《Smart Agricultural Technology》：Towards precise estrus identification of large-herd dairy cows: An acoustic detection method using enhanced SAX strategy and heterogeneous ensemble learning
编辑推荐：
声学监测为奶牛发情识别提供了一条非侵入性途径，但稀疏的目标叫声和连续记录的存储负担限制了其实际应用。研究人员评估了一种将增强型符号聚合近似（Symbolic Aggregate Approximation, SAX）策略与异质集成学习相结合的声学检测框架。SA
声学监测为奶牛发情识别提供了一条非侵入性途径，但稀疏的目标叫声和连续记录的存储负担限制了其实际应用。研究人员评估了一种将增强型符号聚合近似（Symbolic Aggregate Approximation, SAX）策略与异质集成学习相结合的声学检测框架。SAX衍生阶段将每个2分钟音频窗口转换为候选图像表示，并利用联合结构相似性与增益准则保留一幅图像。该研究在一个商业牧场监测了116头荷斯坦奶牛；其中27头奶牛获得了完整的24小时发情记录，5份完整的非发情记录作为对照，32例同牧场病例用于发情开始时间比较。高音音频提取和冗余过滤的准确率分别为94.85%和94.99%，而保留数据的存储量从18 GB降至0.104 GB。集成模型正确分类了790张合并测试图像中的782张（98.99%；Wilson 95%置信区间，98.01-99.49%）。预测在22例中早于重建的兽医发情开始时间（平均提前88.64分钟），在10例中晚于该时间（平均绝对延迟27.90分钟）。这些结果支持在所研究的单牧场条件下的内部可行性；奶牛无关的泛化能力、外部牧场有效性以及嵌入式硬件性能仍有待验证。
准确发情鉴定是大型奶牛群繁殖管理和动物福利的重要基础。自动化监测设备，如加速度计、声学传感器和温度传感器，可提供连续非侵入测量。声学监测因能捕捉叫声变化且无需直接采样而受到关注，但其实际应用依赖于可靠的声源归因、可管理的存储和嘈杂牛舍中的稳健运行。先前研究已利用共振峰特征、MFCC-CNN流程、声纹模型和双通道声学标签等方法验证了声学发情监测的可行性，但多数系统仍需大量原始音频处理，且因牧场、设备、标签和评估单元不同而难以横向比较。连续牛舍录音中存在大量与发情无关的背景声音，而常规有损压缩可能扭曲生物声学的时间和频谱特征。因此，需要一种在分类前减少保留数据量、同时保持分类性能的表示策略。
针对上述问题，研究人员提出并评估了一种结合增强型符号聚合近似（Symbolic Aggregate Approximation, SAX）策略与异质集成学习的声学发情检测框架。该框架包括四个环节：从非重叠的2分钟音频窗口生成候选图像表示、基于结构相似性与增益联合准则保留代表性图像、图像级分类、以及将30个图像标签聚合为牛小时决策。研究在河南洛阳生生牧场开展，共监测116头荷斯坦奶牛（48头初产、68头经产），其中27头具有完整24小时发情录音，5头非发情记录作为对照，另32头同牧场病例用于发情开始时间比较。研究开发了定制双通道声学标签，通过兽医视频观察和评分确定发情状态。结果显示，高音音频提取准确率为94.85%，冗余过滤准确率为94.99%，保留数据存储量从18 GB降至0.104 GB；集成模型正确分类了790张测试图像中的782张（98.99%，Wilson 95%置信区间98.01-99.49%）。预测与兽医重建的发情开始时间相比，22例提前（平均88.64分钟），10例延迟（平均27.90分钟）。这些结果支持该框架在单牧场条件下的内部可行性，但奶牛无关泛化、外部牧场有效性和嵌入式硬件性能仍需验证。该研究成果为声学发情监测提供了一种有效的表示压缩与分类方法，在降低存储需求的同时保持了高准确率，论文发表在《Smart Agricultural Technology》。
主要技术方法包括：样本队列来自河南洛阳生生牧场的116头荷斯坦奶牛，其中27头完整发情记录、5头非发情对照、32头用于时间比较；定制双通道声学标签（STM32F103RCT6微控制器、单向与全向麦克风、ADXL345加速度计）同步记录颈部和环境声音；基于频率-时长联合规则过滤背景噪声，按平均RMS阈值-12.5 dB将叫声分为低音（L）和高音（H）；增强SAX策略通过能量归一化、增益压缩、分段聚合近似（PAA）生成候选图像，利用结构相似性（SSIM）与平均增益联合分数保留每窗口一幅代表性图像；异质集成学习以CNN提取512维嵌入，输入随机森林（RF）、K最近邻（KNN）、支持向量机（SVM）和XGBoost，硬投票产生图像标签，30个标签聚合为牛小时决策。
**3.1 计算平台**：研究使用Intel Xeon Silver 4410Y处理器、128 GB内存、NVIDIA GeForce RTX 4090 D GPU，基于CUDA 11.8、PyTorch 2.0.1等环境进行实验，结果仅代表该工作站性能，不涉及嵌入式硬件。
**3.2 音频特征选择**：通过分析27头奶牛在发情前、发情期和发情后的低音（L）和高音（H）叫声时长，发现H叫声与发情阶段的关联更强（Spearman |r|=0.74, P<0.01），而L叫声关联中等（|r|=0.38, P<0.05），因此选择H叫声作为下游分类特征。
**3.3 音频窗口选择**：比较1、2、3、4分钟窗口，2分钟窗口在正确识别准确率（CRA=88.50%）、噪声误判率（NCMR=5.50%）、漏检率（CMR=6.00%）和运行时间（RT=0.404 s）上达到最佳平衡。
**3.4 增强SAX策略性能**：处理46,080分钟音频产生23,040幅保留图像，高音时长保留率99.09%（20,504.95/20,693.94 s），存储从18 GB降至0.104 GB（约173倍）。Jensen-Shannon散度（JSD）值均低于0.1，表明信息损失小。随高音时长增加，误判率上升，在300-350秒区间达到NCMR 5.52%和CMR 6.32%。
**3.5 异质集成性能**：在790张测试图像上，集成模型达到98.99%准确率、99.36%精度、98.60%召回率和98.96% F1分数，优于五个基学习器（绝对准确率提升1.39-4.56个百分点）。CNN架构参数约1283万，每图像约2.19 GFLOPs，FP32权重51.3 MB，但不作为嵌入式性能声明。
**3.6 同牧场发情开始时间评估**：在32头牛中，22例预测早于兽医重建的发情开始时间（平均提前88.64分钟），10例晚于（平均绝对延迟27.90分钟）。时间值相对于3小时观察区间中点。
讨论指出，该框架将表示压缩、图像选择和异质分类集成于一条流水线。高音叫声时长与发情阶段关联更强，2分钟窗口为当前数据下的最优选择。存储减少需结合保留率和误差解释，密集或重叠叫声是主要难点。集成模型准确率虽高，但缺乏配对显著性检验，不能证明统计优越性。计算成本描述仅反映模型规模，不意味着边缘部署能力。主要限制包括单牧场、单品种、两段春季记录、子集间牛只重叠情况不完整、图像级分割未记录为牛不相交、固定阈值、缺乏外部验证和边缘硬件基准。
研究结论为：增强型SAX和异质集成框架在所研究的单牧场条件下保留了大部分测得的高音叫声时长，减少了保留数据存储，并实现了较高的内部图像级性能。预测在22例中早于重建的兽医发情开始时间，在10例中晚于该时间，时间参照为3小时观察区间。这些发现支持对声学发情监测的进一步评估，但尚未确立奶牛无关的泛化能力、跨牧场有效性、统计优越性或嵌入式部署就绪性。
