阅读开始前，烦请您点击一下“关注”，既能讨论分享，又能带来不一样的体验感谢谢您的支持!
文|碎舟寒
编辑|碎舟寒
前言
在过去的几十年中，奶牛养殖业的全球趋势，一直是使商业农场的挤奶过程自动化和机器人化，奶牛常见的平均产期为3.5次泌乳期。
由于奶牛养殖业的快速发展，越来越需要新技术，来实现更高的经济效益和提高产量。
一方面，集约化生产提高了奶牛的产奶量，另一方面，集约化生产导致奶牛迅速恶化，即泌乳次数减少。
奶牛生产寿命的缩短，还取决于身体状况评分高或低的动物过早扑杀，哺乳期身体状况评分不正常主要是由于饮食缺乏。
另一个负面后果是，由于身体状况不佳而扑杀动物，因为身体状况评分的增加会降低生育能力，从而延长服务期。
身体状况评分（BCS）评估在技术牛奶生产中很重要，首先，BCS分数用于将动物置于生产力组中并确定其状态。
在俄罗斯奶牛场条件下，兽医和畜牧业技术人员每月将动物轮换一次，前提是牛奶生产技术成熟。
身体状况评分有助于根据每头奶牛当前的生理状况单独做出决定，而不仅仅是根据公认的技术规范。
所以它导致身体状况评分自然下降，专家在一项研究中表明，在产犊期间，身体状况评分下降，身体脂肪储备增加了产奶量，到哺乳后40-65天，应尽可能多地挤奶，身体状况评分不应降低超过0.5。
在此期间，奶牛消耗多达12公斤的高能量饲料，授精发生在动物处于生产高峰期，并且消耗的饲料量最高且脂肪评分在3分以内时，同时，动物的身体状况评分偏差不得超过±0.25分。
设备和系统
奶牛背部的图像是在3D商用相机O3D3033DToF相机上收集的，系统由220V供电，电源转换为24V以确保3D传感器正常运行，传感器安装在地面以上+2.2m的高度。
演示扫描表面的距离如何随传感器的倾斜角度而变化。
三维传感器的高度和倾斜角度基于四个参数：奶牛高度、奶牛长度、相机与物体之间的最小工作距离以及相机的允许误差，被研究动物的高度在1300毫米到1500毫米之间。
相机在表面和被研究物体之间的最小工作距离为300毫米，来自动物RFID标签，识别天线的信号触发了三维图像的产生。
考虑到给定的4个参数，传感器的倾斜角度选择5度，因为它可以覆盖被分析动物背部的足够区域。
同时保持像素间距为0.006m当兴趣点远离3D相机，像素之间的距离0.006m是形成与感兴趣区域相关的点聚类时最小二乘法所基于的设定距离。
每种身体状况得分的图像数量和奶牛比例。
总数据集包含来自546只动物的182张图像，身体状况评分从1到5，步长为0.25分，根据早期的研究，这台相机为每头奶牛拍摄三张照片就足够了，然后将图像组合在一起，系统开始确定脂肪。
从收集的数据中，可以看到，主要的身体状况得分为4.75、4.25、3.25、3、2.5、2.25、2、1.5按身体状况评分划分的动物分布由专家小组进行，其意见被视为基准。
开发了用于现场数据收集的装置。
身体状况评分评估和结果分析
使用之前开发的软件，来处理获得的三维地图，并确定身体状况评分和标准工具，用于主要数据处理，和格式化的Excel用于处理研究结果。
自动获得结果，并手动比较专家评估的结果，专家对身体状况评分的评估是一个基准值。
在搜索和确定主要感兴趣区域方面，开发的软件基于最小二乘法的应用，来查找感兴趣的区域。
由于相机安装在动物的顶部，并将奶牛背部的点呈现给数据分析，最感兴趣的点是轮廓附近并描述其周边的点。
1-过滤区域;2—牛的轮廓;3—未指定动物的脊柱;4—指定动物的脊柱;5—尾头;6—臀部。
以牛的脊椎为例，可以考虑基本的表达来识别它，开发的算法基于普通的最小二乘法。
据相关资料显示，回归方法的结果，将山脊构造显示为构建的每个纵轴上的一组点。
为了确定奶牛的高度，有必要估计沿脊线的每个点的坐标，并找到极值，极值点是确定牛身高的枯萎。
BCS评估的两种方法，上半部分由专家小组用于BCS评估，表格下半部分用于自动评估。
专家小组使用自动化方法评估确定奶牛身体状况评分的感兴趣区域的方法。
数值是通过分析所得的动物野外数据库手动确定的，数值特征是每个身体状况评分的平均值，与在俄罗斯中部饲养的黑杂色和荷斯坦黑杂色品种相关，对于其他品种，数值特征可能有所不同。
在臀部区域，系统评估角度：沿着背部突出部分绘制两条线，然后评估角度，136°的角度表示身体状况评分为3，角度125°>表示肥胖评分为1.75比1。
所需的感兴趣领域。
作为确定脂肪之前的最后一步，系统会检查所有标准，并以5.0分的步长以25分制确定身体状况评分。
相关研究资料表明，转换为黑白格式的三维图像，这些图片显示了动物的身体状况得分从1到5，满分为5分，并解释了算法操纵了动物背部的哪个区域。
动物的身体状况评分和感兴趣的领域1.腰背/背棘突;2.腰饥饿空心区横突;3.臀骨和针骨;4.尾头5.外阴和肛门区域
结果
为了了解开发系统的整体有效性，有必要分析和评估每个感兴趣领域的有效性，使用开发的方法对所有生成的现场数据进行评估，将结果与专家的评价进行比较。
为了了解所开发系统的整体有效性，有必要分析每个感兴趣领域的评估有效性。
检测所研究动物感兴趣区域时系统的效率。
相关分析结果表明，所提方法能够以100%的精度估计尾底面积，饥饿空洞的准确率为98.9%，外阴和肛门区域的确定率为95.10%，突出的椎骨（即棘突和横突）的评估准确率为52.20%和51.10%。
50%的准确度是由于，这些区域在身体状况评分范围，为3.25至5的动物中未确定或确定不正确，专家估计该系统的整体准确率为93.4%，这是一个积极的结果。
在自动评估中获得的5-6个月大动物脂肪的分布图。
在观察中，大多数脂肪评分为3.75-5的动物都在第二个猪场，每头奶牛每天的平均年产奶量为15公斤/牛奶，脂肪含量为5.1-6%。
这个农场财务状况良好，主要活动是从动物那里获得牛奶用于奶酪生产，在分析动物超重的原因时，发现农场工作人员正在扰乱饲养日粮，动物获得的能量超过了它们需要的能量;这些动物被关在松散的住房里。
在5只动物的自动评估期间获得的6-32个月大动物脂肪的分布图。
在第二个猪场，32只动物的活重与身体状况评分之间存在相关性，皮尔逊方法确定的相关性为R=0.849。
BCS算法的第一部分。
根据研究结果，补充和修改了动物身体状况（脂肪）自动评估算法，然后对其生理状况进行分期，该算法分为两部分，算法的第二部分是第一部分的组成部分，该算法包含在开发软件的软件代码中。
BCS算法的第二部分。
技术适用性
在确认了已开发的BCS估算技术的成本效益后，现在可以描述如何对牛奶生产实施自动BCS评估。
牲畜自动监测系统，以两种方式运行，第一种方式是静止的，第二种方式是移动的，固定方法包括这样一个事实，即在农场。
例如在动物日常通过的地方，BCS评估系统安装在“画廊”的挤奶厅后面。
该系统由一个三维摄像头和数据收集，和处理单元以及一个识别天线组成，该天线读取奶牛的ID号，数据被发送到服务器。
在容纳一组动物的隔间中安装移动BCS评估系统的示意图。
移动方法意味着，每月将系统带到饲养一组动物的盒子中扫描BCS评分。
根据获得的数据，开发的软件绘制一个图表-BCS，评分变化的图表，并将其与每头奶牛当前生理状态的设定要求值进行比较，该技术有多种应用，第一种情况是当有一只动物的身体状况评分增加时。
系统记录BSC评分增加，然后从牛群管理软件查询以下数据：当前生理状态，动物属于哪个组。
当前产奶量，哺乳日，授精状态和特定日粮，例如，一头动物在哺乳的第75天，没有受孕，BCS评分为3.75，产奶量为17公斤/天，脂肪率为3.7%。
然后自动决定应通过减少动物接收的能量来调整日粮，而无需改变动物的维护组，因为动物处于泌乳高峰期，应满足其挤奶要求。
当移动到下一组时，应相应地观察到挤奶逐渐减少，同时必须监测动物的状况，以便在哺乳期结束时，动物的状况得到纠正。
例如，一头动物在哺乳期第190天，受孕第110天，BCS状况评分为2.5，产奶量为14公斤/天，脂肪含量为3.5%。
在这种情况下，应将动物从第3组移动到第1组或第2组，以调整喂食水平以确保能量过剩。
结论
通过实施奶牛群脂肪自动评估技术（BCS），以0分制为25.5步，实现了提高奶牛场产量的效果，开发的技术已在3个猪场进行了测试，共有1810头牛群。
并对猪场内牛群的整个生命周期，所需的奶牛群进行了非接触式BCS评估，该系统的总体精度估计为93.4%，专家证明了实施拟议系统的经济效果。
如果你也喜欢我的文章，不妨点个“关注”吧！小生在此谢过了！
END