记录奶牛体况评分的是图像（美国奶牛养殖技术）.docxVIP

记录奶牛体况评分的是图像 而不是铅笔许多跟奶牛打交道的人都理解体况评分的重要性（BCS）。但是，我们中间多少人又能定期坚持做这件事呢？我们对行业内一群很专业的人做了调查，询问“你估计有多少比例的奶牛场主能经常有计划地将体况评分融入他们的日常管理和营养管理当中？”。尽管变化范围在2%到75%之间，但得到确定回答的平均比例只有25%。因为对牛群进行体况评分的记录很耗费时间，有些奶牛场不能定期做。而且，体况评分这项工作的主观性很强，很难在牛群之间和不同的评分者之间进行应用和比较。基于这个原因，我们尝试探索使用数字图像来自动记录奶牛体况评分的可能性。这个自动系统被选用是因为耗时少、对奶牛的应激也少、更加客观，也可能比较便宜。也是由于这些原因，它可能成为奶牛场日常管理的一部分。?从图像开始……这个项目是由普渡大学、苏格兰农业学院和冰机器人公司合作完成的。研究数据是在2006年秋季在苏格兰Dumfries的苏格兰农业学院Crichton皇家牧场收集的。每周应用在美国和英国最常见的两个传统的和主观的体况评分系统对奶牛进行评分。本文我们只讨论美国体况评分系统的结果。本研究收集的2571个体况评分平均为2.89，变化范围在1.5-4.5之间。在称重台的上面放置一台摄像机收集黑白数字图像。称重台放置在挤奶厅出口的过道上，但在挤奶厅内部，很少有人工照明。一旦动物进入称重台，后面的门就会关闭，同时启动摄像机抓拍奶牛的图像。每个图像都有抓拍的时间，与称重台的时间记录进行对照就可以知道该图像是哪头牛的。接下来，在每一个图像上我们手工确定了23个与奶牛解剖上相对应的位点（如髋结节、坐骨结节等）（见图1）。在图像中，髋结节周围的位点要比坐骨结节和尾根周围的位点容易确认，多数是由于照明的原因。随着这些位点的确认，记录它们的相对位置，创制一个牛体的草图。有了这些信息，我们就能计算代表奶牛轮廓的角度。按照这种方式，当这些位点能被利用，髋结节、坐骨结节、尾根周围的15个角度就可以被计算出来。然后，每周使用至少有两个完整髋结节角度的数据，使用模型，利用这些计算所获得的角度预测奶牛的体况评分。?图1?应用关键解剖位点计算的角度由于照明或实验设备的设置限制等问题，并不是每头牛每天都能获得有用的图像。242头奶牛，有用的图像每头牛平均为13.77个。在获得有用图像的过程中，照明是一个最大的挑战，因为图像背景和奶牛身体的轮廓之间没有足够的对比。尤其是奶牛背躯的毛色是黑色和奶牛尾根周围的区域，这个问题就更突出。谈到摄像机下奶牛的姿势，也有很多问题。有些情况下，图像只有奶牛的前半部分或后半部分。奶牛在称重台上站立的角度也是一个限制。图像里尾巴的移动和牛体上的脏东西也能使图像不被采用。髋结节和尾根周围的角度与体况评分强相关。我们观察到，对于一个角度，有随着角度大小增大体况评分增大的趋势。换句话说，随着体况评分增加，角度变平甚至是一条直线（180度）。对于髋结节的角度和髋结节后面的角度来说，随着体况评分的增加，髋结节就变得更平。实际上，这与肉眼进行体况评分所要鉴别的髋结节是圆的还是三角的是相似的。对于尾根窝，随着脂肪在这个部位的沉积，所能反映尾根窝的角度也出现变化。另一种描述这个变化的方法是，随着脂肪多少的变化，“骨感”的程度在变化。这些结果支持我们的假设，使用数码图像衡量髋结节和骨盆周围的角度来反映体况评分。使用预测模型，100%的预测体况评分与实际的体况评分的差值都在0.5分以内，92.8%的评分差值在0.25分以内。在我们的数据中，主观的体况评分与根据图像分析预测的体况评分的一致性与以前发表的两个不同的主观评分者的结果是相符的。根据模型预测的体况评分与两个实际体况评分系统的对比图如图2。当然，对于体况评分，即使是受过良好培训的工作人员，结果也不是完美的。所以，体况评分与从图像中的角度预测的体况评分的一致性就更有意义。???图2?预测的体况评分和实际体况评分的对应图肥瘦不同的奶牛的图像展示了不同体况评分的奶牛轮廓的巨大不同，体况较瘦的奶牛的髋结节比体况较肥的奶牛要突出和明显，这也反映在图像中衡量角度的不同。而且，体况较瘦的奶牛的尾根窝也更明显。?自动体况评分的未来……自动体况评分的应用前景是巨大的。自动体况评分可用于个体奶牛和牛群的管理并对遗传评价提供有用帮助。应用数码图像衡量的角度与受训人员确定的体况评分之间出现一种很强的相关关系。将来的研究应集中在使用更大群的奶牛，在评分范围更广泛的基础上能更频繁地获得图像。目前，在劳力密集的研究实验中，手工确定所需要的点是不可行的，这是因为有关照明和将奶牛图像从背景图像中区分出来的一些限制，标准数码图像技术可能在这个自动系统中不能发挥很好的功能。而且其它的技术，如热图像技术可能是其中的一个选择。探讨这种可能性的研究正在进行之中。当这些技术的