面向精密畜牧业的核心体温多模态预测的数字孪生体：基于物理建模和行为感知的鲁棒框架
计算机视觉与模式识别
2026-04-07 v1
摘要
精密畜牧业需要准确及时的热应激预测，以确保动物福利和优化农场管理。本研究提出了结合物理建模与不确定性感知、专家加权堆叠集成的数字孪生 (DT) 框架，用于预测牛科牦牛的核心体温 (CBT)。基于高频异构 MmCows 数据集，DT 集成了基于常微分方程 (ODE) 的热调节模型（模拟代谢热产生与散失）、用于捕捉牛只个体偏差的高斯过程、用于将预测与实时传感器数据对齐的卡尔曼滤波器，以及在不同环境条件下建模活动状态转换的行为马尔可夫链。DT 输出关键生理指标，如预测 CBT、热应激概率和行为状态分布，并与原始传感器数据融合，通过多尺度时序分析和跨模态特征工程进行丰富化，形成综合特征集。预测方法采用三阶段堆叠集成：第一阶段在不同特征组上训练特定模态的 LightGBM '专家' 模型，第二阶段收集它们的预测作为元特征，第三阶段采用 Optuna 调整的 LightGBM 元模型输出最终的 CBT 预测。通过自助法量化预测不确定性，并使用预测区间覆盖概率 (PICP) 进行验证。消融分析确认，纳入 DT 派生特征和多模态融合显著提升了性能。该框架实现了交叉验证 R² 为 0.783、F1 分数为 84.25% 且 PICP 为 92.38% 的 2 小时预报，提供了一个稳健、具备不确定性感知且符合物理原理的数字系统，用于早期热应激检测和精密畜牧管理。
引用
@article{arxiv.2604.04098,
title = {A Physics-Informed, Behavior-Aware Digital Twin for Robust Multimodal Forecasting of Core Body Temperature in Precision Livestock Farming},
author = {Riasad Alvi and Mohaimenul Azam Khan Raiaan and Sadia Sultana Chowa and Arefin Ittesafun Abian and Reem E Mohamed and Md Rafiqul Islam and Yakub Sebastian and Sheikh Izzal Azid and Sami Azam},
journal= {arXiv preprint arXiv:2604.04098},
year = {2026}
}