摘要：近日，山东农业大学机械与电子工程学院王冉冉团队与日本岩手大学卢忻博士在期刊Computers and Electronics in Agriculture发表了题为“Estrus Detection in Dairy Cows Using Advanced O

近日，山东农业大学机械与电子工程学院王冉冉团队与日本岩手大学卢忻博士在期刊Computers and Electronics in Agriculture发表了题为“Estrus Detection in Dairy Cows Using Advanced Object Tracking and Behavioral Analysis Technologies”的研究论文。该研究通过机器学习技术和信号分析，成功监测跟踪奶牛，首次提出通过极坐标变换和高精度坐标点重现，捕捉了奶牛在发情期间的细微动作，提高了发情检测的准确性和效率。

奶牛的发情检测是奶牛繁殖管理中的关键环节，传统方法主要依赖人工观察，难以捕捉奶牛在发情期间的细微行为变化。本研究通过引入极坐标变换和高精度坐标点重现技术，结合改进的YOLOv5s模型和DeepSORT算法，成功实现了对奶牛行为的精确跟踪和细微动作的捕捉。研究团队通过将奶牛的运动轨迹从传统的笛卡尔坐标系转换为极坐标系，能够更直观地分析奶牛在发情期间的旋转运动和非线性行为，如频繁的转圈和不安站立。

图1. 极坐标变换下的奶牛运动轨迹

研究团队通过高精度坐标点重现技术，捕捉了奶牛在发情期间的细微动作变化。通过傅里叶变换分析，研究团队发现发情期间奶牛的行为频率分布更加复杂且多样化，而非发情期间则表现出较高的规律性和重复性。这一发现为发情检测提供了重要的行为特征依据。

图2. 傅里叶变换分析奶牛发情期间的行为频率特征

此外，研究团队还通过主成分分析（PCA）对奶牛行为数据进行了降维处理，成功区分了发情和非发情行为。通过结合极坐标变换和PCA，能够更精确地识别奶牛在发情期间的细微行为变化，如突然的方向改变和短促的移动。

图3. PCA分析奶牛发情与非发情行为的主成分分布

极坐标变换和高精度坐标点重现技术的结合，为奶牛发情检测提供了一种全新的多学科方法，不仅提高了检测的准确性，还能够捕捉奶牛在发情期间的细微动作变化。这一发现不仅加深对奶牛行为模式的理解，也为未来的精准畜牧业管理提供了新的技术路径。

来源：小赵讲科学