CN106818532B - 一种奶牛发情鉴定系统及鉴定方法 - Google Patents

Abstract

本发明涉及一种奶牛发情鉴定系统及鉴定方法，其特征在于：它包括若干奶牛计步器、一数据采集站和一用户端计算机，各奶牛计步器、数据采集站和用户端计算机之间通过无线通信连接；各奶牛计步器用于实时采集每头奶牛的活动量并发送到数据采集站；数据采集站对接收到的奶牛活动量数据进行预处理后存储，同时将预处理后的数据发送到用户端计算机；用户端计算机内设置有奶牛发情鉴定模块，奶牛发情鉴定模块根据接收到的各奶牛活动量数据以及现有牛场管理系统中的牛只基本信息，得到牛只的发情鉴定结果。本发明可以广泛应用于奶牛的发情鉴定领域，以提高奶牛的受孕率、延长奶牛哺乳期，提升产奶量，从而提高奶牛场的生产水平与经济效益。

Description

一种奶牛发情鉴定系统及鉴定方法

技术领域

本发明涉及畜牧养殖业技术领域，特别是关于一种奶牛发情鉴定系统及鉴定方法。

背景技术

奶牛饲养企业或者农民的经济效益主要取决于牛奶的产量，牛奶产量主要依赖奶牛年哺乳期的长短。而哺乳期长短又与奶牛的身体状况、生存坏境的舒适程度、奶牛发情的准确判断和最佳配种时机的把握息息相关，因此及时了解奶牛是否健康、奶牛何时开始发情、奶牛生存的环境状况等对奶牛养殖业有着重要影响。

针对奶牛发情的检测，国内外传统的方法主要包括观察法、试情法、阴道检查法和直肠检查法等。以上方法都具有一个共同点，即需要大量的劳动力来实际操作，且准确度低，时常会发生漏情的情况。而且单靠管理人员观察做到及时发现奶牛发情是件非常困难的事情，尤其在夜间更是无法观察奶牛的发情行为，因而时常错过奶牛的发情期而不能及时配种，从而导致奶牛的受胎率下降，极大地降低了奶牛场的经济效益。为了解决该问题，一些规模化奶牛场已经逐步使用智能化的计步器来记录奶牛的活动量以对奶牛的发情进行检测，但是目前的产品仅以活动量作为发情判断的唯一参数，判断标准单一、检测方法有待进一步优化。

发明内容

针对上述问题，本发明的目的是提供一种奶牛发情鉴定系统及鉴定方法，对奶牛发情及最佳配种时间进行判断，以提高奶牛的受孕率、延长奶牛哺乳期，提升产奶量，从而提高奶牛场的生产水平与经济效益。

为实现上述目的，本发明采取以下技术方案：一种奶牛发情鉴定系统，其特征在于：它包括若干奶牛计步器、一数据采集站和一用户端计算机，各所述奶牛计步器、数据采集站和用户端计算机之间通过无线通信连接；各所述奶牛计步器用于实时采集每头奶牛的活动量并发送到所述数据采集站；所述数据采集站对接收到的奶牛活动量数据进行预处理后存储，同时将预处理后的数据发送到所述用户端计算机；所述用户端计算机内设置有奶牛发情鉴定模块，所述奶牛发情鉴定模块根据接收到的各奶牛活动量数据以及现有牛场管理系统中的牛只基本信息，得到牛只的发情鉴定结果。

所述奶牛计步器包括三维加速度传感器、微处理器、无线数据发射模块以及充电电池；所述三维加速度传感器实时采集各奶牛的活动量数据并传输到所述微处理器，所述微处理器对奶牛活动量数据进行整理，并添加奶牛编号信息后，通过所述无线数据发射模块发送到所述数据采集站，所述充电电池用于为所述奶牛计步器供电。

所述数据采集站包括无线数据接收模块、Arduino控制板、SD卡、无线数据发射模块、时钟模块和充电电池；所述无线数据接收模块用于接收各所述奶牛计步器发送的奶牛活动量数据，所述Arduino控制板用于对奶牛活动量数据进行预处理，并将预处理后的数据通过所述无线数据发射模块发送到所述用户端计算机，同时将预处理后的数据存储到所述SD卡中；所述时钟模块用于记录时间，所述充电电池用于为所述数据采集站供电。

所述奶牛发情鉴定模块包括卡尔曼滤波模型、模糊逻辑推理模型和用户显示界面；所述卡尔曼滤波模型根据现有牛场管理系统中存储的以往的牛奶温度、产奶量以及奶牛计步器监测的活动量数据，得到当前状态的牛奶温度、产奶量和活动量的预测值，并计算当前状态牛奶温度、产奶量、活动量的测量值与预测值的差值，得到当前状态下的奶温变化量、产奶量变化量以及活动量变化量，发送到所述模糊逻辑推理模型；所述模糊逻辑推理模型根据现有牛场管理系统中获得的距上次配种时间间隔，以及接收到的奶温变化量、产奶量变化量以及活动量变化量，通过模糊推理得到牛只的发情鉴定结果并发送到所述用户显示界面；所述用户显示界面对奶牛的活动量变化进行实时显示，同时根据所述模糊逻辑推理模型发送的发情鉴定结果对奶牛的发情状态提出预警。

一种奶牛发情鉴定方法，特征在于其包括以下步骤：1)从现有的牛场管理系统中获取牛只的基本信息，包括牛奶温度、产奶量以及距上次配种的时间间隔；2)采用卡尔曼滤波算法，根据牛只以往的牛奶温度、产奶量以及奶牛计步器采集的活动量数据，对当前状态进行预测，得到牛只当前状态各参数即牛奶温度、产奶量以及活动量的预测值，挤奶完成后，通过测量得到当前状态各参数的测量值，计算当前状态各参数的测量值与预测值的差值得到各参数的变化量；3)根据步骤2)中得到的牛奶温度、产奶量和活动量的变化量，以及距上次配种间隔时间，采用模糊逻辑推理算法得到牛只的发情鉴定结果。

所述步骤2)中，所述产奶量是指牛只的日产奶量，其计算公式为：

式中，n为最近一次挤奶；Y_D，n为第n次挤奶计算的日产奶量；Y_M，n为第n次挤奶的产奶量；Y_M，n-1为第n-1次挤奶的产奶量；M_n为第n次挤奶的时间，M_n-2为第n-2次挤奶的时间；

所述牛奶温度是指挤奶过程中牛奶的最高温度；

所述奶牛的活动量是指牛只在1小时内的累积活动量。

所述步骤2)中，采用卡尔曼滤波算法计算当前状态各参数的变化量的方法为：

①状态预测，即根据前一状态各参数的估计值得到当前状态下各参数的预测值；

式中，

为由第k-1次各参数的估计值所得到的第k次各参数的预测值；

②协方差阵预测，即根据前一状态各参数的协方差阵得到当前状态各参数的预测协方差阵：

式中，P(k|k-1)为由第k-1次各参数的协方差阵所得到的第k次各参数的预测协方差阵；P(k-1)为第k-1次的协方差阵；

为

的转置矩阵；Q为系统过程噪声的方差；

③滤波增益矩阵计算，根据当前状态各参数的预测协方差阵计算当前状态各参数的滤波增益矩阵；

K(k)＝P(k|k-1)H^T[HP(k|k-1)H^T+R]^-1；

式中，K(k)为第k次各参数的滤波增益矩阵；R为观测噪声的方差；

④状态更新，即根据当前状态各参数的预测值、测量值以及滤波增益矩阵对当前状态各参数的估计值进行更新，得到当前状态各参数的估计值；

式中，

为第k次的系统状态估计值；E(k)为第k次的测量值Y(k)与预测值之差，即

⑤根据当前状态的预测协方差阵对当前状态的协方差阵进行更新；

P(k)＝P(k|k-1)-P(k|k-1)K(k)H；

式中，P(k)为第k次的协方差阵；

⑥重复步骤①～⑤，不断更新上一次的估计值和协方差阵，得到当前状态的预测值、估计值和协方差阵，同时得到各参数的变化量。

所述步骤3)中，采用模糊逻辑推理算法对牛只的发情情况进行鉴定，包括以下步骤：①采用隶属度对得到的各参数的变化量进行模糊化，用隶属度表示相应数据所属的模糊集，得到其隶属度函数；②建立模糊规则库，并通过建立的模糊规则库对相应的模糊量进行模糊推理，得到牛只发情的模糊推理结果；③采用中心平均法对模糊推理结果去模糊化，得到牛只发情概率的精确值，若该精确值大于或等于0.5，即判定牛只处于发情状态；若该精确值小于0.5，则判定牛只没有发情。

所述步骤②中，建立的模糊规则库包括：a、根据整个牛群中活动量增加牛只所占的比例对监测得到的活动量增量进行调整，得到调整后的活动量增量的模糊集及相应的适配度；b、根据整个牛群中奶温上升牛只所占的比例对监测得到的奶温上升量进行调整，得到调整后的奶温上升量的模糊集及相应的适配度；c、根据整个牛群中产奶量下降牛只所占的比例对监测得到的产奶量下降量进行调整，得到调整后的产奶量下降量的模糊集及相应的适配度；d、将得到的调整后的活动量增量、奶温上升量、产奶量下降量以及距上次配种时间间隔的模糊量融合起来，得到奶牛发情的模糊推理结果及相应的适配度。

本发明由于采取以上技术方案，其具有以下优点：1、本发明由于采用卡尔曼滤波算法根据现有牛场管理系统中牛只的基本信息，对奶牛的当前状态进行预测，预测结果更加准确。2、本发明由于采用模糊逻辑推理算法，将活动量、牛奶温度、产奶量与距上次配种时间结合起来能够降低发情鉴定的错误率，更加准确地鉴定奶牛发情状态。3、本发明由于设置的奶牛计步器能够实时检测牛只的活动量，通过用户端计算机对牛只的活动量进行实时显示，并对发情状态进行预警，可以更直观的对奶牛的发情和配种时间进行判断。本发明可以广泛的应用于奶牛的发情鉴定领域，以提高奶牛的受孕率、延长奶牛哺乳期，提升产奶量，从而提高奶牛场的生产水平与经济效益。

附图说明

图1是本发明奶牛发情鉴定系统的硬件框图；

图2是本发明奶牛发情鉴定方法的系统框图；

图3是本发明活动量增量隶属度函数分布图；

图4是本发明奶温上升量隶属函数分布图；

图5是本发明产奶量下降量隶属函数分布图；

图6是本发明距上次发情间隔的隶属函数分布图；

图7是本发明模糊逻辑框图。

具体实施方式

下面结合附图和实施例对本发明进行详细的描述。

如图1所示，本发明奶牛发情鉴定系统包括若干奶牛计步器、一数据采集站和一用户端计算机。各奶牛计步器、数据采集站和用户端计算机之间通过无线通信连接。其中，各奶牛计步器用于实时采集每头奶牛的活动量数据并发送到数据采集站。数据采集站对接收到的奶牛活动量数据进行预处理后存储，同时将预处理后的数据发送到用户端计算机。用户端计算机内设置有奶牛发情鉴定模块，该奶牛发情鉴定模块根据接收到的各奶牛活动量数据以及现有牛场管理系统中的牛只基本信息，得到牛只的发情鉴定结果。

各奶牛计步器均包括三维加速度传感器、微处理器、无线数据发射模块以及充电电池。三维加速度传感器实时采集各奶牛的活动量数据并传输到微处理器，微处理器对奶牛活动量数据进行整理，并添加奶牛编号信息后，通过无线数据发射模块发送到数据采集站。充电电池用于为奶牛计步器供电。其中，微处理器采用Arduino单片机微处理器。

数据采集站包括无线数据接收模块、Arduino控制板、SD卡、无线数据发射模块时钟模块和充电电池。无线数据接收模块用于接收各奶牛计步器发送的奶牛活动量数据，Arduino控制板用于对奶牛活动量数据进行预处理，即计算奶牛每个小时的活动量总和，之后，以小时为单位将1小时内的数据通过无线数据发射模块发送到用户端计算机，同时将预处理后的数据存储到SD卡中。时钟模块用于记录时间，充电电池用于为数据采集站供电。

用户端计算机内设置有奶牛发情鉴定模块，奶牛发情鉴定模块包括卡尔曼滤波模型、模糊逻辑推理模型和用户显示界面。卡尔曼滤波模型根据现有牛场管理系统中存储的以往的牛奶温度、产奶量以及奶牛计步器监测的活动量数据，得到当前状态的牛奶温度、产奶量和活动量的预测值，并计算当前牛奶温度、产奶量、活动量的测量值与预测值的差值，得到当前状态下的奶温变化量、产奶量变化量以及活动量变化量，并发送到模糊逻辑推理模型。模糊逻辑推理模型根据现有牛场管理系统中获得的距上次配种时间间隔，以及接收到的奶温变化量、产奶量变化量以及活动量变化量，通过模糊推理得到牛只准确的发情鉴定结果并发送到用户显示界面。用户显示界面对奶牛的活动量变化进行实时显示，同时根据模糊逻辑推理模型发送的发情鉴定结果对奶牛的发情状态提出预警。

基于上述奶牛发情鉴定系统，本发明还提出一种奶牛发情鉴定方法，其包括以下步骤：

1)从现有的牛场管理系统中获取牛只的基本信息，包括牛奶温度、产奶量以及距上次配种的时间间隔。

2)采用卡尔曼滤波算法，根据牛只以往的牛奶温度、产奶量以及奶牛计步器采集的活动量数据，对当前状态进行预测，得到牛只当前状态各参数即牛奶温度、产奶量以及活动量的预测值，挤奶完成后，通过测量得到当前状态各参数的测量值，计算当前状态各参数的测量值与预测值的差值得到各参数的变化量。

对本发明中的牛奶温度、产奶量和活动量作如下说明：

牛奶温度为挤奶过程中牛奶的最高温度；

产奶量是指牛只的日产奶量，以每天挤奶两次为例说明：通过第n次产奶量、n-1次产奶量以及距n-2次挤奶的时间间隔计算出当前的日产奶量，计算公式为：

式中，n为最近一次挤奶；Y_D，n为第n次挤奶计算的日产奶量；Y_M，n为第n次挤奶的产奶量；Y_M，n-1为第n-1次挤奶的产奶量；M_n为第n次挤奶的时间，M_n-2为第n-2次挤奶的时间；

由于牛只的日常行为基本固定且不同的时刻有不同的行为，故在一天24小时内每1小时都对应着一个活动量水平，因而本发明将牛只的活动量定义为牛只在1小时内的累积活动量。

卡尔曼滤波算法是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法，是对动态系统进行预测和估计的一种方法。卡尔曼滤波模型包括系统状态方程和观测方程：

状态方程：

观测方程：Y(k)＝HX(k)+V(k) (3)

式中，k为第k次测量；X(k)为第k次的系统状态量，对于本发明而言，包括牛奶温度、产奶量和奶牛活动量；Y(k)为第k次的系统观测量，观测量为经过当前测量后的测量值；

为状态转移矩阵，表示从以前的状态到当前状态的转换过程；H为观测矩阵，在本发明中为单位矩阵；W(k)为系统过程噪声，由实际环境与理想环境的不同造成的，在本发明中为天气、采食量等造成的噪声；V(k)为观测噪声，也叫测量噪声，主要跟传感器精度相关，在本发明中为用于测量各参数的传感器的噪声。

本发明采用卡尔曼滤波算法来预测和估计牛只的奶温、产奶量和活动量，将各参数前两天估计值的平均值作为当前的预测值，经过当前测量得到各参数的测量值，计算当前各参数的测量值与预测值的差值，得到各参数的变化量，同时得到牛只正常状态(没有发情，没有生病)下各参数的估计值(由于预测值和测量值都有一定的偏差，因而本发明中将当前状态的测量值和预测值进行修正后得到当前状态的估计值，估计值为各参数的线性最小方差估计)，用于对下一状态的预测。具体的，包括以下步骤：

①状态预测，即根据前一状态各参数的估计值得到当前状态下各参数的预测值。

式中，

为由第k-1次各参数的估计值所得到的第k次各参数的预测值，本发明中将各参数(牛奶温度、产奶量、活动量)前两天的估计值的平均值作为第k次的预测值。

②协方差阵预测，即根据前一状态各参数的协方差阵得到当前状态各参数的预测协方差阵：

式中，P(k|k-1)为由第k-1次各参数的协方差阵所得到的第k次各参数的预测协方差阵；P(k-1)为第k-1次的协方差阵；

为

的转置矩阵；Q为系统过程噪声的方差，主要与实际环境的噪声相关。

③滤波增益矩阵计算，根据当前状态各参数的预测协方差阵计算当前状态各参数的滤波增益矩阵。

K(k)＝P(k|k-1)H^T[HP(k|k-1)H^T+R]^-1 (6)

式中，K(k)为第k次各参数的滤波增益矩阵；R为观测噪声的方差，主要与用于测量各参数的传感器精度相关。

④状态更新，即根据当前状态各参数的预测值、测量值以及滤波增益对当前状态各参数的估计值进行更新，得到当前状态各参数的估计值。

式中，

为第k次的系统状态估计值；E(k)为第k次的测量值Y(k)与预测值之差，即

⑤根据当前状态的预测协方差阵对当前状态的协方差进行更新。

P(k)＝P(k|k-1)-P(k|k-1)K(k)H (9)

式中，P(k)为第k次的协方差阵。

⑥重复步骤①～⑤，不断更新上一次的估计值和协方差阵，便可得到当前状态的预测值、估计值和协方差阵，同时得到各参数的变化量。

3)根据步骤2)中得到的牛奶温度、产奶量和活动量的变化量，以及距上次配种间隔时间，采用模糊逻辑推理算法得到牛只的发情鉴定结果。

采用模糊逻辑推理算法对牛只的发情情况进行鉴定，包括以下步骤：

①采用隶属度对得到的各参数的变化量进行模糊化，用隶属度表示相应数据所属的模糊集，得到其隶属度函数；

如图3、4、5、6所示，将得到的各变化量进行语言化，也即将各变化量分为若干个模糊集，用隶属度来表示各变化量所属模糊集的隶属程度。例如将牛只的活动量增量描述为无、低、中、高4个模糊集，并且通过隶属度来表示活动量增量所属模糊集的隶属程度(如图3所示)。类似的，将奶温上升量描述为低、适宜、高三个模糊集，并且通过隶属度来表示奶温上升量所属模糊集的隶属程度(如图4所示)。将产奶量下降量描述为低、适宜、高三个模糊集，并且通过隶属度来表示奶温上升量所属模糊集的隶属程度(如图5所示)。将距上次发情间隔时长描述为短、正常、长三个模糊集(如图6所示)。

②建立模糊规则库，并通过建立的模糊规则库对相应的模糊量进行模糊推理，得到牛只发情的模糊推理结果；

如图7所示，根据步骤①中得到的各参数的模糊集，本发明建立了四条模糊规则：

a、根据整个牛群中活动量增加牛只所占的比例(per-act)对监测得到的活动量增量(dif-act)进行调整，得到调整后的活动量增量(adj-dif-act)的模糊集及相应的适配度；

b、根据整个牛群中奶温上升牛只所占的比例(per-tem)对监测得到的奶温上升量(dif-tem)进行调整，得到调整后的奶温上升量(adj-dif-tem)的模糊集及相应的适配度；

c、根据整个牛群中产奶量下降牛只所占的比例(per-y)对监测得到的产奶量下降量(dif-y)进行调整，得到调整后的产奶量下降量(adj-dif-y)的模糊集及相应的适配度；

d、将得到的调整后的活动量增量(adj-dif-act)、奶温上升量(adj-dif-tem)、产奶量下降量(adj-dif-y)以及距上次配种时间间隔(cycle)的模糊量融合起来，得到奶牛发情的模糊推理结果及相应的适配度。

前3条模糊规则中以活动量增量为例进行介绍：若牛只的活动量增量处在“中”，活动量增加牛只所占比例为“大部分”，则调整后的活动量增量为“低”，说明牛群此时很可能是受到了惊吓或处在转群时期(如下表1所示)；第4条模糊规则将所有数据融合起来得到牛只发情概率的模糊推理结果，可能为“低”和“高”。

表1活动量调整规则

③通过步骤②可得到牛只发情概率的模糊推理结果及相应的适配度，再采用中心平均法对模糊推理结果去模糊化，得到牛只发情概率的精确值，若该精确值大于或等于0.5，即判定牛只处于发情状态；若该精确值小于0.5，则判定牛只没有发情。

本发明在使用时，包括以下步骤：将数据采集站安置在奶牛计步器的200m范围内，打开数据采集站的电源开关，使其进入工作状态，等待接受计步器传送的数据。将奶牛计步器绑到奶牛腿上，并打开其电源开关，使其进入监测状态，此时，奶牛计步器内的三维加速度传感器开始采集奶牛的活动量数据，奶牛计步器的微处理器将采集到的数据进行整理，在字符串开头添加奶牛编号信息，再将数据传输到无线数据发射模块并发送到数据采集站。数据采集站将接收到的信息发送到用户端计算机，并且可以存储到数据采集站的SD卡中用于后续数据分析。用户端计算机将接收的活动量数据以小时为单位实时呈现在显示界面，并通过卡尔曼滤波模型和模糊逻辑推理模型对数据进行融合处理以实现奶牛发情状态的监测。一旦鉴定奶牛处于发情状态，则建议青年母牛的最佳配种时间为发情开始后的10～12h,成年母牛的最佳配种时间为13～15h。

上述各实施例仅用于说明本发明，其中各部件的结构、连接方式和制作工艺等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。

Claims (8)

1.一种奶牛发情鉴定系统，其特征在于：它包括若干奶牛计步器、一数据采集站和一用户端计算机，各所述奶牛计步器、数据采集站和用户端计算机之间通过无线通信连接；

各所述奶牛计步器用于实时采集每头奶牛的活动量数据并发送到所述数据采集站；所述数据采集站对接收到的奶牛活动量数据进行预处理后存储，同时将预处理后的数据发送到所述用户端计算机；所述用户端计算机内设置有奶牛发情鉴定模块，所述奶牛发情鉴定模块根据接收到的各奶牛活动量数据以及现有牛场管理系统中的牛只基本信息，得到牛只的发情鉴定结果；

所述奶牛发情鉴定模块包括卡尔曼滤波模型、模糊逻辑推理模型和用户显示界面；

所述卡尔曼滤波模型根据现有牛场管理系统中存储的以往的牛奶温度、产奶量以及奶牛计步器监测的活动量数据，得到当前状态的牛奶温度、产奶量和活动量的预测值，并计算当前状态牛奶温度、产奶量、活动量的测量值与预测值的差值，得到当前状态下的奶温变化量、产奶量变化量以及活动量变化量，发送到所述模糊逻辑推理模型；

所述模糊逻辑推理模型根据现有牛场管理系统中获得的距上次配种时间间隔，以及接收到的奶温变化量、产奶量变化量以及活动量变化量，通过模糊推理得到牛只的发情鉴定结果并发送到所述用户显示界面；

所述用户显示界面对奶牛的活动量变化进行实时显示，同时根据所述模糊逻辑推理模型发送的发情鉴定结果对奶牛的发情状态提出预警。

2.如权利要求1所述的一种奶牛发情鉴定系统，其特征在于：所述奶牛计步器包括三维加速度传感器、微处理器、无线数据发射模块以及充电电池；所述三维加速度传感器实时采集各奶牛的活动量数据并传输到所述微处理器，所述微处理器对奶牛活动量数据进行整理，并添加奶牛编号信息后，通过所述无线数据发射模块发送到所述数据采集站，所述充电电池用于为所述奶牛计步器供电。

3.如权利要求1所述的一种奶牛发情鉴定系统，其特征在于：所述数据采集站包括无线数据接收模块、Arduino控制板、SD卡、无线数据发射模块、时钟模块和充电电池；

所述无线数据接收模块用于接收各所述奶牛计步器发送的奶牛活动量数据，所述Arduino控制板用于对奶牛活动量数据进行预处理，并将预处理后的数据通过所述无线数据发射模块发送到所述用户端计算机，同时将预处理后的数据存储到所述SD卡中；所述时钟模块用于记录时间，所述充电电池用于为所述数据采集站供电。

4.一种奶牛发情鉴定方法，特征在于其包括以下步骤：

1)从现有的牛场管理系统中获取牛只的基本信息，包括牛奶温度、产奶量以及距上次配种的时间间隔；

2)采用卡尔曼滤波算法，根据牛只以往的牛奶温度、产奶量以及奶牛计步器采集的活动量数据，对当前状态进行预测，得到牛只当前状态各参数即牛奶温度、产奶量以及活动量的预测值，挤奶完成后，通过测量得到当前状态各参数的测量值，计算当前状态各参数的测量值与预测值的差值得到各参数的变化量；

3)根据步骤2)中得到的牛奶温度、产奶量和活动量的变化量，以及距上次配种间隔时间，采用模糊逻辑推理算法得到牛只的发情鉴定结果。

5.如权利要求4所述的一种奶牛发情鉴定方法，其特征在于：所述步骤2)中，所述产奶量是指牛只的日产奶量，其计算公式为：

式中，n为最近一次挤奶；Y_D，n为第n次挤奶计算的日产奶量；Y_M，n为第n次挤奶的产奶量；Y_M，n-1为第n-1次挤奶的产奶量；M_n为第n次挤奶的时间，M_n-2为第n-2次挤奶的时间；

所述牛奶温度是指挤奶过程中牛奶的最高温度；

所述奶牛的活动量是指牛只在1小时内的累积活动量。

6.如权利要求4所述的一种奶牛发情鉴定方法，其特征在于：所述步骤2)中，采用卡尔曼滤波算法计算当前状态各参数的变化量的方法为：

①状态预测，即根据前一状态各参数的估计值得到当前状态下各参数的预测值；

式中，

为由第k-1次各参数的估计值所得到的第k次各参数的预测值；

②协方差阵预测，即根据前一状态各参数的协方差阵得到当前状态各参数的预测协方差阵：

式中，P(k|k-1)为由第k-1次各参数的协方差阵所得到的第k次各参数的预测协方差阵；P(k-1)为第k-1次的协方差阵；

为

的转置矩阵；Q为系统过程噪声的方差；

③滤波增益矩阵计算，根据当前状态各参数的预测协方差阵计算当前状态各参数的滤波增益矩阵；

K(k)＝P(k|k-1)H^T[HP(k|k-1)H^T+R]^-1；

式中，K(k)为第k次各参数的滤波增益矩阵；R为观测噪声的方差；

④状态更新，即根据当前状态各参数的预测值、测量值以及滤波增益矩阵对当前状态各参数的估计值进行更新，得到当前状态各参数的估计值；

式中，

为第k次的系统状态估计值；E(k)为第k次的测量值Y(k)与预测值之差，即

⑤根据当前状态的预测协方差阵对当前状态的协方差阵进行更新；

P(k)＝P(k|k-1)-P(k|k-1)K(k)H；

式中，P(k)为第k次的协方差阵；

⑥重复步骤①～⑤，不断更新上一次的估计值和协方差阵，得到当前状态的预测值、估计值和协方差阵，同时得到各参数的变化量。

7.如权利要求4所述的一种奶牛发情鉴定方法，其特征在于：所述步骤3)中，采用模糊逻辑推理算法对牛只的发情情况进行鉴定，包括以下步骤：

①采用隶属度对得到的各参数的变化量进行模糊化，用隶属度表示相应数据所属的模糊集，得到其隶属度函数；

②建立模糊规则库，并通过建立的模糊规则库对相应的模糊量进行模糊推理，得到牛只发情的模糊推理结果；

③采用中心平均法对模糊推理结果去模糊化，得到牛只发情概率的精确值，若该精确值大于或等于0.5，即判定牛只处于发情状态；若该精确值小于0.5，则判定牛只没有发情。

8.如权利要求7所述的一种奶牛发情鉴定方法，其特征在于：所述步骤②中，建立的模糊规则库包括：

a、根据整个牛群中活动量增加牛只所占的比例对监测得到的活动量增量进行调整，得到调整后的活动量增量的模糊集及相应的适配度；

b、根据整个牛群中奶温上升牛只所占的比例对监测得到的奶温上升量进行调整，得到调整后的奶温上升量的模糊集及相应的适配度；

c、根据整个牛群中产奶量下降牛只所占的比例对监测得到的产奶量下降量进行调整，得到调整后的产奶量下降量的模糊集及相应的适配度；

d、将得到的调整后的活动量增量、奶温上升量、产奶量下降量以及距上次配种时间间隔的模糊量融合起来，得到奶牛发情的模糊推理结果及相应的适配度。

Images