奶牛在舍内长条饮水槽饮水,上方装有监控摄像头(AI生成配图)
牛喝了多少水,比吃多少更难测:121篇论文把这道题过了一遍
发布时间 : 2026-11-21

在牧场的数据清单里,采食量、产奶量、活动量、反刍时间都有成熟的采集手段,唯独“喝了多少水”长期是个模糊项。水槽是共用的,一头牛一天会去很多次,每次只站几十秒;人能看出水位下降,却说不清是哪个个体喝的。

《Computers and Electronics in Agriculture》今年第245卷刊出的一篇系统综述,把这道题从头过了一遍。作者 Alexey Ruchay、Hao Guo、Andrea Pezzuolo 筛选出2000年至2025年间的121篇文献,专门讨论牛饮水行为与饮水量的自动监测技术,论文编号111572。

为什么水比料更难测

采食有料槽,可以称重、可以按个体投喂;饮水是短时、高频、多点的行为,天然不利于归因。同一排水槽前可能同时站着三四头牛,摄像头拍到“有牛在喝”,却分不清是哪一头;电子耳标能识别个体,但识别到“到位”不等于记录到“喝下多少”。而饮水量恰恰敏感,它随日粮含水量、气温、泌乳阶段变化,一旦异常下降,往往早于产奶量下滑被观察到。

四条路线,各自跑出了什么成绩

综述把技术路线归为四类,并给出了各自的实测水平。

射频识别(RFID)用于记录牛只到达饮水点的行为,准确率可达95%;加速度计配合算法识别饮水事件,对持续10秒以上的事件检出率超过94%;视觉方案进展最快,采用 DeepLabCut 结合 LSTM 的方法,对肉牛饮水行为的识别准确率达到98.25%;流量计与实测容积的相关系数稳定在0.99;人工神经网络在奶牛场用水量预测上准确率约94.3%。

但这些数字大多来自受控条件、小群体和单一场景,且指标定义各不相同——事件检出、行为分类、用水总量预测彼此并不能直接比较。

短板集中在两处

第一处是短事件。牛只饮水常常只有十几秒甚至几秒,这类事件在视频里帧数少、在加速度信号里波形短,分类器最容易漏判或误判,综述明确指出短时饮水事件的准确分类仍是未解决问题。第二处是放牧与散栏的大空间:舍内可以固定摄像头、固定水槽,草原放牧时牛群移动、水源分散、光照多变,想测到单头牛的实际饮水量至今没有可靠方案。

此外还有部署成本,以及对“牛到底需要喝多少水”的认知不足:不同温度、不同日粮下最优需水量并无统一答案,报警阈值很难设定。

电子饮水器为什么受关注

在四条路线里,电子饮水器是唯一把个体识别与计量做在同一台设备上的方案:牛只靠近时读耳标,同时记录这一次的饮水量与时长,直接产出“某头牛某时喝了多少升”的记录,无需事后推算。它的工程难点也实在:冬季防结冰、夏季防藻类、管路防堵塞、传感器定期校准,任一项维护不到位,数据就会出现系统性漂移。而漂移比缺失更危险——缺失会被发现,漂移会被当成真的。

采购与验收的三条建议

第一,验收指标别用“总用水量误差”。总量对得上,可能是个体之间互相抵消的结果;更合适的口径是事件级的召回率与误报率——这头牛实际喝了12次,系统报出了几次、误报了几次。

第二,先解决“多牛同时饮水”和“短事件”这两个最难的场景,再谈扩展。实验室里98%的准确率,放到早晚两次集中饮水的时段,往往会明显下滑,而这恰恰是牧场最需要看清的时段。

第三,把饮水量接进健康预警,而不是单独做一块屏。饮水量、反刍时间、活动量、产奶量四者联动才有判断力;单看水量,热应激、日粮突变、乳房炎、饮水器故障导致的下降长得几乎一样。

综述给出的方向也指向这里:可复现的公开数据集与统一评价口径、低成本耐用的传感器、放牧条件下的个体识别验证,以及把饮水数据纳入综合健康模型。对牧场来说,这项技术眼下最实际的用法,不是追求精确到升,而是先当好一个异常提醒器。

来源:Computers and Electronics in Agriculture 第245卷《Automation, AI, and GenAI-driven systems for animal drinking behaviour and water intake monitoring》(2026,论文号111572,doi:10.1016/j.compag.2026.111572)|原文链接:https://doi.org/10.1016/j.compag.2026.111572