Прогнозирование событий отрыжки в реальном времени у крупного рогатого скота с использованием вибраций головы и машинного обучения в носимом IoT‑устройстве

Почему отрыжка коров важна для климата

Большинство людей не задумываются о коровьей отрыжке, но эти небольшие выбросы газа в сумме представляют собой серьёзную климатическую проблему. Коровы и другие травоядные выделяют большие объёмы метана — газа, задерживающего тепло, который в краткосрочной перспективе гораздо сильнее углекислого газа. При этом современные лучшие методы измерения метана дороги, громоздки и часто требуют вывода животных из их обычных пастбищ. В этом исследовании представлен новый способ отслеживать связанные с метаном отрыжки в реальном времени с помощью лёгкого недоуздка и умных алгоритмов, что указывает путь к более дешёвому и гуманному мониторингу климата на фермах.

Умный недоуздок для пасущихся коров

Исследователи разработали специальный недоуздок, который корова может носить, спокойно перемещаясь и поедая корм. В ремнях над рылом, шеей и затылком встроены крошечные датчики движения, фиксирующие едва заметные вибрации в голове животного. Небольшой газовый датчик можно поместить перед носом для регистрации метана, а вся электроника сосредоточена на компактной плате, питаемой от небольшой батареи. Система посылает данные беспроводным способом на телефон или планшет, где специализированное приложение отображает входящие сигналы и сохраняет их для последующего анализа. Вся конструкция весит примерно столько же, сколько лёгкий ошейник, поэтому коровы могут свободно передвигаться и пастись.

Преобразование отрыжек в данные

Чтобы научить систему распознавать отрыжку в виде данных, команде сначала понадобились надёжные примеры. Они использовали газовый датчик, чтобы помечать моменты, когда уровень газа у носа коровы резко поднимался выше фонового. Каждому такому всплеску соответствовал вероятный эпизод отрыжки. Одновременно датчики движения регистрировали, как двигалась и вибрировала голова коровы. Учёные затем разрезали эти записи движения на короткие временные окна вокруг каждого всплеска метана и вычисляли простые сводные характеристики — например, амплитуду, вариативность и длительность вибраций в каждом направлении. Эти сводки стали входными данными для компьютерных моделей, призванных отделить окна «отрыжки» от нормального поведения.

Обучение машин распознаванию отрыжек

Имея такие размеченные данные, команда опробовала набор методов машинного обучения, включая деревья решений, случайные леса, методы бустинга и нейронные сети. В первом раунде испытаний на двух коровах и трёх положениях датчиков модели, использовавшие данные со всех трёх сенсоров головы, показали лучшие результаты, правильно определяя окна, связанные с отрыжкой, примерно в трёх четвертях случаев. Позже исследователи расширили испытания до семи коров и сосредоточились на одном, удачно расположенном сенсоре, что усложнило задачу из‑за индивидуальных различий в движениях животных. Даже в этом случае компактная модель нейронной сети работала лучше случайного угадывания и успешно обнаруживала многие события в новых данных. Важно, что итоговые модели были достаточно сжаты, чтобы работать прямо на крошечных энергоэффективных чипах, позволяя недоуздку делать предсказания на месте без постоянного доступа в интернет.

Полевые трудности в реальных условиях

Обнаружение отрыжек на пастбище сложнее, чем кажется. Отрыжки относительно редки по сравнению со всеми моментами, когда корова просто стоит, лежит, идёт или жует. Это означает, что данные сильно несбалансированы: на каждую истинную отрыжку приходится много не‑событий. Команда решила эту проблему, тщательно подбирая и перекрывая временные окна во время обучения, чтобы модели видели достаточно положительных примеров. Они также проверяли, как система работает в естественных условиях, где не‑событий намного больше, чем отрыжек. В более жёстких условиях их лучшая модель всё равно выделяла значительно больше истинных событий, чем случайная догадка, ценой некоторых ложных срабатываний. Испытания на разных коровах показали, что некоторым животным классифицировать поведение проще, чем другим, что подчёркивает потребность в больших и более разнообразных наборах данных в будущих исследованиях.

Что это значит для более чистого сельского хозяйства

Проще говоря, исследование показывает, что можно «слушать» движения головы коровы вместо постоянного прямого измерения газа и при этом получить полезную картину того, когда происходят насыщенные метаном отрыжки. Текущая система ещё не заменяет эталонные инструменты и регистрирует события, определяемые всплесками метана, а не напрямую измеряет точный объём выброшенного газа. Но она предлагает перспективный и недорогой способ включать более энергоёмкие датчики метана только во время вероятных отрыжек, продлевать время работы батареи и наблюдать за животными, не запирая их в камерах. При увеличении числа животных, более длительных испытаниях и более тесной привязке к устоявшимся методам измерений такой умный недоуздок может стать частью практичных, доброжелательных к животным инструментов, которые помогут фермерам и учёным отслеживать и в конечном счёте снижать эмиссию метана от скота.

Цитирование: Moncayo, J., Velasquez, M.L., Riveros, P.E. et al. Real-time eructation event prediction in livestock using head vibrations and machine-learning in an IoT wearable device. Sci Rep 16, 9099 (2026). https://doi.org/10.1038/s41598-026-42728-0

Ключевые слова: метан животноводства, носимые датчики, машинное обучение, точное земледелие, парниковые газы