农业机械学报

作者：严格齐，焦洪超，林海，李浩，施正香，王朝元

单位：山东农业大学,山东农业大学,山东农业大学,中国农业大学,中国农业大学,中国农业大学,

关键词：奶牛;热应激;机器学习;可解释性;XGBoost;SHAP

基金：财政部和农业农村部：国家现代农业产业技术体系项目( CARS36)和国家重点研发计划项目(2023YFD2000702)

为提高奶牛热应激预测模型的准确性和可解释性，本研究采用奶牛红外体表温度和热应激潜在影响因子作为特征，基于极限梯度提升算法（XGBoost）构建个体热应激预测模型，并引入基于Shapley值的可加性特征归因算法（SHapley Additive exPlanations，SHAP）解释预测结果。选取了躯干、前乳（UD）、脸部以及眼部的最高温度（IRTmax）和平均温度（IRTave）作为体表温度变量，并结合环境参数和奶牛相关变量构建了特征子集。结果显示，热应激情况下，奶牛4个部位的IRTmax和IRTave均显著高于无热应激情况（p<0.01）。对比随机森林、自适应提升和梯度提升树模型，结果表明，使用前乳平均温度（IRTave_UD）作为输入特征，并经过网格搜索优化的XGBoost模型在预测奶牛热应激方面表现最佳，其准确率为80.8%，F1值为79.2%，ROC曲线下面积（AUC）为0.873。SHAP分析表明，前乳平均温度（IRTave_UD）与热应激发生呈正相关，而泌乳天数与其呈负相关，这两者可作为奶牛热应激识别的关键指标。研究结果可为奶牛舍夏季精准降温管理提供技术支持和参考。

来源：2025年第4期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第4期