随着城镇化水平的发展和人们生活水平的不断提高,人们对奶制品的需求也逐渐增大。为了满足人们日益增长的奶制品需求,提高奶牛养殖者的经济效益,及时准确的发情检测是十分必要的。传统的规模较小的养殖场主要采用人工饲养的方式,奶牛的生长状况及繁殖行为都依赖于工作人员的肉眼观察和人工记录,这就需要耗费大量的时间和人力,尤其对规模集约化养殖场来说任务巨大、误判率较高。随着物联网技术在畜牧养殖产业的广泛应用,高清摄像头、计步器、红外体温检测仪等设备逐渐被用于现代化牧场养殖中。物联网设备在奶牛规模化养殖过程中的广泛应用,积累了大量奶牛个体感知数据和视频监控数据,通过自动化方式有效地利用这些奶牛行为指标系统数据,可以及时捕获影响奶牛健康繁殖的行为特征,建立奶牛健康繁殖行为预警模型。这样有助于奶牛养殖的有序运行,提高养殖者的经济收益,促进现代化奶牛养殖业健康发展。本文对奶牛的产奶量数据和运动量数据进行了分析研究。由于奶牛发情时会兴奋躁动、产奶量有所下降。因此,奶牛发情时的数据会异于常值。DBSCAN聚类算法不仅可以发现任意形状的簇类,还可以用于离群点的检测。此算法实现的关键是确定合适的参数。本文考虑不同指标变量对奶牛发情行为的影响,采用熵值法确定不同指标的权重值,并基于权重使用加权距离确定合适的邻域半径,通过聚类结果的稳定性确定MinPts的值。在最终的聚类结果中,被分到同一簇类中的点检测为非发情点,未被分到簇类中的点检测为发情点。为了验证聚类的效果,本文采用方差分析对发情数据与非发情数据进行显著性分析。对于产奶量数据,方差分析的P=0.001<α=0.0:,说明发情样本数据与非发情样本数据的均值之间的差异是显著的,即是否发情对产奶量观测值是有显著影响的。对于运动量数据,方差分析的P=0<α=0.05,说明发情样本数据与非发情样本数据的均值之间的差异是显著的,即是否发情对运动量观测值是有显著影响的。以上结果说明了本文研究的可行性和有效性。