奶牛发情识别是奶牛场生产活动中的重要组成部分,传统的奶牛发情信息判定往往依靠饲养员的人工巡视与决策,耗时耗力且准确率较低,特别是在夜间观察奶牛的发情行为更为困难。奶牛情期较短,错过奶牛发情期而不能及时输精配种,使得人工受精失败率逐年上升,极大地减少了奶农的经济效益。国内外基于运动与体温传感器来监测、记录奶牛体征参数变化,并研究多种奶牛发情信息预测模型,取得了许多成果,但仍存在时效性差、准确率尚待提高等问题。为了实现准确、快速地对奶牛发情信息进行预测预报,本文研究基于大数据实时流式框架Storm的奶牛发情实时监测系统设计与实现,可为养殖者提供决策依据。论文主要工作和结论如下:(1)为了获得准确且时效性高的奶牛体征参数数据,结合奶牛场的生产环境,确定了奶牛体征参数采集与传输方案。选用性能优良的阿菲金二代计步器AfiTag Ⅱ采集奶牛体征参数数据,计步器获取的数据通过两级桥接的TL-BS210天线传至奶牛场控制室,实现了奶牛运动步数、静卧时间、站立时间、起卧次数等体征参数数据的定时、自动获取。(2)研究并提出奶牛发情预测的有效体征参数。在分析奶牛发情期体征参数变化的基础上,以2h作为单个时间片,6h作为一个情期显著滑动窗口,选取窗口内连续的3个时间片单元的累积运动步数s1、s2、s3、窗口内的累积站立时间t1、累积起卧次数m和累积静卧时间t2作为奶牛发情信息预测的有效特征向量。试验结果表明,以该特征向量集为有效特征向量的发情预测准确率高于其他方案,该选取方案可以最大程度地区分奶牛是否处于发情显著期。(3)构建了奶牛发情SVM和BP网络预测模型,并进行模型参数优化。分别构建支持向量机SVM和BP网络预测模型,对SVM模型的核函数、惩罚因子及核函数参数进行试验优选和优化。对240组发情牛体征参数样本、720组未发情牛体征参数样本进行试验,结果表明,采用RBF核函数(惩罚因子C=32,核函数参数g=3.81e-06)的SVM预测模型预测准确率为86.05%,模型的交互验证识别率为98.69%,具有较高的发情预测性能。(4)设计并实现基于Storm的奶牛发情实时监测及信息管理系统。为了实现实时、可视化监测奶牛发情信息,并为将来扩展奶牛场信息化管理与决策,基于B/S架构,在部署牛群管理服务、计步器管理服务、汇总统计服务、系统功能服务、日志管理服务等服务的同时,搭建基于Storm的实时处理平台,结合Storm平台的特点,将奶牛发情预测模型整合到Storm实时处理平台,并将预测的发情信息结果以短信形式通知牛场工作人员。(5)在奶牛养殖场对整个软硬件系统进行部署并进行性能测试。测试结果表明,系统数据平均延迟在2s内、平均正确率在98.50%以上,系统具有良好的实时性和可靠性;奶牛发情预测准确率为93.33%,误判率为2.40%,奶牛发情预测周期缩短为2h,达到了实用化要求,可为奶牛养殖场适时配种提供有效技术支持。