1 引 言
2 奶牛运动行为智能监测研究进展
表1 接触式奶牛行为监测相关研究Table 1 Researches on contact behavior monitoring of dairy cows |
传感器类型 | 特征类型 | 分类算法 | 监测行为类型 | 准确率 | 来源 | 年份 |
---|---|---|---|---|---|---|
加速度 | 颈部运动数据 | K-Means | 静止、慢走、快跑、爬跨 | —— | 尹令等[12] | 2010 |
加速度,位置 | 蹄部运动数据, 位置坐标 | 多分类 BP-AdaBoost | 采食、躺卧、静止站立、躺下、起身、正常行走、主动行走 | 多数80%以上 | Wang等[13] | 2018 |
加速度 | 颈部运动数据 | SVM① | 站立、躺卧、采食、行走 | 90.24% | Hoang等[14] | 2018 |
加速度 | 侧腹运动数据 | 随机森林 | 采食、移动(行走或轻微移动)、反刍、休息 | 75.90% | Balasso等[15] | 2021 |
加速度,位置 | 颈部运动数据, 位置坐标 | BP神经网络 | 发情 | 95.46% | Wang等[16] | 2022 |
加速度 | 下颌运动数据 | KNN② | 采食和反刍 | 采食:92.80% 反刍:93.70% | Shen等[17] | 2019 |
加速度 | 颈部运动数据 | —— | 放牧和反刍 | —— | Iqbal等[18] | 2021 |
惯性测量单元 | 蹄部运动数据 | SVM | 跛行 | 91.10% | Haladjian等[19] | 2017 |
计步器 | 活动量 | —— | 妊娠后期活动量 | —— | 蒋晓新等[20] | 2014 |
计步器 | 活动量 | —— | 蹄病 | —— | 蒋晓新等[21] | 2014 |
计步器 | 活动量 | SVM | 发情 | 98.90% | 谭益等[22] | 2018 |
计步器 | 活动量 | KNN | 跛行 | 87.00% | Taneja等[23] | 2020 |
压力 | 呼吸时腹部规律性起伏 | —— | 呼吸 | —— | Eigenberg等[24] | 2000 |
压力 | 呼吸时鼻腔与周围环境的压力差 | —— | 呼吸 | 与人工计数具有较高相关性 | Strutzke等[25] | 2018 |
压力 | 咀嚼时产生规律的压力变化 | —— | 反刍 | 与人工计数具有较高相关性 | Braun等[26] | 2013 |
压力 | 咀嚼时产生规律的压力变化 | —— | 采食和反刍 | 与称重槽测定结果具有较高相关性 | Pahl等[27] | 2016 |
压力 | 足底压力分布情况 | —— | 跛行 | —— | 杨丽娟等[28] | 2016 |
电阻 | 阴道电阻值 | —— | 发情 | 精度为± 2.00% | 刘忠超和 何东健[29] | 2019 |
振动,姿态,温度 | 活动量,静卧时间,体温 | 学习矢量量化 神经网络 | 发情 | 预测准确率70.00%以上 | 田富洋等[30] | 2013 |
声音 | 声音识别出下颌运动 | 基于多层感知机的自下而上觅食活动识别器算法 | 采食和反刍 | F 1分值均高于0.75 | Chelotti等[31] | 2020 |
温度 | 奶牛鼻孔附近环境温度 | —— | 呼吸 | 与人工计数无统计学差异 | Milan等[32] | 2016 |
|
表2 非接触式奶牛行为监测相关研究Table 2 Researches on non-contact behavior monitoring of dairy cows |
方法 | 特征类型 | 分类算法 | 行为类型 | 准确率 | 文 献 | 年份 |
---|---|---|---|---|---|---|
传统视频图像分析 | 呼吸时腹部规律起伏 | 光流法 | 呼吸 | 95.68% | 赵凯旋等[33] | 2014 |
爬跨过程包围两头牛的边界框长度 | —— | 爬跨 | 0.33%(假阳性率) | Tsai和Huang[34] | 2014 | |
蹄肢运动曲线 | K-Means | 跛行 | 91.15% | Zhao和He[35] | 2014 | |
牛的质心和轮廓 | 基于结构相似度的聚类算法 | 躺卧、站立、 行走、奔跑 | 97. 32% | 何东健等[36] | 2016 | |
爬跨时两头奶牛最小包围盒之间的相交面积 | —— | 爬跨 | 80.00% | 顾静秋等[37] | 2017 | |
反刍时嘴部区域质心轨迹 | 均值漂移 | 反刍 | 92.03% | Chen等[38] | 2017 | |
步态特征 | 基于共轭梯度追踪算法的稀疏超完备词典学习方法 | 跛行 | 92.70% | 温长吉等[39] | 2018 | |
反刍时嘴部区域质心轨迹 | 核相关滤波 | 反刍 | 误检率7.72%(双目标) | 宋怀波等[40] | 2018 | |
头颈部轮廓拟合直线斜率 | KNN | 跛行 | 93.89% | 宋怀波等[41] | 2018 | |
爬跨时几何和光流特征 | SVM | 爬跨 | 90.90% | Guo等[42] | 2019 | |
呼吸时腹部规律起伏 | Lucas-Kanade稀疏光流法 | 呼吸 | 98.58% | 宋怀波等[43] | 2019 | |
牛蹄跟随性 | 阈值判别 | 跛行 | 93.30% | 康熙等[44] | 2019 | |
爬跨过程包围两头牛的最小外接矩形 | KNN | 爬跨 | 99.21% | 谢忠红等[45] | 2021 | |
基于深度学习的视频图像分析 | —— | CNN① | 爬跨 | 98.25% | 刘忠超和 何东健[46] | 2019 |
呼吸时腹部规律起伏 | 融合Deeplab V3+和Lucas-Kanade稀疏光流法 | 呼吸 | 93.04% | Wu等[47] | 2020 | |
—— | 融合卷积神经网络和长短期记忆网络 | 躺卧、站立、行走、饮水、反刍 | 97.60% | Wu等[48] | 2021 | |
—— | 改进YOLOv3 | 爬跨 | 99.15% | 王少华和 何东健[49] | 2021 | |
—— | Rexnet 3D | 躺卧、站立、行走 | 95.00% | Ma等[50] | 2022 | |
—— | 3D卷积网络和卷积长短期记忆网络 | 采食、寻觅、舔舐、行走、站立 | 90.32%(牛犊)86.67%(成年奶牛) | Qiao等[51] | 2022 | |
背部曲率 | 噪声+双向长短期记忆网络 | 跛行 | 96.61% | Jiang等[52] | 2022 | |
激光 | 呼吸时腹部规律起伏 | —— | 呼吸 | —— | Pastell等[53] | 2007 |
声学 | 哞叫声 | 支持向量数据描述 | 发情 | 94.00% | Chung等[54] | 2013 |
热成像 | 呼吸时由呼吸气流引起的鼻部区域像素强度值变化 | —— | 呼吸 | 较人工计数结果相关系数为0.87 | Jorquera-Chavez等[55] | 2019 |
|
2.1 奶牛基本运动行为检测
2.1.1 奶牛基本运动行为监测意义
2.1.2 接触式基本运动行为监测方法
2.1.3 非接触式基本运动行为监测方法
2.2 奶牛发情行为监测
2.2.1 奶牛发情行为监测意义
2.2.2 接触式发情行为监测方法
2.2.3 非接触式发情行为监测方法
2.3 奶牛呼吸行为监测
2.3.1 奶牛呼吸行为监测意义
2.3.2 接触式呼吸行为监测方法
2.3.3 非接触式呼吸行为监测方法
2.4 奶牛反刍行为监测
2.4.1 奶牛反刍行为监测意义
2.4.2 接触式反刍行为监测方法
2.4.3 非接触式反刍行为监测方法
2.5 奶牛跛行行为监测
2.5.1 奶牛跛行行为监测意义
2.5.2 接触式跛行监测方法
2.5.3 非接触式跛行监测方法
3 奶牛运动行为监测产业发展现状
表3 部分国外牧场自动化设备供应商及产品Table 3 Part of international livestock farm automation equipment suppliers and products |
公司名称 | 国家 | 主营业务 | 部分产品 | 主要功能 | 网址 |
---|---|---|---|---|---|
阿菲金 (Afimilk) | 以色列 | 智能穿戴,数字奶厅,智能分群,管理软件 | 项圈计步器AfiCollar | 活动量统计,牛号识别,反刍时间,采食时间 | http://www.afimilk.com.cn/ |
脚环计步器AfiActll Tag | 活动量统计,牛号识别,躺卧数据统计,舒适度监控,产犊预警 | ||||
安乐福 (Allflex) | 美国 | 动物识别,智能监控,奶厅整机,智能数据 | eSense™Flex耳标 | 繁育监测,营养监测,健康监测,群组监控,牧场管理 | https://www.allflex.global/cn/our-legacy/ |
cSense™ Flex项圈 | |||||
利拉伐 (DeLaval) | 瑞典 | 挤奶解决方案,牧场管理系统,奶牛舒适产品,奶牛饲喂产品 | 自愿挤奶系统 VMS™ V300 | 自动挤奶,收集挤奶信息 | https://www.delaval.com/zh-cn/ |
自动搅拌推料机器人 OptiDuo™ | 饲料混合搅拌,移动推料 | ||||
莱力 (Lely) | 荷兰 | 挤奶方案,饲喂方案,牛舍管理,健康管理,大型牧场管理,数据管理分析 | Lely Calm犊牛饲喂器 | 自动喂料,自动调节饲料配量,自动清洁,远程监控 | https://www.lely.com/ |
Lely Juno 自动推料机 | 预定轨迹移动,自动送料 | ||||
COWLAR | 美国 | 可穿戴奶牛监测设备 | 智能项圈 | 健康监测,发情周期预测 | https://www.cowlar.com/ |
Connecterra | 荷兰 | 奶牛健康监测 | Ida智能项圈 | 牛群概况,行为分析,健康统计,生育信息 | https://www.connecterra.io/ |
博美特 (BouMatic) | 美国 | 精准健康管理,智能化挤奶方案,牛奶冷却系统,牧场卫生清洁系统等 | GEMINI MILKING ROBOTS挤奶机器人 | 并排挤奶,自动挤奶 | https://boumatic.com/eu_en/ |
OPTIFLO™ CF 电子奶泵速度控制器 | 牛奶冷却输送 | ||||
Farmnote | 日本 | 可穿戴奶牛监测设备 | Farmnote Color项圈 | 健康监测,异常预警,智能终端可视化管理 | https://farmnote.jp/en/ |
加拉格尔 (Gallagher) | 新西兰 | 电子围栏,智能称重,牧场管理软件 | eShepherd颈带 | GPS定位,终端设定虚拟围栏,牛只越界自动警示 | https://www.gallagher.com/ |
基伊埃 (GEA) | 德国 | 挤奶方案,牛奶冷却与存储,卫生清洁方案,饲喂系统,牛群管理系统 | CowScout 项圈/脚环 | 精准定位,发情监测,活动量监测采食及反刍时间监测 | https://www.gea.com/zh/dairy-farming/index.jsp |