摘要：该试验利用瘤胃胶囊畜牧养殖管理平台对内蒙古巴彦淖尔市某肉牛养殖场的繁育母牛的繁育信息监测效果进行研究，试验选用200头安格斯青年母牛，将其随机平均分为2组。基于瘤胃胶囊“畜牧养殖管理平台”的繁育肉牛发情揭发率为92.70%，返情率为22.92%，返情揭发率91.66%，受孕率为78.12%，产犊预警准确率为94.52%。应用胃胶囊“畜牧养殖管理平台”进行繁育全流程监测的效果明显高于传统人工监测结果，是一种很好的畜牧养殖管理的工具。

　　关键词：瘤胃；发情；预警

　　0引言

　　随着规模化养殖的不断推进，对奶牛的养殖管理提出新的要求，必须依靠利用信息技术提升奶牛、肉牛养殖的科学管理水平。传统的人工观察检测奶牛发情、产犊等繁育信息，费时费力，直肠检查虽然准确率高，但该方法比较繁琐，劳动强度大，易造成疾病交叉传播，对工作人员的能力要求很高[1]，生产效率低，同时极易因为漏检和发情时间鉴别不准致使受孕率低下，对于提高奶牛繁殖率和牛奶产量非常不利。智能化检测设备如颈环、脚环、智能耳标等设备在佩戴过程中容易松、掉，同时受环境温度影响较大致使监测的数据不准确[2]，有学者通过视频、声音[3-4]和阴道植入设备监测发情，虽然也都可以获得较为良好的发情，但其均是在特定场景环境下进行的，对复杂图像背景的适应能力有限[5]。阴道植入设备监测发情准确率高，但动物应激反应大，且易导致母牛生殖系统感染，或装置脱落、丢失等情况[5]，目前只停留在试验阶段。本项目采用的是内蒙古基硕科技有限公司突破国外技术封锁、自主研发的国内首例产品——反刍动物瘤胃胶囊及其畜牧养殖管理平台对母牛繁育信息的监测效果进行试验研究。

　　1材料与方法

　　1.1试验动物

　　在试验牧场选择200头安格斯基础母牛，在18～20月龄未孕、身体健康、无繁育缺陷的育成牛，且都为首次配种。试验牛圈舍为标准圈舍，棚舍为66 m×13.5 m，活动场为66 m×2 m。

　　1.2仪器与系统

　　试验采用内蒙古基硕科技有限公司开发的畜牧养殖管理平台。该平台由硬件和软件2个部分组成。硬件为瘤胃胶囊，软件为畜牧养殖管理平台。牛瘤胃胶囊用投喂枪将瘤胃胶囊从牛的口腔投喂到食道，在牛食道的生理反应下吞咽到瘤胃内。牛瘤胃胶囊每隔15 min传输1次数据，能够实时采集牛瘤胃温度、胃动量、瘤胃pH值等生理指标，采集的数据自动上传到畜牧养殖管理平台，平台通过AI算法模型实时分析处理数据，该平台可以做到实时监测牛的发情、产犊、疾病、体态、饮水、采食等繁育、健康、饲喂等信息可以打通人与牛的“沟通”通道，实现精准科学的畜牧养殖管理。

　　本研究利用的是畜牧养殖管理平台的繁育模块。具体为平台通过瘤胃胶囊接受到的信息，并分析出牛繁育信息后将发出相应预警，通过电脑和手机APP把牛发情、返情、产犊事件及时告知牛场人员，牧场根据预警信息适时进行发情确认，配种、接生等操作，可以提高牧场的管理效率。

　　1.3试验周期

　　繁育监测试验分为2个阶段，第1个阶段为发情、配种、返情阶段，时间为2024年4月1日—5月30日。第2个阶段为产犊阶段，时间为2025年1月1日—3月30日。

　　1.4繁育监测试验方案

　　200头牛分为2组，Ⅰ组100头牛投喂瘤胃胶囊，配1名繁育员进行管理；Ⅱ组100头牛未投喂瘤胃胶囊，配2名繁育员进行管理。根据试验需求Ⅰ组通过瘤胃胶囊养殖管理平台监测发情、返情、产犊情况，Ⅱ组采取传统人工观察监测发情、返情、产犊情况。平台繁育信息的揭发：畜牧养殖管理平台发出发情预警信息，繁育员的通过手机、电脑接收到发情预警信息后，繁育员通过直肠超声波确认发情后，根据平台提示的最佳受精时间进行人工授精；同理，繁育员的通过手机、电脑接收到产犊预警信息后，到现场进行确认，并助产。人工繁育信息的揭发：每日上、下午由人工通过涂蜡，结合直肠超声波检查进行发情揭发，确认发情后进行人工授精；每日繁育员通过上午、下午定时巡圈发现产犊，并助产。

　　1.5数据收集与处理

　　通过瘤胃胶囊畜牧养殖管理平台与Excel、Origin进行数据分析处理。

　　2基于瘤胃胶囊母牛繁育行为辨识与预测算法

　　2.1发情、返情行为预测算法

　　母牛在发情或返情过程中会表现出瘤胃温度升高、运动强度波动、活动量增加、反刍减少等显著生理行为特征，通过对瘤胃胶囊采集的温度、运动、pH值、加速度等时序数据进行滑动平均、LOESS回归等预处理，并构建多维行为特征（包括统计指标、日夜反差、周期性波动与温度变化速率等），利用随机森林、SVM、LSTM等模型结合异常检测与周期预测技术，实现对发情行为的提前识别与返情状态的智能判断，同时通过联动繁育记录系统对（21±2）d内的重复发情行为进行返情预警，显著提升牛群繁殖管理的准确性、时效性与智能化水平。

　　2.2产犊行为预测算法

　　母牛临产前通常会出现体温下降、活动频次变化、反刍减少、卧躺时间增加等一系列生理与行为特征，通过对牛投放瘤胃胶囊采集的源数据进行连续监测与时序建模，结合体温变化曲线、加速度异常识别、姿态切换频率及行为模式聚类，利用时间窗滑动分析与机器学习模型LSTM、随机森林进行关键特征提取与行为分类，实现对产犊行为的提前预警与风险预测，为牧场提供科学干预时机，保障母牛与犊牛的安全。

　　3结果与分析

　　3.1发情揭发

　　发情监测时间从2024年4月1日—5月30日。Ⅰ组选用瘤胃胶囊畜牧养殖管理平台进行发情监测。平台分析出牛发情后，将预警信息通过网络发送到牧场繁育员的电脑和手机APP上，繁育员接到信息后对牛进行直肠B超检查卵泡的发育情况，确认发情后，根据平台提醒的最佳配种时间段进行人工配种；Ⅱ组为传统人工发情监测，通过涂蜡和巡圈进行。

　　由图1、图2可知，Ⅰ组试验100头牛中，其中平台预警发情96头，直肠B超确认发情89头，未发情11头，基于瘤胃胶囊养殖管理平台发情揭发率为92.70%。Ⅱ组试验100头牛中，其中人工确认发情的有99头，直肠B超确认发情88头，未发情12头，人工发情揭发率为88.89%。瘤胃胶囊养殖管理平台发情揭发情率高于传统的人工观察。分析其原因可能为未发情被爬跨，致使其尾部蜡记被破坏而误判。

　　3.2返情揭发

　　返情监测时间从2024年4月20日—5月30日。平台对已配种牛再次发出发情预警，定义为平台的返情揭发。对试验牛进行直肠B超检查确认是返情，同时在配种后第33～38天孕检为未孕的牛，确定为平台的返情揭发成功。

　　由图3、图4可知，Ⅰ组基于瘤胃胶囊养殖管理平台返情监测试验牛为96头，其中平台预警返情牛24头，直肠B超确认返情牛22头，未返情牛74头，返情率为22.92%，平台返情揭发率91.66%。Ⅱ组传统人工返情监测试验牛为99头，其中人工发现返情牛37头，直肠B超确认返情牛30头，未返情牛69头，返情率为30.30%，人工返情揭发率为81.08%。Ⅰ组返情率明显低于Ⅱ组，分析其原因为Ⅰ组平台发情预警的同时给出了最佳配种时间段，配种员是在最佳配种时间段进行配种，因此牛返情率低，而传统牧场的做法是上午统一时间巡圈发现发情牛，下午统一时间配种；下午巡圈发现发情牛，次日上午统一时间配种。传统牧场发情、配种做法使牛错过了最佳配种时间，尤其时第1天夜间发情的牛视为次日上午发情，其下午才能进行配种，错过了最佳配种时间，使得其返情率较高。Ⅰ组平台返情揭发率高于Ⅱ组人工监测，其原因主要为Ⅰ组平台返情监测是24 h的，Ⅱ组人工返情的监测是定期巡圈发现。

　　3.3平台对受孕率的影响

　　对2组已配种的试验牛在33～38 d通过直肠B超进行孕检。由图5、图6可知，Ⅰ组基于瘤胃胶囊养殖管理平台配种96头牛，其中有75头受孕，21头未受孕，受孕率为78.12%。Ⅱ组传统人工监测配种99头牛，有58头受孕，41头未受孕，受孕率为58.59%。Ⅰ组受孕率明显高于Ⅱ组，分析其原因为Ⅰ组平台预警发情给出了最佳配种时间段，配种员是在最佳配种时间段配种的，牛受孕率高。而传统牧场是定期巡圈进行监测，上午发现发情牛，下午统一时间配种，下午发现发情牛，次日上午统一时间配种。传统牧场发情、配种做法使牛错过了最佳配种时间，尤其是首日夜间发情的牛视为次日上午发情，其在次日下午才能进行配种，错过了最佳配种时间，使得其受孕率较低。

　　3.4分娩揭发

　　产犊模型为繁育监测的第2个阶段，时间段为2024年12月1日—2025年3月30日。平台预产提醒时间在理论妊娠285 d的基础上提前15 d提醒。平台预产提示时间=配种日期＋妊娠285 d－15 d。

　　基于瘤胃胶囊畜牧养殖管理平台对即将产犊牛会提前15 d发出待产提醒，提醒牧场繁育员对牛进行观察，因个体差异牛的产犊时间会不同程度的提前或推后，但大部分会提前[6]。牛在产犊时平台根据数据模型监测到产犊特征，发出牛产犊预警。牧场繁育员接到产犊预警后，到现场确认并进行助产。

　　由图7、图8可知，Ⅰ组产犊监测73头妊娠牛，提前15 d待产提示73头，平台69头牛都在产犊时发出预警，其中有4头牛为误报，这4头牛分别提前预警2、2.5、4、1.5 h，难产死胎为0头，平台产犊预警准确率为94.52%。Ⅱ组产犊监测58头妊娠牛，人工发现40头，未发现产犊18头，难产死胎1头，人工发现产犊准确率为68.96%。Ⅰ组平台产犊揭发率高于Ⅱ组人工产犊发现率，分析其原因为Ⅰ组平台预警后接生员就前往准确定位牛，及时发现并进行助产。Ⅱ组是接生员进行巡圈时，对全部牛进行巡查时发现的，尤其是在冬季夜间，牧场工作人员受光线和气温的影响，工作效率低，使得人工发现产率低于平台，Ⅱ组还有1头牛早上6:00被发现时已经难产致使犊牛死亡。通过分析可以看出平台在牛分娩方面的应用，高于传统的人工巡查。

　　4模型算法分析

　　基于瘤胃胶囊的养殖管理平台通过其模型算法分析其发情（返情）、产犊（流产），以试验牧场牧场耳标号为3195的头牛，进行发情、产犊数据模型分析，其模型数据特征、时间与实际牛繁育事件相吻合。

　　4.1平台发情、返情算法模型分析

　　瘤胃胶囊养殖管理平台的发情、返情算法模型分析与瘤胃胶囊养殖管理平台界面对发情预警结果的呈现。

　　从图9的发情算法模型可以看到：母牛从2024年4月13日10:00开始瘤胃胶囊监测到瘤胃的振动量（简称胃动量）开始增加一直持续到14日，其值是间情期每日活动量的3～5倍，体温明显上升，比间情期平均增加了约0.5℃,现场兽医核实确认为发情。瘤胃胶囊养殖管理平台上牛在4月13日发出发情预警，经过兽医B超核实该牛确定发情，如图10所示，耳标3195的牛平台出现发情预警。模型算法、平台预警与人工核实发情结果一致。

　　4.2平台分娩算法模型分析

　　从图11可看到，发情指数模型算法显示该牛在2024年4月13日10:00左右发情指数开始小幅增加，从16:00开始大幅增加，发情指数在23:00达到最大值0.71。从图12可以看到，基硕科技的后台发情算法分析界面发情指数曲线的变化与模型算法一致，同时给出了配种早期、中期、晚期的时间预测，牧场需在绿色时间段（中期）进行配种，受孕效果最佳。

　　耳标号为3195的牛在2月6日14:10分完成分娩。由图13、图14可知，该牛分娩的20 h之前体温维持在为（38.62±0.5）℃,从2025年的2月5日18:00开始牛体温开始缓慢下降，最低体温降为36.34℃,产前4 h温度维持在36.34～36.98℃,直到2月6日13:30分体温开始上升，牛在13:20分开始分娩，到14:10分完成分娩。牛分娩后12 h体温维持在38.78～39.23℃。该牛分娩前4 d胃动量无显著性差异（P＜0.05），从2月6日7:00胃动量开始持续增加，在2月6日13:20开始急剧上升，在2月6日14:16达到最大值172.11次/min，15 min内增量达到3 275次，分娩后2 h胃动量逐渐恢复正常。

　　产犊时牛体温的变化，一方面是由于应激或分娩疼痛导致的采食量暂时减少，在分娩前出现低温现象[7-8]；另一方是牛分娩时孕酮浓度大幅降低，致使牛体温下降，分娩时体温和孕酮浓度之间存在相关性[9]。胃动量的变化和现场兽医观察到牛分娩时活动情况相吻合，分娩前6 h胃动量开始比正常时间段增加，原因是牛腹痛导致牛持续活动，从13:20分开始胃动量急剧上升，是牛生产时努责引起瘤胃胶囊颤动（胃动量）增加。胃动量在2月6日14:16分出现最大值，是因为瘤胃胶囊15 min传输1次数据，在14:01—14:16之间，牛14:10完成分娩，并起身照看犊牛的过程都发生在这15 min，所以胃动量达到最大值。之后2 h内胃动量持续下降，是因母牛在舔食和照顾犊牛，2 h后胃动量逐渐恢复正常，犊牛身体舔食完成。

　　5结论

　　采用牛瘤胃胶囊进行基础生理数据的采集，通过牛瘤胃胶囊养殖管理平台对安格斯母牛繁育数据进行分析，并作出繁育信息预警提示。试验对内蒙古巴彦淖尔市某肉牛养殖牧场的繁育肉牛牧场中200头进行试验。其试验结果如下。

　　基于瘤胃胶囊的“畜牧养殖管理平台”的发情揭发情率为92.70%，传统人工发情揭发率为88.89%，瘤胃胶囊畜牧养殖管理平台发情揭发情率高于传统的人工观察。

　　基于瘤胃胶囊的“畜牧养殖管理平台”的返情率为22.92%，返情揭发率91.66%。传统人工观察管理繁育的牛返情率为30.30%，返情揭发率为81.08%。

　　基于瘤胃胶囊的“畜牧养殖管理平台”受孕率为78.12%，传统人工操受孕率为58.59%。畜牧养殖管理平台监测的牛受孕率明显高于传统的人工监测。

　　平台待产提示100%，产犊预警准确率为94.52%，没有难产牛。人工发现产犊准确率为68.96%，难产死胎1头。Ⅰ组平台产犊揭发率高于Ⅱ组人工产犊发现率。

　　繁育过程的算法模型与牛的实际行为吻合度高。基于瘤胃胶囊的“畜牧养殖管理平台”为奶牛、繁育肉牛场提供了一种全新的繁育鉴定工具，能及时发现母牛发情，返情、产犊，能提醒牧场及时配种、接生等，其是一种很好畜牧养殖管理的工具。可以提高牧场管理水平、改善繁殖状况、提升经济效益。如果将瘤胃胶囊对整个群体进行标准化应用，将对牛场带来不可低估的价值。

参考文献

　　[1]马吉锋，王建东，李艳艳，等．UCOWS奶牛发情监测系统检测奶牛发情效果的研究[J]．黑龙江畜牧兽医，2014（16）：35-36.

　　[2]Zhang C M，Xi L，Li Z Q，et al．Comparison of meth‐ods for identifying estrus in dairy cows[J]．Modern animal husbandry，2019（1）：4-7.

　　[3]Cai Z H，Lin X J．Research on a video monitoring algo‐rithm for cow estrus behavior based on machine vision[J]．Modern animal husbandry，2021（3）：28-30.

　　[4]Chowdhury S，Verma B，Roerts J，et al．Deep learning based computer vision technique for automatic heat detection in cows[C]//2016 International Conference on Digital Image Computing：Techniques and Applica-tions（DICTA）.Piscataway，New Jersey，USA：IEEE，2016.

　　[5]张志勇，曹姗姗，孔繁涛，等．母牛发情精准感知与智能鉴定技术研究进展、问题与挑战[J/OL]．智慧农业（中英文），1-22[2025-04-10].

　　[6]王晓佩，王晓锋，王学君，等．荷斯坦牛妊娠天数影响因素分析[J]．中国奶牛，2020（5）：26-28.

　　[7]Ammer S，Lambertz C，Von Soosten D，et al．Impact of diet composition and temperature-humidity index on water and dry matter intake of high-yielding dairy cows.J.Anim.Physiol[J].Anim．Nutr，2018，102：103-113.

　　[8]Cooper-Prado M J，Long N M，Wright E C，et al.Relationship of ruminal temperature with parturition and estrus of beef cows[J]．J Anim Sci，2011，89（4）：1 020-1 027.

　　[9]Kim D H，Ha J，Kwon W S，et al．Change of Ruminoreticular Temperature and Body Activity before and after Parturition in Hanwoo（Bos taurus coreanae）Cows[J]．Sensors，2021，21（23）：7 892.