奶牛反芻行為的智能化監測方法及其應用研究進展

王 云， 蘆 娜， 王 洋， 馬 毅

（1.天津市科學技術信息研究所，天津300074；2.天津市農業科學院畜牧獸醫研究所，天津300381；3.天津夢得集團有限公司，天津300403）

反芻行為的變化與動物健康和動物福利密切相關， 還可用于多種疾病的早期發現和預防。 因此， 對反芻行為的監測就顯得尤為重要。 傳統的奶牛反芻監測方法主要依靠人工勞動， 工作效率較低，成本巨大，且準確率難以得到保證。 隨著養殖規模的擴大以及現代化、精準化畜牧業的發展，出現了許多反芻行為智能監測的方法和設備，使其實時監測成為可能。 本文從奶牛反芻行為的定義、反芻行為監測內容、智能化監測方法及其應用三個方面進行綜述， 為奶牛反芻行為監測的應用提供理論依據。

1 奶牛反芻行為

反芻是反芻動物消化生理中必不可少的一部分，可以被定義為一個以反芻、咀嚼和吞咽食物為特征的過程（Beauchemin 等，1991）。 奶牛的反芻行為與生產性能、繁殖性能、應激反應以及疾病等因素密切相關， 反芻行為的變化在一定程度上反映了奶牛的生理健康狀況（邵大富，2015）。正常情況下，成年奶牛每天反芻大約8 h，分4 ～24 個階段，每個階段持續10 ～60 min（András 等，2014）。然而奶牛生理健康狀況一旦發生變化， 其反芻行為也隨之改變。 反芻時間受多種因素影響， 如發情（Pahl 等，2015）、產犢（Schirmann 等，2009）等，此外， 當奶牛遭受熱應激時， 反芻活動顯著減少（Acatincaǎi 等，2009），而當奶牛有炎癥反應時，反芻時間也顯著縮短（Bertoni 等，2008）。

監測奶牛反芻行為可以獲得與奶牛健康和福利相關的重要信息，利用這些信息，可以制定相應的飼養管理措施，使奶牛得到應有的福利。如果監測不足，不僅影響奶牛的健康和福利，還導致產奶量和乳質量下降，甚至使奶牛場遭受經濟損失。因此，反芻行為監測尤為重要。

2 奶牛反芻行為監測內容

對奶牛反芻行為的監測主要包括反芻行為規律、聲音以及姿態等。對奶牛反芻與活動量及其變化規律的監測， 有助于及時判斷奶牛生理狀態。鄢新義等（2016）為研究奶牛健康狀態下反芻時間與活動量的變化規律及其影響因素，對200 余頭不同胎次泌乳牛進行了長達7 個多月的連續監測，發現季節、胎次、泌乳天數對反芻時間和活動量有一定的影響。 奶牛在進行反芻咀嚼時，眼角的斜下方會伴隨著反芻咀嚼發出特征性的有規律的振動，其發出的聲音信號是識別奶牛反芻行為的重要因素之一 （王莉薇等，2019； 張森，2018）。 Gregorini 等（2012）為奶牛佩戴內置有麥克風的HR tag 反芻項圈， 可通過咀嚼的聲音來測量反芻活動。

3 智能化反芻監測方法及其應用

用智能化系統來監測奶牛反芻行為， 對于提升牧場的現代化管理水平、 增加經濟效益具有重要意義。 目前， 常見的智能反芻監測方法一般分為接觸式和非接觸式。

3.1 接觸式監測法

3.1.1 聲音傳感器監測法 該方法將聲音傳感器置于牛的顳窩、咽喉或其他部位，監測牛的咀嚼、吞咽和反芻音， 來區分反芻和其他行為。 以色列SCR 公司研制的HR-tag 可以準確記錄咀嚼和吞咽產生的聲音，通過復雜的數據計算，識別奶牛的反芻時間和咀嚼節奏。Chelotti 等（2020）提出了一種名為自下而上搜索活動識別器（BUFAR）的在線算法，該方法基于聲音對下頜運動進行識別，然后對其進行分組分析，以識別反芻和放牧行為，具有性能良好、計算量小等優點。

3.1.2 三軸加速度傳感器監測法 三軸加速度傳感器（有時耦合利用GPS 傳感器），主要分布在牛的角部、頸部或頜部，通過研究奶牛在不同行為狀態下的三軸加速度值和俯仰角， 可以區分奶牛的反芻行為和其他行為如躺臥、站立、休息和放牧等（Watanabe 等，2008）。 這類儀器通常包括一個微處理器和一個存儲器。 美國的HOBO Pendant G三軸數據記錄儀（Adolfo 等，2017）、澳大利亞的Smartbow 加速度計系統（Reiter 等，2018）和荷蘭的Agis 自動化BV 系統（Pereira，2018）都是基于三軸加速度計從而監測奶牛的反芻和飼喂行為。 Shen 等（2019）建立了一種基于三軸加速度的奶牛飼養與反芻自動識別方法。 采用三軸加速度傳感器作為數據采集設備， 將其固定在奶牛下顎側中部采集奶牛下頜運動數據， 采用三種機器學習算法同時識別奶牛的反芻行為。 結果發現這三種算法都能很好地用于反芻行為的識別，與前人研究方法相比，該方法具有資源占用低、精度高、計算速度快的特點，具有實現實時執行的潛力。

另外， 一些傳感器可以結合無線通信技術（ZigBee、藍牙、Wibree 和WiFi），用于基于傳感器網絡的研究工作（Aqeel-ur-Rehman 等，2014），隨后可以將記錄的數據處理為選擇區分行為活動的閾值，或對轉換變量進行二次判別分析，自動對不同行為進行分類。

3.1.3 壓力傳感器監測法 該方法通過獲取咀嚼過程中顳窩或鼻帶的壓力變化和咀嚼間隔來識別反芻行為。Shen 等（2020）針對不同年齡、不同品種的奶牛，鑒于其頭部大小、咀嚼強度的不同和壓力峰值標準不明確的問題， 提出了一種鑒別反芻次數的方法， 利用標準差和鼻帶壓力信號頻譜分析奶牛反芻時間和反芻數， 通過頻譜分析得到了反芻器鼻帶壓力信號的準確穩定的頻譜范圍，并利用標準差消除了輸入鼻帶壓力信號對反芻器鼻帶壓力信號的干擾。 結果表明，與直接觀察法相比，該方法對反芻次數、反芻持續時間、反芻食團數的識別準確率分別為100%、94.2%和94.45%，平均絕對誤差分別為0、2.0029%和2.5623%，能準確識別奶牛的反芻信息。 張愛靜（2019）以壓力傳感器為核心器件， 設計了一套奶牛鼻羈壓力信號獲取設備， 采用決策樹分類器來識別奶牛反芻鼻羈壓力信號，在以決策樹為分類器的基礎上，構建了反芻主要參數（反芻次數、反芻時長和反芻食團數）識別模型，結果顯示，基于決策樹的反芻主要參數識別模型可以很好的識別反芻次數、 反芻時長和反芻食團數，與人工記錄的反芻信息相比，該模型對這三種指標的識別準確率分別為95.38%、94.67%和92.87%。 Zehner 等（2017）開發了Rumi-Watch 鼻帶傳感器，包含一個壓力傳感器、一個帶在線數據分析的數據記錄器和軟件， 該系統記錄并分類咀嚼活動的持續時間， 使用戶能夠量化動物進行的個體反芻和進食下頜運動。

3.2 非接觸式監測法 該方法主要基于視頻采集方法， 通過安裝在牛棚內的攝像頭實時監控奶牛圖像，通過捕捉奶牛的嘴部運動來識別行為。宋懷波等（2018）提出了一種基于Horn-Schunck 光流法的多目標奶牛嘴部區域自動檢測方法， 在奶牛反芻期間將DV 固定在三腳架上， 獲取反芻視頻，該法可以檢測多頭奶牛反芻時的嘴部區域，作為一種自動檢測手段，更加準確和智能。 Chen 等（2017） 針對傳統奶牛反芻監測方法的局限性，提出了一種基于視頻的奶牛反芻行為智能監測方法，采用Mean-Shift 算法對奶牛下頜運動進行了精確跟蹤。 然后從視頻中提取出牛嘴運動的質心軌跡曲線，從而實現對奶牛反芻行為的監測，該方法的成功率為92.03%，且不受奶牛頭部抬起或轉動等行為的干擾。 此外，Andriamandroso 等（2017）利用智能手機上廣泛使用的慣性測量裝置， 將該裝置安裝在奶牛身上， 通過拍攝視頻監測反芻行為，準確率為95%。

對于上述方法， 接觸式監測適應大規模養殖業，但是離不開高精度傳感器，容易導致奶牛不適并產生應激反應， 嚴重時會引起反芻次數減少甚至停止反芻。 而非接觸式方法能夠有效降低人工成本， 智能化水平更高， 但技術水平還有待提高（李通，2019）。

今后應合理引入物聯網、大數據等技術，改進并推廣奶牛反芻智能監測方法， 提高我國奶牛養殖的智能化、自動化水平，促進我國奶牛養殖業的健康發展。