置于牛的颞窝、咽喉或其他部位，监测牛的咀嚼、吞咽和反刍音， 来区分反刍和其他行为。 以色列SCR 公司研制的HR-tag 可以准确记录咀嚼和吞咽产生的声音，通过复杂的数据计算，识别奶牛的反刍时间和咀嚼节奏。Chelotti 等（2020）提出了一种名为自下而上搜索活动识别器（BUFAR）的在线算法，该方法基于声音对下颌运动进行识别，然后对其进行分组分析，以识别反刍和放牧行为，具有性能良好、计算量小等优点。

3.1.2 三轴加速度传感器监测法 三轴加速度传感器（有时耦合利用GPS 传感器），主要分布在牛的角部、颈部或颌部，通过研究奶牛在不同行为状态下的三轴加速度值和俯仰角， 可以区分奶牛的反刍行为和其他行为如躺卧、站立、休息和放牧等（Watanabe 等，2008）。 这类仪器通常包括一个微处理器和一个存储器。 美国的HOBO Pendant G三轴数据记录仪（Adolfo 等，2017）、澳大利亚的Smartbow 加速度计系统（Reiter 等，2018）和荷兰的Agis 自动化BV 系统（Pereira，2018）都是基于三轴加速度计从而监测奶牛的反刍和饲喂行为。 Shen 等（2019）建立了一种基于三轴加速度的奶牛饲养与反刍自动识别方法。 采用三轴加速度传感器作为数据采集设备， 将其固定在奶牛下颚侧中部采集奶牛下颌运动数据， 采用三种机器学习算法同时识别奶牛的反刍行为。 结果发现这三种算法都能很好地用于反刍行为的识别，与前人研究方法相比，该方法具有资源占用低、精度高、计算速度快的特点，具有实现实时执行的潜力。

另外， 一些传感器可以结合无线通信技术（ZigBee、蓝牙、Wibree 和WiFi），用于基于传感器网络的研究工作（Aqeel-ur-Rehman 等，2014），随后可以将记录的数据处理为选择区分行为活动的阈值，或对转换变量进行二次判别分析，自动对不同行为进行分类。

3.1.3 压力传感器监测法 该方法通过获取咀嚼过程中颞窝或鼻带的压力变化和咀嚼间隔来识别反刍行为。Shen 等（2020）针对不同年龄、不同品种的奶牛，鉴于其头部大小、咀嚼强度的不同和压力峰值标准不明确的问题， 提出了一种鉴别反刍次数的方法， 利用标准差和鼻带压力信号频谱分析奶牛反刍时间和反刍数， 通过频谱分析得到了反刍器鼻带压力信号的准确稳定的频谱范围，并利用标准差消除了输入鼻带压力信号对反刍器鼻带压力信号的干扰。 结果表明，与直接观察法相比，该方法对反刍次数、反刍持续时间、反刍食团数的识别准确率分别为100%、94.2%和94.45%，平均绝对误差分别为0、2.0029%和2.5623%，能准确识别奶牛的反刍信息。 张爱静（2019）以压力传感器为核心器件， 设计了一套奶牛鼻羁压力信号获取设备， 采用决策树分类器来识别奶牛反刍鼻羁压力信号，在以决策树为分类器的基础上，构建了反刍主要参数（反刍次数、反刍时长和反刍食团数）识别模型，结果显示，基于决策树的反刍主要参数识别模型可以很好的识别反刍次数、 反刍时长和反刍食团数，与人工记录的反刍信息相比，该模型对这三种指标的识别准确率分别为95.38%、94.67%和92.87%。 Zehner 等（2017）开发了Rumi-Watch 鼻带传感器，包含一个压力传感器、一个带在线数据分析的数据记录器和软件， 该系统记录并分类咀嚼活动的持续时间， 使用户能够量化动物进行的个体反刍和进食下颌运动。

3.2 非接触式监测法 该方法主要基于视频采集方法， 通过安装在牛棚内的摄像头实时监控奶牛图像，通过捕捉奶牛的嘴部运动来识别行为。宋怀波等（2018）提出了一种基于Horn-Schunck 光流法的多目标奶牛嘴部区域自动检测方法， 在奶牛反刍期间将DV 固定在三脚架上， 获取反刍视频，该法可以检测多头奶牛反刍时的嘴部区域，作为一种自动检测手段，更加准确和智能。 Chen 等（2017） 针对传统奶牛反刍监测方法的局限性，提出了一种基于视频的奶牛反刍行为智能监测方法，采用Mean-Shift 算法对奶牛下颌运动进行了精确跟踪。 然后从视频中提取出牛嘴运动的质心轨迹曲线，从而实现对奶牛反刍行为的监测，该方法的成功率为92.03%，且不受奶牛头部抬起或转动等行为的干扰。 此外，Andriamandroso 等（2017）利用智能手机上广泛使用的惯性测量装置， 将该装置安装在奶牛身上， 通过拍摄视频监测反刍行为，准确率为95%。

对于上述方法， 接触式监测适应大规模养殖业，但是离不开高精度传感器，容易导致奶牛不适并产生应激反应， 严重时会引起反刍次数减少甚至停止反刍。 而非接触式方法能够有效降低人工成本， 智能化水平更高， 但技术水平还有待提高（李通，2019）。

今后应合理引入物联网、大数据等技术，改进并推广奶牛反刍智能监测方法， 提高我国奶牛养殖的智能化、自动化水平，促进我国奶牛养殖业的健康发展。