基于活动的放牧青年母牛和初产奶牛首次发情检测及其作为新型繁殖表型的大规模应用

《Frontiers in Animal Science》:Activity-based first estrus detection in grazing heifers and first-lactation dairy cows for use as novel fertility phenotypes at scale

【字体: 大 中 小 】 时间:2026年09月29日 来源:Frontiers in Animal Science 2.8

编辑推荐:

  摘要:围青春期青年母牛和产后奶牛的首次发情检测时间是繁殖性能的有效预测指标,有望支持繁殖性状的遗传改良。当前评估繁殖状态的方法耗时(例如需要重复人工观察)、昂贵(例如需要实验室分析)或缺乏时间分辨率(例如血液孕酮)。此外,牧场收集的数据常存在质量问题。利用可穿

  
摘要:围青春期青年母牛和产后奶牛的首次发情检测时间是繁殖性能的有效预测指标,有望支持繁殖性状的遗传改良。当前评估繁殖状态的方法耗时(例如需要重复人工观察)、昂贵(例如需要实验室分析)或缺乏时间分辨率(例如血液孕酮)。此外,牧场收集的数据常存在质量问题。利用可穿戴传感器设备衍生指标开发新型繁殖性状用于遗传选择的机会日益增加,例如首次发情年龄、产后首次发情以及发情持续时间和强度等特征。然而,数据采集仍然是远程管理的放牧青年母牛应用传感器的障碍,这些动物频繁聚集困难,且可能长时间处于固定接收器范围之外。本研究评估了腿部安装的三轴加速度计能否在这些限制条件下,通过依赖扩展板载数据存储来生成基于活动的首次发情表型。在这项概念验证研究中,研究人员于2019年为18个牧场的1,880头未产Holstein-Friesian(HF)及HF×Jersey杂交青年母牛安装了IceQube三轴加速度计,并于2020年为17个牧场的1,786头初产HF及HF×J杂交母牛(其中66%为上一年青年母牛,34%为新动物)安装了该设备,所有动物均采用基于牧草的季节性产犊管理系统。研究人员采用信号处理方法识别高步数或低躺卧时间的时期,以预测发情事件。首先计算每头动物活动数据的24小时移动平均值以去除昼夜模式,然后在每个时间点减去畜群均值以校正全群活动。将得到的偏差对每头动物进行标准化处理,使其均值为零、标准差为一,当标准化偏差在两天内连续至少12小时保持在2.2阈值以上时,即标记为高活动事件。研究人员还提出了处理缺失数据、虚假检测峰值和删失结果的方法。在青年母牛和母牛的步数数据中均可检测到高活动事件。这些事件与参考数据集中的发情观察高度相关(F1统计量在64.1%-75.9%之间);参考数据集包括:(1)一个青年母牛群,通过尾根涂蜡辅助视觉观察记录发情;(2)14个初产母牛群的记录授精日期及后续妊娠检测结果。随后,研究人员利用该算法预测每头动物在围青春期和产后期间的首次发情,从而推导出新的基于活动的繁殖表型。研究人员得出结论,可穿戴活动传感器数据可用于大规模推导基于活动的发情表型,尽管在商业青年母牛群中进行进一步验证将有助于加强其在后备动物中的应用。该方法支持在传感器连接存在挑战的情况下大规模使用传感器生成有用的繁殖表型,但需要更长的监测周期和改进的数据检索基础设施,以使数据采集在广泛放牧的青年母牛中可行并减少删失。
论文解读
研究背景与问题
在奶牛繁殖管理中,围青春期青年母牛和产后奶牛的首次发情检测时间是一项重要的繁殖性能预测指标,能够为繁殖性状的遗传改良提供支持。然而,当前评估繁殖状态的方法存在显著局限性:传统的人工观察法耗时费力,需要反复进行;实验室分析方法成本高昂;而血液孕酮检测则缺乏足够的时间分辨率。此外,从牧场采集的日常数据往往质量参差不齐,难以满足大规模遗传评估的需求。随着可穿戴传感器技术的发展,利用其衍生的活动指标(如步数、躺卧时间)来开发新型繁殖性状,例如首次发情年龄、产后首次发情时间、发情持续时间和强度等,为遗传选择提供了新的机遇。但对于在放牧系统中管理的青年母牛而言,数据采集面临特殊挑战:这些动物通常被远程管理,频繁聚集困难,且可能长时间处于固定接收器的通信范围之外,导致数据传输中断。因此,亟需一种能够在这些约束条件下有效工作的解决方案。
研究内容与结论
为解决上述问题,研究人员开展了一项概念验证研究,旨在评估腿部安装的三轴加速度计能否通过依赖扩展板载数据存储,在放牧条件下生成基于活动的首次发情表型。研究涉及2019年来自18个牧场的1,880头未产Holstein-Friesian(HF)及HF×Jersey杂交青年母牛,以及2020年来自17个牧场的1,786头初产HF及HF×J杂交母牛,所有动物均采用基于牧草的季节性产犊管理系统。研究人员开发了一种信号处理算法,从原始活动数据中识别与发情相关的高活动期,并进一步确定了首次发情的发生时间。研究结果表明,该方法能够有效检测青年母牛和母牛的首次发情事件,其预测性能与参考数据集(包括视觉观察和授精记录)具有良好的相关性(F1统计量在64.1%-75.9%之间)。这一发现证实了可穿戴传感器在大规模放牧条件下生成有用繁殖表型的可行性,为克服传感器连接难题提供了新途径,并为后续的遗传评估奠定了基础。
关键技术方法
研究人员采用了以下主要技术方法:
  1. 1.
    数据采集:使用IceQube三轴加速度计(Peacock Technology Ltd, Stirling, UK)固定在动物一条后腿上,以15分钟为间隔记录步数和躺卧时间。样本来源于新西兰三个地区(Waikato、Taranaki、Otago)的18个青年母牛群和17个初产母牛群。
  2. 2.
    信号处理算法:对原始活动数据进行处理,包括计算24小时右对齐移动平均以平滑信号并校正个体昼夜节律,减去畜群同期均值以消除管理活动影响,并对个体进行标准化得到标准化偏差指数(zt,j)。
  3. 3.
    发情检测参数设定:通过决策逻辑判断每日是否发生发情事件,关键参数包括活动阈值(T)和持续时间(D)。研究人员通过网格搜索优化参数,最终确定T=2.2、D=12小时为最优组合。
  4. 4.
    异常值去除:针对特定日期出现异常高比例发情预测的“尖峰”现象,建立线性阈值方程(日均发情百分比×2.4+5%)进行系统性识别和剔除。
  5. 5.
    删失处理:对于因监测窗口限制无法确定确切首次发情时间的个体,实施左删失和右删失策略,以更准确地估计群体分布。
研究结果
发情检测
研究人员比较了人工智能(AI)授精日期与模型预测的发情事件。通过遍历不同的阈值参数(T),并固定最小持续时间D为12小时,分析了预测性能。结果显示,对于母牛,确认怀孕的“Gold”事件比未成功的“Silver”事件更容易预测,且Gold事件的召回率在更高T值时达到峰值。对于青年母牛,“Strong”事件(观察到爬跨行为)的召回率和精确度优于“Weak”事件(仅尾根涂蜡被干扰)。通过联合优化T和D参数,发现使用合并群体的最优参数(T=2.2, D=12.0)在绝大多数情况下能达到个体牧场最优F1值的93%以上。采用此参数,基于步数数据的总体预测性能为:母牛召回率80.9%、精确率71.5%、F1值75.9%;青年母牛召回率62.7%、精确率72.8%、F1值67.3%。基于躺卧时间数据的各项性能指标均较低。
异常值去除
研究发现部分日期预测发情动物的比例远高于平均水平。通过建立的阈值方程,研究人员识别并剔除了这些“尖峰”日。在母牛步数数据中,共识别出24天尖峰日(占总天数0.6%),移除了288个预测事件(占总数5.7%);在青年母牛步数数据中,识别出20天尖峰日(占1.4%),移除了236个预测事件(占8.4%)。
发情间期与删失
在剔除异常事件后,研究人员分析了发情间期分布。通过重复应用Tukey标准去除极端异常值,确定青年母牛和母牛的有效发情间期范围为13-27天,中位数为20天。以此为基础,结合数据可用性,对每头动物的首次发情事件进行了删失判定,并用于推导表型。
青年母牛首次发情预测年龄
基于1,117头非删失青年母牛的数据,首次检测到发情的中位年龄为330天(范围243-400天)。考虑删失数据后,通过生存分析估计的平均年龄为334天,标准差为36天。不同牧场间的曲线差异明显,表明部分牧场青年母牛更早达到首次发情。此外,研究人员还分析了发情事件的特征:发情持续时间中位数为24.0小时,最大活动强度中位数为53步/15分钟,总活动量中位数为1,629步。
母牛产后首次发情预测天数
基于1,566头非删失母牛的数据,产后至首次发情的中位天数为45天(范围16-188天)。考虑删失数据后,估计的平均天数为58天,标准差为39天。与青年母牛相比,母牛数据的左删失比例普遍较低。发情事件特征方面,持续时间中位数为24.8小时,最大活动强度中位数为51步/15分钟,总活动量中位数为1,923步。
讨论与结论
讨论部分指出,本研究的信号处理方法在预测母牛发情方面的性能(F1值75.9%)与文献报道的商业化设备结果相当甚至更优。对于青年母牛,性能略低,可能与其首次发情表现较弱以及传感器使用时间较短导致大量删失有关。研究估计的青年母牛首次发情平均年龄(334天)早于部分文献报告的值,这可能归因于删失处理方法、检测方法(行为vs.孕酮)以及研究群体的管理差异。母牛产后首次发情的天数分布(均值58天)与放牧系统中初产HF母牛的预期一致。发情间期分析(20±7天)也符合典型的生殖周期模式。
研究结论强调,可穿戴活动监测仪在青年母牛和母牛上的应用为大规模及时发情检测和繁殖表型分析提供了机会。通过简单的信号处理方法量化首次发情的时间、强度、持续时间和总活动量,这些性状与生殖发育和产后周期性恢复密切相关,可作为有价值的繁殖相关表型。尽管青年母牛的数据删失比例较高,但该方法仍能区分个体和牧场间的差异。该方法的可行性为支持繁殖性状的遗传改良铺平了道路,未来需进一步研究这些传感器衍生表型与既定繁殖性状的相关性,并探索其在种公牛遗传评估中的应用潜力。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号