放牧家畜牧食信息监测的研究进展

　　摘要:放牧家畜牧食信息包括位置、运动状态、牧食行为、采食量及采食时空分布等信息。牧食信息的自动监测，对草畜平衡、精准畜牧生产、动物科学和草地科学研究、福利化养殖和减少牧民经济损失都具有重要意义。本文围绕自动监测家畜的牧食行为、采食量和采食量时空分布，依据所用信号或方法的不同，分别详细阐述相关研究进展。在此基础上，着重介绍基于声学方法监测家畜牧食行为和估测采食量的研究进展，旨在为深入研究自动监测家畜牧食信息提供参考。

　　关键词:牧食信息;声学监测;牧食行为;采食量;采食量时空分布

　　在我国内蒙古和新疆地区，牛羊畜牧产业占重要地位，放牧是畜牧养殖的主要方式。牧民为追求更大经济利益，盲目扩增家畜养殖数量，引起草畜失衡，草地环境遭到破坏。当地畜牧管理工作者虽尽力规范放牧活动，但由于监测技术有限和牧区网络覆盖程度低等因素，一直无法对放牧活动进行有效监控[1]。伴随精准农业的兴起，精准畜牧生产(precisionlivestockproduction，PLP)也逐渐引起人们的关注[2]。PLP通过各种传感器获取放牧家畜和草地的状态数据，制定合理有效的放牧策略，为草畜平衡提供有效解决方案[2]。

　　牧食行为和采食量监测是PLP的重要组成部分[3]，国内外学者为此提出多种监测方法。在各种监测方法中，基于声信号的监测方法(以下简称声学监测方法)凭借对家畜应激小、精度高、功能多等优点，成为最具潜力的监测方法之一。此外，声学监测也被应用于畜禽个体识别[4]、发情监测[5]、叫声识别分类[6]等动物信息智能感知领域[7]。本文在总结分析传统放牧家畜(主要指牛、羊)牧食行为和采食量监测方法的原理和优缺点，以及详细阐述声学监测方法的原理及研究进展的基础上，以牧食行为或采食量监测技术为基础，结合定位技术，提出更加精确的采食量时空分布模型，以实现牧食行为、采食量、采食量时空分布的自动精准监测为目标，展望未来研究方向。

　　1牧食行为的监测

　　1.1牧食过程

　　家畜在放牧过程中存在牧食过程和非牧食过程。牧食过程包括咬食、咀嚼、咀嚼-咬食、吞咽、反刍草料团、反刍咀嚼、反刍吞咽等牧食行为。具体包括:咬食:舌头揽住一撮牧草后，牙齿将牧草咬断卷入口腔的采食过程;咀嚼:牙齿初次粉碎口腔内牧草的采食过程;咀嚼-咬食:在口腔中残留较多草料的情况下，去咬食其他草料，此时在同一上下颌张合动作中，同时存在咬食和咀嚼的采食过程;吞咽:将初次粉碎的草料吞入瘤胃、网胃内的采食过程;反刍草料团:将草料从瘤胃、网胃中反吐到口腔内的反刍过程;反刍咀嚼:牙齿再次研磨粉碎草料的反刍过程;反刍吞咽:将再次粉碎的草料吞入瓣胃、皱胃内的反刍过程。

　　其中咬食、咀嚼、咀嚼-咬食组成采食过程，称作采食行为;反刍草料团、反刍咀嚼、反刍吞咽组成反刍过程，称作反刍行为;采食、反刍等组成牧食过程。在牧食过程和非牧食过程中，家畜颚部静止的状态，称为静颚。牛在咬食时首先头部低下咬住牧草，而后快速向上抖动以咬或扯断牧草[8]，这是加速度传感器监测法的重要依据之一。在整个牧食过程中，家畜的牙齿和草料之间相互作用发出特有的声音信号，这是声学监测方法的基本依据;同时，家畜上下颌相对位置发生周期性接触和分离，这是机械开关、压力传感器和加速度传感器监测法的共同依据。

　　1.2传统监测方法

　　传统牧食行为监测方法为人工/录像直接观测法，操作简单，应用广泛。一般过程为观测人员凭借望远镜、秒表、记录设备等工具，依靠养殖经验，连续或间隔一定时间观测家畜的牧食过程，分辨具体行为。根据所记录的行为数据推测家畜身体或草场状况，常见于动物科学和草地科学研究[9-10]。此法虽简单方便，但实际应用中耗费大量人力与时间，易对畜群造成惊扰，无法持续长期监测。基于此，牧食行为的自动监测成为一种必然趋势和研究热点。依据所用传感器类型或装置不同，主要有以下几种监测方法:1)机械开关监测法。主要原理为将动物颚部张合的动作转换为机械开关的通断状态，依据开关通断频率或间隔时间的不同来区分不同牧食行为[11-14]。例如平山琢二等[11]将带有开关装置的遥感监测笼头安装在野生鹿头部，分析开关接通频率以区分野生鹿的采食、反刍、静颚及其所占总牧食时间比例。此法设备简单，精度较高，但无法细分采食行为且影响动物采食。2)压力传感器监测法。主要原理为将动物颚部张合的幅度成比例地转换成因阻值改变而产生的电信号输出变化[15]。此法采集的信号波形中，相对于采食过程，反刍过程信号规律性强，平均幅度低，据此可区分两者[15-20]。该法不干扰动物采食，精度高，在20世纪得到广泛研究[16]。

　　以其为原理开发出IGER行为记录仪[17]和ART-MSR压力传感器2种典型的家畜牧食行为监测装置，分别适用于草地放牧和舍饲养殖环境[21]。至今，仍有对压力传感器监测法的验证研究，例如Zehner等[16]采用鼻带压力传感器采集动物颚部运动信号，检验2种通用分类识别算法监测家畜采食和反刍时间的准确性。3)加速度传感器监测法。其主要依据家畜牧食时头部或颚部存在固有的运动特征，比如低头和抬头的频率、下颌运动的频率和幅度等。在家畜的头部或下颌处安装加速度传感器，从采集的加速度值中提取特征变量，以区分不同牧食行为[22-24]。例如Giovanetti等[23]用三轴加速度传感器采集大量羊只采食、反刍和休息的下颌运动数据，提取12个特征变量，利用逐步判别分析、典型判别分析和判别分析3种统计方法对特征变量进行分类，以区分不同牧食行为，准确率较高。4)肌电图监测法(surfaceelectromyographyofthemassetermuscle)。其主要原理为将动物颚部运动时咬肌或其他肌肉伸缩运动的变化通过电极转换为电信号变化。

　　电极安装在缰绳或肌肉表面。例如Büchel等[25]利用牛咬肌表面的肌电图数据分类识别其颚部运动，与人工观测结果高度一致。Campos等[26]从肌电信号中提取8个特征，利用7种机器学习算法对反刍与采食、采食不同食物产生的信号进行识别分类，准确率分别为70%、60%。此法基于肌电信号规律性的强弱，能够分辨反刍和采食过程，准确率较高。以上方法虽具有诸多优点，但存在不能识别采食过程中咀嚼-咬食复合行为的不足。相比而言，声学监测法能更进一步分辨咀嚼-咬食行为。家畜在草地连续采食过程中，虽上下颌张合速率近似，咀嚼-咬食次数都占有张合总数的主要比例，但不同个体之间差异显著。Ungar等[27]研究发现，不同家畜个体采食时张合运动分配的差异是引起采食速率不同的主要原因。咀嚼-咬食行为占张合总数的比例直观反映家畜采食效率，同时对饮食特点也有所表征，是分析家畜采食特点的重要参数。因此，声学监测法是一种更佳的监测方法，它还具有不干扰家畜采食、安装简单、精度高等诸多优点。

　　1.3牧食行为声信号特征

　　声学监测法，主要依据家畜不同牧食行为产生的声音信号特征不同，如波形、强度和持续时间等，以此区分咬食、咀嚼、咀嚼-咬食和反刍咀嚼等行为[28-29]。以单指向电容麦克风作为声信号采集传感器，根据Nelson等[30]的研究，麦克风垂直向内紧贴在家畜去除毛发的额头处采集的信号信噪比最高，人工直接观测亦可准确分辨出不同牧食行为。3种采食行为产生的典型声信号。不同牧食行为的区别如下:时域:平均强度上，咬食相对于咀嚼，平均强度高(声音大);持续时间上，羊咬食相对咀嚼持续时间短[32]，牛则不同;包络线形状特点上，咀嚼和咬食行为的包络线只有1个峰[33]，而咀嚼-咬食行为由咀嚼和咬食2种行为复合连接而成，其包络线有2个峰。

　　此外，反刍咀嚼和采食咀嚼声信号相似，但反刍咀嚼平均强度相对较低，具有更加对称的信号波形和更规律的周期频率[34];形状比率上，咀嚼-咬食明显不同于咬食和咀嚼。频域:在0～50、80～100和160～190Hz频带内，羊咬食相对于咀嚼声能量大[29];在3～8kHz频带内，牛咬食比咀嚼产生的声能量大[28];在高频段17～20kHz，牛咬食和咀嚼声信号存在明显差异[35]。总之，在特定频域范围内，咬食比咀嚼产生更多能量输出。

　　2采食量的估测

　　采食量直接影响家畜成长速度，指示家畜生理健康状况，准确估测采食量对及时发现患病个体和调整家畜膳食具有重要意义。舍饲条件下，定量饲喂或衡量饲喂前后草料质量差异可准确估测家畜进食量。放牧条件下，家畜直接采食草场牧草，测定采食量比较困难，这一直是草原生态和动物营养研究者关注而又棘手的问题[43]。

　　2.1传统人工估测方法

　　多年来，众多学者提出许多估测放牧家畜采食量的方法，可分为直接法和间接法[44]。直接法有2种:1)牧草差分法。在家畜牧食前后获取具有代表性小区域面积草场的牧草质量差异，以此推算整块草场被采食的状况，即依据样本估测总体[45]。若放牧周期短(最多1～2d)、放养率高(理想情况下，草场内所有的草都必须被均匀采食)，牧草差分法应用方便，结果可靠。若放牧周期较长，则需考虑牧草的再生长影响[46]。2)体质量差分法。在家畜无排泄行为的短期内(例如1h内)，将其牧食后体质量增加量视为采食量。长期时需考虑排泄和运动消耗影响。

　　间接法有5种:1)标记法。测定家畜排泄粪便中天然不可消化的植物成分含量，如木质素、烷烃或不溶性灰，参照天然植物中的含量，以此估测采食量。Mayes等[47]提出的正构烷烃法是估算放牧条件下采食量的最佳方法。该方法基于测定植物和粪便中天然烷烃和合成烷烃的浓度，以此估算采食量，其精度较高，应用广泛[48-49]。2)比例法[21]。比例法利用饲料消化率和粪便产量推算采食量。无论标记法或比例法，牧草的取样必须具有代表性，否则会产生较大误差。3)模拟采食法。人工模拟家畜咬食牧草以估测采食量。此法测量的准确性取决于操作人员的观察和模仿家畜采食的相似程度[50]。4)微观组织学分析法[51]。对粪便或胃肠道中的植物残留物进行微观组织学分析进而估算采食量，需宰杀家畜，精度不高。5)近红外光谱法(NIRS)。它依靠参考数据库，将采集的近红外光谱数据与通过试验测量得到的化学或生物成分含量等值对应起来以实现采食量估测[44]。最新的NIRS技术通过检测家畜粪便，能够实现家畜消化率、进食量和饮食特点的检测，且精度高。但此法所用分析设备昂贵，需开发大型参考数据库且必须持续更新，是广泛应用的主要限制因素。以上方法在一定条件下具有较高的检测精度，但存在应用成本较高、费时费力，无法实现自动远程监测[52]和满足PLP的发展要求。

　　2.2自动检测方法

　　牧食过程中动物和牧草相互作用，产生声音信号。利用声音信号不仅可以监测牧食行为，且能估测采食量。牧食行为相关的参数，比如咬食次数、咀嚼次数和反刍次数等，称作行为变量;声音信号相关的参数，比如声信号能量，称作声学变量。行为变量和声学变量简称为特征变量。利用特征变量估测采食量时，需考虑牧草种类、高度、含水率、颗粒大小等影响因素;还需考虑动物种类、体质量、头部大小、牙齿、头部组织结构等影响因素，这样建立的预测模型方法具有普遍性、信服性和高精度。根据各种自动检测方法依赖的主要变量类型的不同，可分为行为变量法和声学变量法。

　　3采食量时空分布模型

　　3.1单只家畜采食量时空分布模型

　　放牧家畜采食量时空分布指家畜在单位放牧周期(日、月)内，不同时间、地点采食牧草质量的分布情况，可反映草地放牧强度和家畜采食特点，常用于分析动物和环境的相互影响。Rutter等[59]发现全球定位系统可以用来追踪放牧家畜并确定其活动区域。Akasbi等[60]利用带有定位功能的项圈，研究山羊群每日的运动轨迹和草地放牧强度的季节变化，以及采集位置数据的频率对预测羊群每日行走距离的影响及放牧强度与距离的关系，计算了聚落周围区域的放牧强度。汪传建等[1]根据放牧家畜的位置数据，拟合出放牧路径曲线，以路径曲线为中线向两侧扩展一定宽度(缓冲区)，拟合出畜群采食区域曲线带;结合GIS地理信息数据，以网格细分采食区域;将定量进食量按家畜在每段放牧路径曲线上所耗时间占总时间的比例，划分到采食区域曲线带上，形成具有采食量和时间属性的家畜放牧路径曲线带，也即畜群采食量时空分布图。

　　畜牧论文投稿刊物：《江西畜牧兽医杂志》(双月刊)1982年创刊，是江西省畜牧兽医学会和江西省畜牧技术推广站主办的全省唯一公开发行的畜牧兽医综合性科技刊物。本刊以宣传党政有关方针、政策，传播科技，交流经验，提供信息，繁荣科技，促转自进畜牧业现代化为宗旨。

　　4研究展望

　　近年来国内已有学者利用声信号开展畜禽叫声识别分类[42]、禽类声信号与采食量检测[69]、舍饲条件下家畜进食行为识别分类[6]的相关研究，但放牧条件下家畜牧食行为及采食量的研究鲜有报道。综合国内外研究现状，如下几个方向可能将成为未来研究重点:1)牧食行为监测。目前基于声信号监测家畜牧食行为的算法及相应的嵌入式装置已有报道[33-34]，但尚未应用到实际环境当中。下一步应重点研发可应用到草场环境条件下的实时在线监测设备。2)采食量监测。行为变量和声学变量能够准确估测采食量已经得到证实，且建立了较为精确的预测模型。牧草特性对模型的影响基本清晰，但动物个体差异和牧草含水率的影响尚未充分研究。下一步重点研究两者的具体影响，并根据EFDC、咀嚼次数、咀嚼时间等变量建立一种可应用于嵌入式设备的采食量实时估测算法，以完善家畜牧食信息的监测。

　　3)畜群采食量时空分布模型。基于位置数据的简易畜群采食量时空模型已经建立，但并未利用牧食行为和采食量检测技术，畜群放牧区域拟合的报道也较少。应重点研究拟合畜群放牧区域的最佳拟合方法，以及建立精准的畜群采食量时空分布模型。4)声学监测方法与其他监测方法的结合研究。声学监测方法能够监测动物的情绪、进食和交流等，与其他检测方法的结合，将更全面地监测动物的生理、心理状况。比如机器视觉能够自动检测动物体尺信息，动态称量技术能够在动物无应激情况下测量其体质量。声学监测方法与两者的结合，将有望建立动物进食-生长模型。

　　综上，声学监测不仅可实现放牧家畜牧食行为的监测，同时还可监测采食量，结合定位器、加速度传感器、电子信息技术等，可实现放牧家畜牧食信息的实时在线监测。这无论对于牧区草畜平衡问题的解决，还是PLP的实施都具有重大的价值。

　　参考文献References:

　　[1]汪传建，王伟强，鲁为华，等.基于放牧时空轨迹数据的牧群采食量分布模型[J].农业工程学报，2016，32(13):125-130.WangCJ，WangWQ，LuWH，etal.Feedintakedistributionmodelforherdbasedongrazingspatio-temporaltrajectorydata[J].TransactionsoftheChineseSocietyofAgriculturalEngineering，2016，32(13):125-130(inChinesewithEnglishabstract).

　　[2]LacaEA.Precisionlivestockproduction:toolsandconcepts[J].RevistaBrasileiradeZootecnia，2009，38:123-132.

　　作者：王奎，武佩*，宣传忠，于文波，苏赫

转载请注明来自发表学术论文网：http://www.fbxslw.com/nylw/23471.html