摘要：引用格式：张志勇, 曹姗姗, 孔繁涛, 刘继芳, 孙伟. 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]. 智慧农业(中英文), 2025, 7(3): 48-68.
引用格式：张志勇, 曹姗姗, 孔繁涛, 刘继芳, 孙伟. 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]. 智慧农业(中英文), 2025, 7(3): 48-68.
DOI： 10.12133/j.smartag.SA202305005
ZHANG Zhiyong, CAO Shanshan, KONG Fantao, LIU Jifang, SUN Wei. Advances, Problems and Challenges of Precise Estrus Perception and Intelligent Identification Technology for Cows[J]. Smart Agriculture, 2025, 7(3): 48-68.
官网全文免费阅读
母牛发情精准感知与智能鉴定技术研究进展、问题与挑战
张志勇1，2， 曹姗姗2， 孔繁涛3， 刘继芳2， 孙伟2*
（1.新疆农业大学 计算机与信息工程学院，新疆乌鲁木齐 830052，中国； 2.中国农业科学院 农业信息研究所，北京 100081，中国； 3.中国农业科学院 农业经济与发展研究所，北京 100081，中国）
摘要：
［目的/意义］母牛发情监测与鉴定是牧场养殖繁育管理的重要内容，直接决定了牛群发情率等繁殖力指标统计的客观性与可靠性，对持续改进饲养管理方法、提升牛场管理水平、提高牛群数量和质量等工作至关重要。文章旨在为肉牛/奶牛养殖业的科学管理和现代化生产新技术研究提供参考，亦为中国精准畜牧智慧养殖关键技术研发提供理论方法借鉴。
［进展］在阐述母牛正常发情与异常发情典型特征的基础上，以发情期生理体征和行为特征关键参数监测与诊断为主线，从基于单因子信息处理和多因子信息融合的技术方法视角，系统性分类总结了物联网、大数据和人工智能等新一代信息技术驱动下的母牛发情监测与鉴定技术的研究进展、发展脉络和方法路径。
［结论/展望］从系统实用性、稳定性和环境适应性，以及设备成本效益、操作简便性等综合多方面因素的角度，探讨了数字畜牧业高质量发展背景下进一步深化研究母牛发情精准感知与智能鉴定技术亟待解决的若干关键问题，包括提高弱发情条件下监测精准性、突破复杂背景噪声中的音频提取与声纹构建技术难题、提升计算机视觉监测技术的适应能力，以及构建多模态信息融合的综合监测鉴定模型等问题，并针对性论述了上述系列问题对当前技术研究带来的诸多挑战。
关键词：母牛发情；发情监测；发情鉴定；生理体征；行为模式；智慧育种
文章图片
图1 母牛发情数智化监测与鉴定技术研究脉络梳理路径图
Fig. 1 Research contextualization path diagram for intelligent monitoring and identification technology of cow estrus
图2 数字化发情监测与鉴定技术发展脉络与路径
Fig. 2 Development and path of digital estrus monitoring and identification technology
图3 母牛发情前后期的平均每小时阴道温度
Fig. 3 Mean hourly vaginal temperature before and subsequent to estruses predicted using vaginal temperature
图4 侵入式母牛阴道体温监测探针
Fig. 4 Invasive bovine vaginal temperature monitoring probe
图5 穿戴式腹侧尾根部体表温度无线监测装置
Fig. 5 Wearable wireless monitoring device attached on the
surface of the ventral tail base
图6 红外测温图像
Fig. 6 Infrared thermometry images
图7 来自五个不同畜群的奶牛在验证发情期前后的反刍时间动态变化曲线
Fig. 7 Dynamics of rumination time around the verified estrus followed by conception for estrus periods of cows in five herds
图8 基于加速度传感器的母牛活动量自动化监测装置
Fig. 8 Automated monitoring device for cow activity based on accelerometer
图9 四种不同生理状态下母牛哞叫声谱图
Fig. 9 Spectrograms of vocalizations during the four different physiological state
图10 发情韩牛哞叫声的声谱图
Fig. 10 The spectrogram of the mooing sound of an estrus Korean cow
图11 利用机器视觉识别母牛爬跨行为
Fig. 11 Recognize the mounting behavior of cows using machine vision
图12 基于时序运动特征的爬跨奶牛最小外接矩形的时序变化曲线
Fig. 12 Temporal variation curve of the minimum bounding rectangle for mounting cows based on sequential motion characteristics
图13 基于深度学习算法模型在不同环境（或场景）条件下分类识别母牛爬跨行为
Fig. 13 Classification and recognition of cow mounting behavior based on deep learning algorithms under different environmental (or scene) conditions
通信作者介绍
孙伟 研究员
孙伟，研究员，博士生导师。长期从事畜禽智慧养殖、农林智能系统等方向的研究与应用。主持国家及省部级项目25项，包括国家自然科学基金2项、省自然科学基金1项、UNDP-GEF项目课题2项等。发表学术论文112篇（其中：SCI/EI论文31篇；第1作者或通讯作者79篇；CSCD期刊63篇），出版学术著作6部。获授权专利37件，其中：发明专利21件；获软件著作权26项；制定国家行业标准4项，地方标准5项（均是第1完成人）；获省部级科技奖2项、农业农村部主推技术1项。
转载请联系编辑部授权
本期支持单位
潍柴雷沃智慧农业科技股份有限公司
内蒙古农业大学
为方便农业科学领域读者、作者和审稿专家学术交流，促进智慧农业发展，为更好地服务广大读者、作者和审稿人，编辑部建立了微信交流服务群，有关专业领域内的问题讨论、投稿相关的问题均可在群里咨询。 入群方法： 加小编微信17346525780，备注：姓名、单位、研究方向，小编拉您进群，机构营销广告人员勿扰。
来源：智慧农业资讯一点号