近日，东北农业大学教授沈维政带领的智慧畜牧创新团队创新提出了一种模式投射完成网络的方法，用于解决多模式乳牛行为识别中模式遗失的问题。该方法可以利用已知模式的数据对缺失模式的数据进行预测和补充，准确识别奶牛的各种行为，提高行为识别的鲁棒性和适用性，前提是数据不完整。相关结果发表在Artificialial Intelligence in 在Agriculture上。

在奶牛养殖中，准确识别奶牛的行为对于提高健康管理、繁殖效率、生产性能和动物福利尤为重要。然而，由于农场环境中传感器或视频信号的影响、恶劣的环境条件、恶劣的天气、网络波动等因素，多模态奶牛行为识别算法存在模态丢失问题。

在这项研究中，团队提出了一种模式投射完成网络的方法，将不完整的传感器和视频数据映射在一起，以增强模式丢失环境下乳牛行为的多模态识别。他们通过投射不完整的传感器或视频数据，并使用多模态行为识别算法来识别饮用水、喂食、躺卧、站立和行走五种特定行为。结果表明，在各种综合缺失指数下，该方法的平均精度为97.87%±平均精度为95.19%，0.15%±平均F1分为94.685%，0.40%。±总体准确率为94.67%，0.375%。±0.37%。该方法提高了基于多模态数据的乳牛行为识别的鲁棒性和适用性，解决了乳牛行为数字孪生开发中的实际问题，为农场智能化和精准化管理提供了全面支持。

该研究提供了一种更可靠、更准确的行为监测方法，可以帮助农场更及时地发现乳牛的健康问题，提高饲料分配，提高繁殖效率，从而实现更有效的农场管理。此外，该技术还为构建乳牛行为的数字孪生模型提供了支持，有利于进一步促进智慧农业和精确畜牧业的发展。