AI赋能牦牛精准营养：草食动物营养研究团队构建基于深度学习的智能行为监测与评价体系

近日，四川农业大学动物营养研究所草食动物营养研究室在TOP期刊Animal Nutrition上发表题为“Using intelligent behavioral monitoring to assess the impact of dietary energy and protein on growth, digestion, metabolism, and behavior of young female yaks”的研究论文，首次将基于YOLO深度学习框架的计算机视觉系统应用于牦牛营养与行为研究，为舍饲牦牛精准化、智能化管理提供了关键技术支撑。

随着牦牛产业从传统放牧向集约化舍饲加速转型，如何实现个体行为的连续、精准、无感监测，成为制约精细化饲养管理的突出瓶颈。针对这一问题，团队构建了基于YOLOv5的牦牛智能行为监测体系：通过训练个体识别模型，实现对多目标牦牛的高精度定位；进而采用“三线定位”算法，依据检测框在视频帧中的垂直位置，自动判别采食、站立和躺卧三种行为，整体识别准确率达97.19%，其中躺卧行为识别准确率更是高达99.20%。该系统实现了24小时不间断自动化监测，彻底突破了传统人工观察难以连续记录、主观误差大等技术局限。

在此基础上，团队以24头牦牛为研究对象，开展了为期120天的智能监测验证试验。通过设置三种不同能量蛋白水平日粮，系统考察了智能行为数据与生长、消化、代谢指标的关联。智能监测结果显示，饲喂中等能量蛋白水平牦牛的行为时间分配得到优化：躺卧时间明显延长，站立时间显著缩短，而采食时长保持稳定，表明其动物福利和反刍机会有所改善。行为分布图谱还清晰揭示出饲喂中等能量蛋白水平日粮的牦牛采食行为更为集中连续，饲喂低能量蛋白水平日粮的牦牛则呈现分散、挑食等行为模式。

该研究构建了一套“营养干预—行为响应—算法识别”的数据驱动框架，证明了计算机视觉技术在高海拔特色家畜智能化管理中的可行性。这一成果为牦牛产业数字化升级提供了可复制的技术范式，对推动我国肉牛牦牛产业技术体系向智慧养殖迈进具有重要意义。

四川农业大学动物营养研究所为该论文第一完成单位。动物营养研究所2024级博士研究生吴多挺为论文第一作者，王之盛教授和胡瑞老师为论文通讯作者。该研究得到四川省科技计划（2021YFYZ0001）和财政部、农业农村部国家现代农业（肉牛牦牛）产业技术体系（CARS-37）的资助。