基于穿戴傳感器的牛日常行為識別研究進展

李永鋒，王文生,2*，郭雷風*，舒 航，許貝貝，齊景偉

(1.中國農(nóng)業(yè)科學院 農(nóng)業(yè)信息研究所，北京 海淀100086；2.農(nóng)業(yè)農(nóng)村部 信息中心，北京 朝陽 100125；3.內(nèi)蒙古農(nóng)業(yè)大學 動物科學學院，內(nèi)蒙古 呼和浩特 010018)

中國畜牧業(yè)不斷發(fā)展，從2015年到2019年，牛出欄數(shù)量增加7.66%，牛肉產(chǎn)量增加8.17%，牛奶產(chǎn)量增加0.67%[1]。隨著國內(nèi)肉、奶消費的不斷增加，傳統(tǒng)農(nóng)場的養(yǎng)殖水平和生產(chǎn)效率難以滿足市場要求。規(guī)模化、機械化、自動化和精細化的農(nóng)場是未來發(fā)展的趨勢。農(nóng)場規(guī)模的增長和集約化的養(yǎng)殖方式使得農(nóng)民難以及時獲取牲畜個體行為信息，影響生產(chǎn)管理和動物福利水平。目前，牛的行為信息的監(jiān)測和識別主要有接觸式和非接觸式兩種。非接觸式的代表是圖像識別技術，其在牛的目標檢測[2]、爬跨動作檢測發(fā)情等[3]方面取得了進展，但由于環(huán)境及場景復雜，距離實際應用還有很長的路要走。接觸式的代表是穿戴傳感器技術。穿戴傳感器技術發(fā)展較為成熟，且被廣泛應用于牲畜行為監(jiān)測[4]。

載畜量、飼料花費和疾病管理[5]是影響畜牧業(yè)成本的關鍵。為了增加收益，養(yǎng)殖場加大單位面積飼養(yǎng)的牲畜數(shù)量來降低成本，導致養(yǎng)殖環(huán)境擁擠，疾病多發(fā)。與此同時，對牲畜個體的關注時間減少，難以及時監(jiān)測疾病。利用穿戴傳感器可以在個體水平監(jiān)測牛進食、反芻、飲水、運動和休息等日常行為，通過日常行為的特征變化，對牛生長周期中的關鍵節(jié)點和常見疾病提前預警，及時防治和處理，使損失降低，同時減少勞動力。本文總結(jié)了不同類型穿戴傳感器在牛日常行為識別中的研究應用，分析了日常行為特征在發(fā)情、產(chǎn)犢、跛足和疾病檢測方面的應用情況，剖析了數(shù)據(jù)采集、數(shù)據(jù)傳輸、模型構建和實時預警中的問題，并對未來研究方向進行了展望。

1 穿戴傳感器在精準畜牧業(yè)中的應用

精準畜牧業(yè)(precision livestock farming, PLF)的研究聚焦個體，通過個體反映整體。從大的空間位置對牲畜定位，聚焦個體的姿態(tài)(站立、躺臥、行走)，再到局部動作(進食、反芻、飲水、舉尾等)的探索以及生理信息的實時獲取，實現(xiàn)空間和時間上對個體全方位跟蹤、監(jiān)測、分析和管理。傳感器的發(fā)展使得人們可以在個體水平下監(jiān)測牲畜，依據(jù)牛的不同部位可以得到不同的指標，如圖1所示。

圖1 不同位置監(jiān)測的關鍵指標

穿戴傳感器是穿戴在身上，綜合多種硬件傳感器和軟件處理單元，可以實現(xiàn)數(shù)據(jù)實時采集、處理、傳輸?shù)谋銛y設備[6]。穿戴傳感器已經(jīng)在人體健康監(jiān)測方面取得重大進展，智能手環(huán)可以實時監(jiān)測心率、步數(shù)、睡眠時長等，用戶可以通過手機端接收每日運動量、睡眠質(zhì)量和久坐提醒等健康信息。應用于牛行為識別的穿戴傳感器類型見表1。穿戴傳感器采集動物個體數(shù)據(jù)，通過實時傳輸、分析、統(tǒng)計和對比實現(xiàn)健康監(jiān)測和異常檢測。

表1 主要穿戴傳感器的對比

2 日常行為識別

牛的日常行為是體現(xiàn)福利水平的關鍵，高福利水平下精細化飼養(yǎng)可顯著提高牛肉和牛奶的質(zhì)量。牛的日常行為包括進食、飲水、反芻、運動、休息和排泄等。日常行為判定的依據(jù)主要有3點：(1)日常行為每天都發(fā)生，且頻率較高；(2)日常行為是個體獨立的行為，與其他的個體交互較少；(3)日常行為特征對繁殖行為、異常行為或疾病檢測有指導價值。牛在受到外界刺激和生理疾病影響時，日常行為會發(fā)生變化。除此之外，監(jiān)測日常行為的變化對了解牛和飼養(yǎng)環(huán)境的關系以及牛和牛之間關系有益處。理解和識別牛的日常行為，是發(fā)情檢測、產(chǎn)犢檢測、跛足檢測和疾病檢測等技術的基礎。在此基礎上，采取科學的管理方式和合理的治療手段，提高動物福利水平和生產(chǎn)效益。牛日常行為識別研究結(jié)果如表2所示。

表2 牛日常行為識別研究結(jié)果

2.1 進食、反芻和飲水行為

監(jiān)測進食行為可以估計牲畜個體的飼料攝入量和能量轉(zhuǎn)化率。飼料成本占奶牛場總成本的40%～60%。傳統(tǒng)的牧場管理中，通過產(chǎn)奶量、牧草前后變化和體重信息來間接監(jiān)測進食量[15]。精準畜牧業(yè)關注動物個體，通過傳感器監(jiān)測進食時間、反芻時間、飲水次數(shù)和下頜運動規(guī)律等信息，實現(xiàn)精準飼養(yǎng)，并在此基礎上幫助人們預測產(chǎn)奶量、產(chǎn)犢時間等。其中進食、反芻和飲水時間是長時間窗口下的監(jiān)測，而下頜運動是在短時間窗口下的具體動作監(jiān)測。目前主要通過壓力傳感器、聲音傳感器和加速度傳感器監(jiān)測進食、反芻和飲水行為。壓力傳感器通常固定在牛的鼻翼[16]部位，在動物進食或者反芻時記錄下頜運動壓力值。在反芻時，由于咀嚼運動是規(guī)則的，壓力產(chǎn)生均勻規(guī)則的波形，而進食則產(chǎn)生不規(guī)則波形，且振幅較大[17]。Zehner等[8]使用鼻帶壓力傳感器記錄了進食、反芻和飲水等行為，并與直接觀察的數(shù)據(jù)進行對比，兩者記錄行為的相關性在0.86～0.96之間，但對飲水的監(jiān)測并不理想。聲音傳感器通過采集咬、咀嚼和咀嚼-咬等聲音的波形特征來區(qū)分進食和反芻。提取不同行為下聲音信號的形狀、振幅、持續(xù)時間和能量等特征，可實現(xiàn)相關行為的分類。Chelotti等[18]提出了一種實時檢測牛進食行為的算法(CBRTA)，該算法識別進食事件的精確度高達97.4%，分類為單獨咀嚼、咬和復合咀嚼-咬的精確度為84.0%。壓力傳感器和聲音傳感器一般固定在動物的鼻翼或者前額，采集咀嚼過程中下頜壓力變化或發(fā)出的聲音，可以對撕咬、咀嚼等下顎運動細節(jié)進行分析。加速度傳感器和IMU一般固定在頸部、頭部和耳部來監(jiān)測進食和反芻等行為，任曉惠等[10]在牛頸部佩戴三軸加速度傳感器，利用支持向量機對進食、反芻和飲水等行為分類，分類精確度高達97%。在頸部佩戴IMU運動傳感器時通過皮膚傳遞的力的變化感知加速度，根據(jù)頭部的轉(zhuǎn)動感知角速度，由于佩戴的位置距離嘴巴較遠，不易探測到咬和咀嚼的具體細節(jié)動作。

2.2 運動和休息行為

運動與休息是評估生長狀況和動物福利的基礎。步數(shù)、行走速度、躺臥時間、躺臥次數(shù)等的測定反映牛的姿態(tài)特征，對跛足、發(fā)情有重要的指示作用。計步器、IMU、加速度傳感器和GPS都可以測量上述行為特征，而聲音傳感器和壓力傳感器對大姿態(tài)且涉及空間轉(zhuǎn)換的動作無能為力。Brunassi等[19]采用計步器對奶牛的活動量進行測定，建立了以活動量、歷史發(fā)情周期和激素應用情況為參數(shù)的模糊邏輯專家系統(tǒng)，對發(fā)情進行了預警。Achour等[12]在奶牛背部固定IMU，采集了躺臥(左躺和右躺)、站立、行走和靜止等行為的特征，設計了單變量和多變量有限混合模型和決策樹分類模型，各行為分類準確率達90%以上。Vzquze Diosdado等[20]通過頸部佩戴三軸加速度傳感器，對6頭牛進行連續(xù)36 h的監(jiān)控，利用決策樹算法對躺臥、站立和進食進行了分類，平均精確度達到了87.5%。

不同的傳感器采集的物理量不同，對不同行為的敏感度不同。聲音傳感器和壓力傳感器一般佩戴在頸部、頭部和鼻翼，大多采用頭套固定，收集的數(shù)據(jù)主要是嘴巴發(fā)出的聲音或下頜運動時力的變化，可以有效監(jiān)測進食和反芻的細節(jié)。加速度傳感器和IMU在頸部、腿部、背部和耳部都可以佩戴。在頸部佩戴時需要配重，不僅可以監(jiān)測頭部信息，還可以監(jiān)測身體姿態(tài)信息，所以常用來監(jiān)測多種日常行為。Dutta等[21]通過帶有IMU的項圈對奶牛行為數(shù)據(jù)進行采集，提出了一種由概率主成分分析、模糊C均值和自組織地圖網(wǎng)絡算法組成的新型混合聚類框架，分析了數(shù)據(jù)的自然結(jié)構，并利用多種集成學習方法對進食、反芻、休息、行走和其他行為分類，發(fā)現(xiàn)基于決策樹的bagging集成算法平均分類精確度最高(96%)。對進食、反芻等頭部動作和站立、行走等身體姿態(tài)進行分類研究時，通過多部位同時佩戴傳感器可以獲取更多分類特征，提高分類精度[22]。Benaissa等[13]在奶牛的頸部和腿部同時佩戴加速度傳感器，測定了佩戴1個加速度傳感器和佩戴2個加速度傳感器在不同算法的分類精度差異，發(fā)現(xiàn)當頸部和腿部數(shù)據(jù)融合時，分類效果更好，此外還研究了采樣頻率對分類精度的影響。多種不同類型的傳感器的綜合使用可以感知到更多的行為信息。Pratama等[23]開發(fā)了溫度傳感器、心率傳感器和加速度傳感器一體的頸部穿戴傳感器，識別了體溫和心率的正常與異常，并利用其中的加速度傳感器對站立躺臥進食行為進行分類，結(jié)合三者對奶牛健康狀況進行了評估。

3 日常行為特征應用

利用穿戴傳感器采集的數(shù)據(jù)對日常行為進行識別，可得到牛的位置、姿態(tài)和動作信息，從中提取進食、反芻、飲水、運動和休息的持續(xù)時間、強度、次數(shù)等特征量的變化，再應用于發(fā)情、產(chǎn)犢預測、跛足和疾病檢測。常見模型方法分為兩類，一類主要是基于日常行為時間和次數(shù)的數(shù)據(jù)分析及閾值判斷；另一類利用機器學習分類算法，常見的分類算法包括聚類、邏輯回歸、決策樹、最近鄰、隨機森林和支持向量機等。牛日常行為特征應用研究結(jié)果如表3所示。

表3 牛日常行為特征應用研究結(jié)果

3.1 發(fā)情檢測

有效檢測發(fā)情周期和發(fā)情時間對于人工授精有重要意義。隨著集約化農(nóng)場的發(fā)展，傳統(tǒng)人工方法難以實時檢測發(fā)情，檢測準確率低導致錯過發(fā)情期。爬跨動作是發(fā)情最明顯的標志[35]。在圈養(yǎng)條件下，爬跨發(fā)情的表現(xiàn)越來越弱，爬跨的數(shù)量比放牧條件下明顯減少[36]。發(fā)情期間反芻時間減少約14%～24%[37]，發(fā)情期的母牛每小時行走的步數(shù)大約是正常時期的2～4倍[38]。L?vendahl等[39]在奶牛的頸部佩戴計步器，基于指數(shù)平滑每小時活動指數(shù)的偏差，識別發(fā)情的開始、持續(xù)時間和強度。結(jié)果表明，基于電子活動標簽測定第一次高活動量(DFHA)、發(fā)情持續(xù)時間、強度和規(guī)律的方法，對檢測發(fā)情奶牛有重要意義。Wang等[40]結(jié)合加速度傳感器和室內(nèi)定位傳感器對12頭奶牛進行12 d連續(xù)監(jiān)測，得到站立時間、躺臥時間、行走時間、進食時間、飲水時間、步數(shù)、位移、平均速度、行走次數(shù)、進食次數(shù)和飲水次數(shù)等特征，對比了不同的機器學習算法和不同時間窗口下發(fā)情預測準確率，發(fā)現(xiàn)0.5 h時間窗口下的BP神經(jīng)網(wǎng)絡(BPNN)算法效果最好，精確度為95.36%。奶牛的正常體溫為38.6 ℃左右，在發(fā)情周期中，溫度變化顯著[41]。Miura等[42]設計了一種于熱敏電阻無線傳感器節(jié)點，連接到牛尾巴腹側(cè)表面的底部，根據(jù)方差分析測定表面溫度(ST)和殘留溫度(RT)的波動。試驗表明，排卵前24 h RT顯著上升，且沒有季節(jié)差異，發(fā)情檢測的靈敏度和精確度分別為56%～89%和46%～71%。Lee等[43]利用外部拾音器，發(fā)現(xiàn)在韓國奶牛聲譜圖中存在19個共振峰，提出了一種基于共振峰的特征子集選擇算法，得到最優(yōu)共振峰特征子集，用于韓國本土母牛發(fā)情檢測時精確度為97.5%。因此，在爬跨之外，活動量、反芻時間、進食量、體溫、叫聲等行為特征的變化也可被用來檢測奶牛是否發(fā)情。

穿戴傳感器檢測發(fā)情主要依靠活動量、體溫以及發(fā)情時的聲音信息。發(fā)情一般發(fā)生在夜間，對實時監(jiān)測的要求很高。加速度傳感器、計步器和體溫傳感器采集的數(shù)據(jù)量小，易于實時傳輸，且待機時間長。聲音傳感器采集的數(shù)據(jù)量大，易受周圍噪聲干擾，不利于實時傳輸，需要將數(shù)據(jù)存儲，再進行分析，難以滿足長時間連續(xù)實時監(jiān)測的需求。

3.2 產(chǎn)犢檢測

難產(chǎn)是導致死亡和造成經(jīng)濟損失的重要原因。在傳統(tǒng)牧場，產(chǎn)犢時間的判斷依賴有經(jīng)驗的工作者。隨著養(yǎng)殖規(guī)模的擴大，對于牲畜個體的關注變少，需要利用高效、低成本的設備來預警個體的產(chǎn)犢行為。產(chǎn)犢前伴隨著一系列生理和行為的改變。激素水平的上升是判斷產(chǎn)犢最準確的方式，但是由于激素的檢測是侵入式、不可逆的[44]，容易對牛的健康造成影響。體溫的下降也可以預測產(chǎn)犢，但是這一變化不夠明顯，監(jiān)測困難[45]。除此之外，在產(chǎn)犢前，牛的行為會發(fā)生變化，如躺臥、站立、反芻、進食、離群和舉尾等行為，利用穿戴傳感器能夠有效監(jiān)測這類行為并實現(xiàn)產(chǎn)犢預警。

Benaissa等[24]利用加速度傳感器采集頸部和腿部數(shù)據(jù)，構建了每小時反芻時間、進食時間和休息時間等特征，根據(jù)產(chǎn)犢7 d前每小時躺臥時間、躺臥次數(shù)、步數(shù)等特征變化，構建了邏輯回歸模型，預測產(chǎn)犢行為。Borchers等[29]分別在牛頸部和腿部佩戴穿戴傳感器，利用隨機森林、線性判別分析和神經(jīng)網(wǎng)絡等算法對兩部位融合數(shù)據(jù)進行產(chǎn)犢判別，試驗表明奶牛在臨產(chǎn)時會變得焦躁不安，導致活動量增加、反芻時間減少。Clark等[46]利用穿戴傳感器監(jiān)測反芻和活動量，在該研究中奶牛的反芻時間在產(chǎn)前2天減少了33%，但活動水平在產(chǎn)前維持不變，在產(chǎn)后幾天內(nèi)增加。Ouellet等[47]使用3個傳感器記錄4個特征變量(陰道溫度、反芻時間、躺臥時間和躺臥次數(shù))，在4個指標中，陰道溫度 0.1 ℃的下降最能預測24 h內(nèi)的產(chǎn)犢。Krieger等[30]利用綁在尾巴的三軸加速度傳感器(見圖2)采集了產(chǎn)犢前2天的舉尾數(shù)據(jù)，利用舉尾的頻率和持續(xù)時間建立了決策函數(shù)，超過一定閾值觸發(fā)分娩警報。Miller等[48]同時在頸部和尾部佩戴穿戴傳感器，獲取了144頭肉牛和110頭奶牛每小時進食時間、反芻時間、舉尾次數(shù)和每1.5 h活動水平，利用隨機森林算法對不同特征進行組合，發(fā)現(xiàn)舉尾次數(shù)預測性能最好，精確度為76.1%。

圖 2 加速度傳感器固定在牛尾上[30]

產(chǎn)犢前后活動量、進食量和反芻量[49]有明顯的變化。這些特征不僅能幫助飼養(yǎng)人員進行產(chǎn)前預測，及時將待產(chǎn)奶牛轉(zhuǎn)移至產(chǎn)房重點照料，對于產(chǎn)后護理和飼料選擇也有指導價值，尤其對于初次產(chǎn)犢的牛。產(chǎn)犢前陰道溫度的變化不夠顯著，而舉尾次數(shù)的增加方便監(jiān)測，效果顯著。目前，對于產(chǎn)犢的預測準確率較低，判斷不同行為特征對預測產(chǎn)犢的重要性、建立產(chǎn)犢預警和產(chǎn)后防護是未來研究重點。

3.3 跛足檢測

由于遺傳育種、圈舍環(huán)境、營養(yǎng)配比和飼養(yǎng)管理等問題導致牛蹄潰瘍、皮膚病變、肌肉損傷，輕癥者行走困難，重癥者不能行走，最終被淘汰。及時監(jiān)測到早期跛足能夠有效地降低動物的痛苦和經(jīng)濟損失[50]。最早利用人工目測對牛的蹄肢進行評分，最常用的是5分制標準[51]。隨著農(nóng)場規(guī)模的擴大，依靠人工目測已經(jīng)不能滿足需求。穿戴傳感器可以通過監(jiān)測個體行為和步態(tài)來判斷是否跛足[52]。

在跛足初期，根據(jù)躺臥、行走、進食、反芻等日常行為特征的改變，對牛進行診斷和治療。躺臥行為被認為和跛足關系密切。Blackie等[53]發(fā)現(xiàn)跛足發(fā)生時，躺臥次數(shù)變少，但躺臥時間并無差異，而Weigele等[54]研究發(fā)現(xiàn)，躺臥時間和每次躺臥時間都變長，更偏愛側(cè)躺。Beer等[31]在后腿和頭部分別佩戴加速度計和鼻帶壓力傳感器，利用邏輯回歸算法準確區(qū)分了跛足奶牛和非跛足奶牛，同樣得到了跛足時躺臥時間增加的結(jié)果，該研究表明，站立次數(shù)和行走速度是預測奶牛跛足的最佳因子，敏感性為90.2%，特異性為91.7%。反芻和進食時間在一定程度上也反映跛足。Barker等[55]利用傳感器記錄的加速度和位置數(shù)據(jù)，基于兩階段決策樹算法將行為分類為進食、非進食和擠奶，對分類行為的統(tǒng)計分析顯示，跛足奶牛進食時間較短。Taneja等[32]在奶牛的前腿固定加速度傳感器，通過聚類算法將146頭?；顒訌姸确譃榛钴S、正常、低于正常，對牛群進行標簽化處理，將步數(shù)、躺臥時間和起臥轉(zhuǎn)換次數(shù)作為活動特征，利用最近鄰算法進行分類，結(jié)果表明，在人工發(fā)現(xiàn)跛足前3天就能監(jiān)測到輕微跛足，精度為87%。

步態(tài)變化同樣被認為是跛足征兆之一。Grimm等[56]研究發(fā)現(xiàn)，躺臥、行走、進食和反芻等日常行為變化只是檢測跛足的補充，最能說明跛足的是步態(tài)變化。Pastell等[57]在4個腿關節(jié)佩戴三軸加速度傳感器，計算各腿、各軸總加速度的方差和小波方差，根據(jù)跛足牛和正常牛步態(tài)中前進加速度的后腿方差的對稱性差異，可以識別出跛行牛和正常牛的步態(tài)變化；Thorup等[28]通過佩戴在后腿的三軸加速度傳感器，對348頭牛利用5分制對蹄肢打分，發(fā)現(xiàn)正常(LS1)和步態(tài)不均勻(LS2)的活動水平不同，通過步行時間和步行活動指數(shù)可以檢測出跛行的早期跡象。

行為特征不足以完全反映跛足嚴重程度。建立活動量、行走速度、行走距離、躺臥時間等行為特征、產(chǎn)奶量和蹄肢評分之間的關系，對不同的跛足程度計算特征閾值，根據(jù)閾值判別跛足程度，有利于在跛足情況輕微時預警。

3.4 疾病檢測

行為的變化在一定程度上反映生理疾病和健康水平。發(fā)燒時，食欲不振，精神萎靡[58]；熱應激反應時，呼吸先變快變淺，非常嚴重時轉(zhuǎn)為慢而深的模式[59]。行為特征和疾病特征的關聯(lián)可以提前預警疾病，指導管理者事前決策。

傳統(tǒng)熱應激的檢測停留在環(huán)境監(jiān)測，環(huán)境溫濕度指數(shù)(THI)是反映熱應激的最常用指標，此外還有等效溫度指數(shù)(ETI)、熱負荷指數(shù)(HLI)等[60]。這些指標都是針對群體，但是不同個體和品種的牛對熱應激的耐受度不同，Islam等[33]利用耳標三軸加速度傳感器檢測不同品種牛的呼吸速率，在個體水平下測量熱應激反應，使選擇抗熱應激的良種牛成為可能。Tullo等[61]將環(huán)境因素與動物行為相關聯(lián)，利用加速度傳感器獲取奶牛躺臥行為，探究了躺臥行為與氣候條件(溫濕度指數(shù)、太陽輻射、風速及雨量)之間的相關關系，r2為0.84。該方法可用于評價農(nóng)場的熱應激緩解策略是否奏效。

Tobin等[34]利用佩戴在頸部的三軸加速度傳感器，監(jiān)測到牛在出現(xiàn)流行熱癥狀的前48 h和24 h，活動強度與對照組相比明顯偏低；Stangaferro等[62]通過穿戴傳感器監(jiān)測反芻時間和活動水平，結(jié)合自動健康監(jiān)測系統(tǒng)，檢測出了代謝和消化障礙，以及更嚴重的乳腺炎和子宮炎的奶牛；Gusterer等[63]同樣利用反芻時間和活動水平在疾病的臨床表現(xiàn)前識別出了健康紊亂的奶牛。

4 問題分析與未來展望

4.1 問題分析

傳感器系統(tǒng)已經(jīng)在精準畜牧業(yè)中廣泛使用，在標準化、集約化農(nóng)場中扮演重要的角色?；诖┐鱾鞲衅髋Ｐ袨樽R別模型如圖3所示，分為4步：(1)數(shù)據(jù)采集；(2)數(shù)據(jù)傳輸；(3)模型構建；(4)實時預警。

圖3 基于穿戴傳感器的牛行為識別模型

(1)數(shù)據(jù)采集。不同的采樣頻率不僅影響行為分類，而且和設備待機時間緊密相關。不同穿戴傳感器佩戴位置不同，聲音傳感器和壓力傳感器佩戴的位置主要是頭、頸區(qū)域，用來采集進食和反芻效果良好。加速度傳感器佩戴的位置很多，頸部目前是采集行為最多的位置，尾部只能采集單一的舉尾行為。溫度傳感器最適合佩戴在血管多、毛發(fā)少的位置。雖然穿戴傳感器是非侵入式的，但佩戴過多容易對動物造成壓力[64]且成本過高。因此，開發(fā)多種傳感器融合的頸部智能項圈是可能的解決方案。

(2)數(shù)據(jù)傳輸。大多數(shù)研究都是用SD卡保存行為數(shù)據(jù)，采集結(jié)束后上傳電腦進行離線分析。在真實生產(chǎn)管理中，只有實時傳輸，數(shù)據(jù)才有意義，才能真正起到防患于未然的作用。此外，傳輸?shù)臄?shù)據(jù)需要清洗掉噪聲數(shù)據(jù)，傳輸對預測模型有用的數(shù)據(jù)可以有效提高網(wǎng)絡的傳輸效率。

(3)模型構建。根據(jù)對國內(nèi)外文獻總結(jié)可知，牛日常行為分類的精度較高。但是在日常行為特征的應用中，當測試的樣本量增加時，效果不是很好。其次，單一的特征很難預測復雜行為，針對不同的檢測需要最佳的特征組合。將機器學習算法應用于牛行為識別中依舊是研究熱點。

(4)實時預警。國內(nèi)對于行為特征的應用停留在試驗階段，并未進行大規(guī)模驗證。國外已經(jīng)開始對傳感器系統(tǒng)進行驗證。傳感器系統(tǒng)為農(nóng)場帶來了環(huán)境、經(jīng)濟和社會可持續(xù)性效益，但這些效益尚未通過持續(xù)性評估的方法加以量化[65]。只有大規(guī)模驗證，改進技術，避免錯誤預警，才能使生產(chǎn)者相信傳感器系統(tǒng)的積極效果。

4.2 展 望

自動化的牲畜健康生產(chǎn)管理依賴大量的信息。單一的穿戴傳感器不足以采集全方位的生產(chǎn)周期數(shù)據(jù)。環(huán)境數(shù)據(jù)(天氣、溫濕度、風速)、生理數(shù)據(jù)(激素、呼吸頻率、心率、血氧)和圖像數(shù)據(jù)獲取需要借助其他的監(jiān)測方法。綜合使用文本、聲音、圖片和視頻等數(shù)據(jù)，挖掘更深層次的信息，才能更加精準地感知牲畜的健康，輔助管理決策。

新技術的發(fā)展給予穿戴傳感器更多的可能性。云計算可以為自動牲畜管理系統(tǒng)提供高效的計算能力和數(shù)據(jù)存儲能力。穿戴傳感器只需進行數(shù)據(jù)采集和傳輸，而不需要數(shù)據(jù)處理，處理工作和應答工作都交由云計算，既緩解了穿戴傳感器的壓力，又延長了設備的待機時間。高速度、大寬帶、低時延的5G(5th generation mobile networks)傳輸和高精度定位的GPS/北斗，能夠在放牧場景下實時感知每頭牛的位置，使建設牧場的虛擬圍欄成為可能。

搭建實時接收、處理、運算和預警的數(shù)據(jù)平臺是個體監(jiān)測的服務核心。從傳感器獲取數(shù)據(jù)到傳輸?shù)狡脚_運算處理，最后對牧場管理人員發(fā)布預警。平臺為文本、圖片、聲音和視頻等類型數(shù)據(jù)提供接口，實現(xiàn)各類穿戴傳感器、攝像機和環(huán)境傳感器即插即用。與此同時，平臺可以根據(jù)不同的農(nóng)場需求提供個性化定制服務。