畜牧兽医学报

作者：王芳, 刚华晟, 张榕, 段宏伟, 胡俊杰

单位：1.甘肃农业大学动物医学院，兰州 730070；2.甘肃省动物生殖生理与繁殖调控重点实验室，兰州 730070

关键词：奶牛子宫炎,电子鼻,机器学习算法,早期预警

基金：甘肃省科技厅奶牛围产期疾病预警技术研发与示范建设基金资助(21JR7RA858)

旨在评估电子鼻检测奶牛粪便建立的子宫炎预警模型准确性。本研究使用电子鼻检测50头健康和22头子宫炎奶牛发病前粪便以及血液样本挥发性有机化合物（volatile organic compounds，VOCs），正交偏最小二乘判别分析（orthogonal partial least squares discriminant analysis，OPLS-DA）模型初步分析数据。按7∶3划分训练集和测试集，建立预警模型并评估电子鼻预测子宫炎的性能。结果发现，健康和子宫炎奶牛发病前的粪便以及血液明显区分并各自聚类，在本研究中粪便是建立预警模型的最佳样本来源。选择决策树（Decision Tree，DT）、随机森林（Random Forest，RF）、K-邻近算法（K-Nearest Neighbors，KNN）、梯度提升（eXtreme Gradient Boosting，XGBoost）和线性判别分析（Linear Discriminant Analysis，LDA）5种不同的机器学习算法建立模型，结合模型评估指标和受试者特征（Receiver Operating Characteristic，ROC）曲线分析预测效率。研究发现测试集准确率（Accuracy，ACC）分别达到0.88、0.96、0.88、0.91、0.98，曲线下面积（Area Under Curve，AUC）分别是0.86、0.98、0.95、0.98、1.00。因此，RF和LDA模型预测性能表现最佳，电子鼻预测子宫炎的发生具有较高的准确性。综上，电子鼻检测奶牛发病前粪便VOCs能达到预警子宫炎的目的，在奶牛疾病的预警诊断中有很大的应用前景。

来源：2026年第1期

《畜牧兽医学报》期刊编辑部

查看畜牧兽医学报杂志2026年第1期