- 6 次围观
连续视频能够动态呈现奶牛行为，但其对精准营养的价值取决于是否与生理背景相一致。我们构建了一个奶业数字孪生框架，将来自既有视频分析层的身份关联行为记录与体重、产奶量、乳脂率、胎次和泌乳天数进行融合。由16头奶牛组成的分析队列在一个拴系牛舍中接受了最长11天的监测，在模型拟合前进行质量排除后，共获得153个牛日的数据。NRC（2001）预期干物质采食量提供了一个透明的生理学参考，并与日度记录相兼容。 在匹配的留一牛交叉验证分析中，在体重、脂肪校正乳产量和泌乳天数的基础上加入视频提取的采食时长后，RMSE由2.015降至1.763 kg DM/day，MAE由1.267降至1.159 kg DM/day，MAPE由4.5%降至4.2%，而Rsquare则由0.500提高至0.617。一个次级简化指标在留出奶牛上的RMSE达到2.362 kg DM/day，MAPE为5.8%。牛个体水平分析界定了该框架的适用范围：每头牛MAPE的中位数为4.15%，而唯一一头处于泌乳第15天的奶牛，其MAPE为28.8%。两项独立记录的兽医事件在时间上与异常采食轨迹相一致，从而提供了描述性的生物学背景。由于终点变量源自NRC推导值，这些指标反映的是对参考值的重建能力，而非相对于实际观测采食量的准确性。通过将连续行为事件转化为可审计的牛日状态，该框架将实体动物与具有生理背景语境的数字对应体连接起来，并为面向操作人员的奶业数字孪生决策支持奠定了可扩展的基础。
连续视频能够动态呈现奶牛行为，但其对精准营养的价值取决于其与生理背景的一致性。我们构建了一个奶业数字孪生框架，将既有视频分析层中与个体身份关联的行为记录，与体重、产奶量、乳脂率、胎次和泌乳天数进行融合。由16头奶牛组成的分析队列在一个拴系牛舍中接受了最长11天的监测，在模型拟合前进行质量剔除后，共获得153个奶牛日的数据。NRC（2001）预测的干物质采食量提供了一个透明的生理学参照，并与日度记录相兼容。
在匹配的留一牛交叉验证分析中，在体重、脂肪校正乳产量和泌乳天数的基础上加入视频衍生的采食持续时间后，RMSE由2.015降至1.763 kg DM/day，MAE由1.267降至1.159 kg DM/day，MAPE由4.5%降至4.2%，而Rsquare则由0.500提高至0.617。一个次级简化指标在留出奶牛上的RMSE为2.362 kg DM/day，MAPE为5.8%。基于奶牛个体层面的分析界定了该框架的适用范围：每头牛的MAPE中位数为4.15%，而唯一一头处于泌乳第15天的奶牛，其MAPE为28.8%。两个独立记录的兽医事件在时间上与异常采食轨迹一致，为结果提供了描述性的生物学背景。由于终点指标来源于NRC推导，因此这些评价指标衡量的是对参照值的重建能力，而非相对于实际观测采食量的准确性。通过将连续行为事件转化为可审计的奶牛日状态，该框架将实体动物与具有生理背景语境的数字对应体连接起来，并为面向操作人员的奶业数字孪生决策支持建立了可扩展的基础。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.14.744981v1?rss=1
🏷️ 奶牛数字孪生 视频行为分析 采食行为 精准营养 干物质采食量 决策支持