利用蓝牙耳标对放牧肉牛的补充饲料摄入量进行创新监测

《Animal Feed Science and Technology》：Innovative Monitoring of Supplement Intake in Grazing Beef Cattle Using Bluetooth Ear Tags

个体补饲摄入监测：基于蓝牙耳标签和加速度指数的精确评估。研究通过RSSI阈值≥-50 dBm结合加速度指数，实现了72%的变异解释率，证实蓝牙技术可非侵入式监测反刍动物补饲行为，并揭示个体摄入差异系数达26%-14%。

　　本研究探讨了利用蓝牙耳标和加速度计数据来评估个体补充饲料摄入量的可行性。传统上，补充饲料的摄入量通常是通过群体层面的观察来评估的，这种方法忽略了个体之间的差异，无法准确反映每头牛的实际摄入情况。然而，随着畜牧业对精准营养和个体化管理的需求增加，科学家们开始寻求更有效的监测方法。本研究的目的是评估蓝牙耳标是否能够准确估算个体在补饲点停留的时间，并进一步探讨其在预测个体补饲行为方面的有效性。

研究中使用了14头Droughtmaster母牛，这些母牛在12周内被分配到一个面积为10.11公顷的牧场，该牧场以低质量牧草为主。研究人员提供了两种蛋白质补充饲料：一种是低摄入量的补充饲料，目标是每头牛每天摄入300克，另一种是高摄入量的补充饲料，目标是每头牛每天摄入1000克。通过这种方式，研究人员能够观察到不同摄入量对补饲时间的影响。为了准确记录母牛的补饲行为，研究人员采用了视觉观察、摄像头录像和蓝牙接收器三种方法。其中，蓝牙接收器记录了耳标的信号强度（RSSI）和存在状态，从而估算母牛在补饲点停留的时间。

研究发现，当RSSI值≥-50 dBm时，蓝牙耳标能够较为准确地估算个体在补饲点停留的时间，其调整后的决定系数（R2）达到0.47，且P值小于0.001，表明其与视频数据具有显著相关性。在进一步引入加速度计数据后，模型的预测能力得到了显著提升，调整后的R2达到了0.70，P值仍小于0.001。这说明，仅依靠RSSI信号可能不足以准确反映个体的补饲行为，而结合加速度计数据可以更全面地捕捉母牛在补饲点的活动情况，从而提高预测的准确性。

研究还发现，个体之间的补充饲料摄入存在显著差异。在第一阶段，补充饲料的摄入量变异系数（CV）为26%，而在第二阶段则降至14%。这种差异表明，某些母牛可能对补充饲料表现出更高的需求，而另一些则可能较少使用。这种现象可能与母牛的生理状态、行为习惯或对饲料的偏好有关。因此，个体化的监测方法有助于识别这些差异，并为不同个体制定更加合理的补充策略，从而提高整体生产效率和可持续性。

本研究中使用的蓝牙耳标具有6.3厘米×4.0厘米×1.6厘米的尺寸，重量约为20克。它们通过蓝牙技术与固定在补饲点的接收器进行通信，每30秒记录一次信号强度和动物的存在状态。为了减少数据存储负担，耳标仅在每6分钟传输一次处理后的加速度指数。这种数据采集方式不仅降低了设备的能耗，还使得数据的处理更加高效。然而，由于信号强度和动物活动之间的复杂关系，仅依靠信号强度可能无法完全准确地预测个体的补饲行为。因此，研究人员将信号强度与加速度计数据相结合，以提高预测的准确性。

在数据处理过程中，研究人员将24小时的视频记录分割为11.8秒的片段，并根据母牛的编号识别个体行为。通过这种方式，研究人员能够统计每头牛在补饲点停留的总时间。同时，他们将这些视频数据与蓝牙耳标记录的信号强度和加速度指数进行比对，并使用澳大利亚东部标准时间（AEST）进行时间同步。最终，研究人员利用R语言中的“dplyr”和“tidyverse”包对数据进行了整合和分析，以确保数据的一致性和准确性。

统计分析结果显示，蓝牙耳标在预测个体补饲时间方面表现良好，但仍然存在一定的误差。例如，平均绝对误差（MAE）为2.19分钟，均方根误差（RMSE）为3.04分钟，这些误差值均低于观察到的平均补饲时间（5.66分钟），表明蓝牙耳标能够较为准确地预测补饲时间。此外，模型的偏差（MB）为-0.000005分钟，这一差异在统计学上并不显著，进一步支持了蓝牙耳标在预测补饲时间方面的可靠性。同时，模型的预测效率（MEF）为0.70，表明该模型能够解释70%的补饲时间变异，而一致性相关系数（CCC）为0.83，说明模型的预测结果与实际观测值之间具有较高的相关性。

通过将补饲时间与群体的平均补充饲料摄入量进行对比，研究人员还发现，补饲时间与饲料摄入量之间存在强相关性（r = 0.94，P < 0.001）。这表明，补饲时间可以作为评估饲料摄入量的有效指标。然而，个体之间的差异仍然存在，这提示我们不能简单地将群体数据应用于个体管理。例如，在第一阶段，个体饲料摄入量的变异系数为26%，而在第二阶段则降至14%。这种变化可能与补饲量的增加有关，也可能受到母牛健康状况、行为习惯等因素的影响。

本研究的结果表明，蓝牙耳标在监测个体补饲行为方面具有显著潜力。通过结合信号强度和加速度计数据，研究人员能够更准确地预测个体在补饲点停留的时间，从而估算其饲料摄入量。这种方法不仅提高了数据的准确性，还降低了传统监测方法（如视觉观察和时间录像）在大规模生产中的成本和劳动强度。此外，蓝牙耳标能够在低质量牧草条件下提供持续的、近乎实时的数据，这对于优化补充饲料管理策略、提高生产效率和改善动物健康具有重要意义。

在讨论部分，研究人员指出，虽然蓝牙耳标在预测补饲时间方面表现良好，但仍然存在一定的局限性。例如，信号强度可能受到环境因素（如障碍物、天气等）的影响，导致数据采集的不准确。此外，加速度计数据虽然能够提供额外的活动信息，但其本身也存在一定的误差，尤其是在识别具体行为（如舔食饲料）方面。因此，在实际应用中，需要综合考虑多种因素，以确保数据的准确性和可靠性。

本研究的结论是，蓝牙耳标与加速度计数据的结合可以有效地监测个体在补饲点停留的时间，并预测其饲料摄入量。这一技术为畜牧业提供了新的工具，有助于实现更精确的营养管理。特别是在干季或低质量牧草环境中，这种方法能够帮助生产者更好地调整补充饲料策略，以满足不同个体的需求，从而提高整体生产效率和可持续性。此外，该技术的低成本和易于部署的特性，使其在大规模牧场管理中具有广阔的应用前景。

综上所述，本研究为畜牧业提供了一种新的监测手段，通过蓝牙耳标和加速度计数据的结合，实现了对个体补饲行为的准确预测。这一方法不仅提高了数据的可靠性，还为精准营养管理提供了支持。未来的研究可以进一步探索该技术在更大规模牧场中的应用效果，并结合其他传感器数据（如温度、位置等）以提高预测的全面性和准确性。此外，还可以研究该技术在不同环境条件下的表现，以确保其在各种牧场管理场景中的适用性。