在穆拉水牛（Murrah buffaloes）中，抬头挺胸和转身朝向后方的行为可作为预测分娩的指标

《Tropical Animal Health and Production》：Tail-raising and head-turning as predictive behavioural indicators of calving in Murrah buffaloes

水牛分娩预测通过持续CCTV监控分析尾举和头转向腹部行为变化，建立逻辑回归和随机森林模型，实现3天窗口内86%-83%准确率的自动识别系统，提升繁殖管理和动物福利。

　　

摘要

产犊预测对于提高奶水牛的繁殖管理和动物福利至关重要。本研究在卡纳尔（Karnal）的国家乳品研究所（NDRI）进行，通过连续的闭路电视（CCTV）监控，对25头穆拉水牛（Murrah buffalo）从产犊前7天到产犊后5天的行为进行了详细监测。每日分析显示，行为发生了显著变化：产犊前一天（第-1天），尾巴抬起的频率从10.12次（±0.64次）急剧上升到产犊当天（第0天）的24.48次（±1.13次）；头部朝向腹部的频率也从14.56次（±0.74次）增加到45.08次（±0.99次）。每6小时的数据表明，产犊前120小时尾巴抬起的次数从0.34次逐渐增加到产犊前6小时附近的2.57次，而头部朝向腹部的频率在同一时间段内从0.54次增加到5.77次。产犊前24小时的高分辨率每小时监测数据显示，这些行为的变化更加明显：尾巴抬起的次数从产犊前24小时的0.67次增加到产犊前1小时的8.88次，增加了1906%；头部朝向腹部的频率从0.60次增加到12.04次，增加了1906%。基于这些行为指标，开发了两种预测模型——逻辑回归（logistic regression）和随机森林（random forest），以在实用的3天时间内识别产犊风险。逻辑回归模型将尾巴抬起和头部朝向腹部的行为确定为重要预测因子，其ROC曲线下面积（AUC）为0.78，准确率为86%，特异性为99%，敏感性为42%。随机森林模型的表现类似，AUC为0.75，准确率为83%，特异性为94%，敏感性略高，为47%。这些结果证明了行为分析与现代预测建模相结合的潜力，可以支持及时、自动化的产犊检测系统，从而改善繁殖结果和动物护理。