基于商业精准畜牧业活动项圈自动分类放牧奶牛行为的方法验证与评估

本研究针对牧场管理中奶牛行为监测的黄金标准——人工观察法耗时耗力且难以大规模应用的痛点，验证了Axel Medria?三轴加速度计项圈在放牧条件下自动记录奶牛采食(Grazing)、反刍(Rumination)、休息(Resting)行为和站立/躺卧(Standing/Lying)姿态的可靠性。通过混淆矩阵和Bland-Altman分析，证实该设备对采食(灵敏度80.7%)和反刍(73.5%)检测具有较高准确性，为PLF技术在商业牧场长期行为监测中的应用提供了重要依据。

　　

在现代化畜牧业发展中，如何高效监测放牧奶牛的行为模式一直是困扰研究者和养殖者的难题。传统的人工观察法虽被视为"黄金标准"，但其存在观测周期短、人力成本高、主观性强等固有缺陷，尤其难以应对大规模商业牧场的监测需求。随着精准畜牧业(Precision Livestock Farming, PLF)技术的兴起，基于加速度计的可穿戴设备为动物行为监测带来了新机遇，但商业设备的算法黑箱特性使其数据可靠性亟待验证。

针对这一技术痛点，INRAE（法国国家农业食品与环境研究院）Herbip?le实验基地的研究团队开展了一项创新性研究。研究人员采用Axel Medria?商业活动项圈（内置三轴加速度计），对两组共12头放牧奶牛进行累计180小时的观测，通过与人工观察数据的系统对比，首次全面评估了该设备在自然放牧条件下的行为分类性能。这项发表于《Animal - Open Space》的研究，为PLF技术在牧场行为监测中的实际应用提供了关键数据支撑。

研究采用了两项关键技术方法：一是通过标准化人工观察记录（每5分钟为时间窗口）建立基准数据集；二是利用Axel Medria?设备采集的预处理数据（自动分类为采食、反刍、休息等行为），所有数据均来自法国Marcenat实验农场（海拔1100-1200米）的荷斯坦和蒙贝利亚奶牛群体。通过混淆矩阵计算灵敏度(Se)、特异度(Sp)等指标，并结合线性回归和Bland-Altman分析评估时间预算的一致性。

Validity of normalised data at 5-min epoch
研究显示，设备对采食行为的检测表现最优（灵敏度80.7%，特异度91.9%），反刍行为次之（灵敏度73.5%），而休息行为的检测存在较大波动（灵敏度48.8%）。值得注意的是，站立姿态检测虽具有较高灵敏度（86.5%），但特异度较低（67.0%），这可能与牧区复杂地形导致的姿态过渡有关。

Validity of time-budget data for 5-h cumulated data
在5小时累积数据分析中，采食时间检测的确定系数R²达0.84，但存在23分钟的高估偏差（P<0.001）；反刍时间检测的R²为0.63，存在8.5分钟的低估。特别值得注意的是，休息时间检测在两次试验中表现迥异（Trial A的R²=0.82 vs Trial B的0.30），研究者认为这可能反映了观察者间的判定差异。

Authors' point of views
研究者指出，与专门检测颌骨运动的传感器相比，Axel Medria?虽在单项行为检测精度上稍逊，但其能同步监测多种行为并支持长期记录的特性具有独特优势。对于休息行为的检测差异，研究团队提出了创新性解释：设备可能更擅长识别"无运动状态"而非生理学定义的休息行为。

这项研究的重要意义在于首次系统验证了商业PLF设备在自然放牧条件下的适用性。研究证实，尽管存在算法不透明的限制，Axel Medria?项圈仍可作为研究放牧奶牛行为的可靠替代指标，尤其适用于需要长期、大规模监测的商业牧场场景。该成果不仅为畜牧业行为学研究提供了新工具，也为PLF技术的标准化应用建立了重要参考基准。未来研究可进一步优化过渡行为的识别算法，并探索不同牧场环境对设备性能的影响。