基于牧场大数据对奶牛常见疾病预警模型的研究

作     者：陈梦醒 

作者单位：黑龙江八一农垦大学 

学位级别：硕士

导师姓名：周晓晶;刘立成

授予年度：2022年

学科分类：090603[农学-临床兽医学] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 09[农学] 0906[农学-兽医学] 

主      题：疾病预警 产奶量 活动量 反刍时间 二元Logistic 

摘      要：我国规模化牧场的养殖规模逐年扩大,牧场使用自动监测设备逐年增多,在生产管理上为奶牛发情、同期配种、分群管理等方面提供了极大的便利,但生产管理系统中持续监测数据并没有充分的为牧场生产实践所用,大部分数据仍需借助计算机技术进行深度挖掘服务于生产实践。本试验基于规模化牧场1自动监控系统下奶牛患有常见四类疾病（繁殖类疾病、消化类疾病、蹄病、呼吸系统疾病）确诊前20天的持续监测数据包括产奶量、活动量和反刍时间作为训练集。通过对数据的描述性统计和显著性分析与疾病进行关联分析,确定各类疾病风险因子,利用二元logistics回归分析分别建立奶牛常见疾病的预警模型,判别分析建立奶牛常见疾病分类模型,并采用牧场1测试集和牧场2测试集对模型进行验证。主要试验结果如下:1.奶牛繁殖类疾病中奶牛乳房炎疾病基于牧场1训练集数据通过描述性统计和显著性分析,利用二元logistics回归分析建立预警模型可以得出奶牛患有乳房炎确诊前2天产奶量均值（P0.001）、前3天活动量均值（P=0.032）和确诊前3天反刍时间均值（P=0.007）明显低于健康奶牛呈负相关,说明下降幅度越大奶牛患有乳房炎疾病的风险越高。奶牛乳房炎疾病预警模型的灵敏度为63.11%、特异度97.02%、曲线下面积（AUC）0.8786、准确性为89.62%。通过牧场1测试集数据对乳房炎预警模型进行验证结果显示灵敏度为66.67%、特异度94.83%、曲线下面积（AUC）0.9470、准确性85.88%。牧场2测试集数据验证结果显示灵敏度为92.11%、特异度94.64%、曲线下面积（AUC）0.9807、准确性93.62%。奶牛子宫炎疾病利用牧场1训练集数据通过描述性统计和显著性分析,利用二元logistics回归分析建立预警模型可以得出奶牛患有子宫炎确诊前第13天和确诊前第14天两天活动量均值（P=0.006）明显低于健康奶牛,说明奶牛患有子宫炎疾病对这两天活动量有负影响。奶牛子宫炎疾病预警模型的灵敏度为60%、特异度99.19%、曲线下面积（AUC）0.8799、准确性90.51%。通过牧场1测试集数据对奶牛子宫炎预警模型进行验证结果显示灵敏度为80%、特异度98.31%、曲线下面积（AUC）0.9492、准确性94.59%。牧场2测试集验证结果显示灵敏度为72.22%、特异度98.55%、曲线下面积（AUC）0.9090、准确性93.10%。2.奶牛消化类疾病利用牧场1训练集数据通过描述性统计和显著性分析,利用二元logistics回归分析建立预警模型可以得出奶牛患有消化类疾病确诊前2天产奶量均值（P=0.017）和确诊前3天反刍时间均值（P0.001）显著低于健康奶牛。建立预警模型的灵敏度为76.32%、特异度96.80%、曲线下面积（AUC）0.9404、准确性92.02%。通过牧场1测试集数据对消化类疾病预警模型进行验证结果显示灵敏度为84.62%、特异度100%、曲线下面积（AUC）0.9815、准确性97.92%。通过牧场2测试集数据验证结果显示灵敏度为64.71%、特异度98.55%、曲线下面积（AUC）0.9455、准确性93.75%。3.奶牛蹄病利用牧场1训练集数据通过描述性统计和显著性分析,利用二元logistics回归分析建立预警模型可以得出奶牛患有蹄病确诊前第14天至前第12天三天产奶量均值（P=0.006）、确诊前7天产奶量均值（P=0.006）、确诊前第14天和确诊前第13天两天反刍时间均值（P=0.013）和确诊前1天反刍时间（P=0.012）明显低于健康奶牛呈负相关,说明下降幅度越大奶牛患有蹄病的风险越高。预警模型灵敏度为78.95%、特异度98.84%、曲线下面积（AUC）0.9694、准确性95.24%。通过牧场1测试集数据对蹄病预警模型进行验证结果显示灵敏度为75.00%、特异度100%、曲线下面积（AUC）0.9701、准确性97.47%。牧场2测试集数据验证结果显示灵敏度为70.00%、特异度98.70%、曲线下面积（AUC）0.9455、准确性为95.40%。4.奶牛呼吸系统疾病利用牧场1训练集数据通过描述性统计和显著性分析,利用二元logistics回归分析建立预警模型可以得出奶牛患有呼吸系统疾病确诊前1天产奶量（P0.001）明显低于健康牛。预警模型的灵敏度为77.78%、特异度97.75%、曲线下面积（AUC）0.9501、准确性94.39%。通过牧场1测试集数据对奶牛消化类预警模型进行验证结果显示为灵敏度77.78%、特异度98.61%、曲线下面积（AUC）0.9783、准确性96.30%。测试集牧场2数据验证结果显示为灵敏度90.00%、特异度100.00%、曲线下面积（AUC）0.9844、准确性98.85%。5.奶牛常见疾病分类模型基于牧场1训练集患病牛数据建立判别分析分类模型整体准确性为73.0%,乳房炎81.6%、子宫炎71.4%、消化类疾病63.2%、蹄病55.6%、呼吸系统疾病74.1%。通过牧场2测试集数据对分类模型进行验证整体准确性为79.6%,乳房炎78.9%、子宫炎94.4%、消化类疾病64.7%、蹄病80.0%、呼吸系统疾病80.0%。综上所述,本研究基于牧场自动监控系统下持续监测泌乳牛的产奶量、活动量和反刍时间数据通过描述性统计与显著性分析可以明显观察到病牛与健康牛的变化差异。常见疾病预警模型和分类模型的灵敏度良好,特异性、准确性高,能够预测该牧场常见疾病的发生并将疾病分类,提高了规模化牧场自动监控系统的使用价值。