我国智能养猪现状、问题及趋势

王金环 陈湘云 褚帅令 杨玉含 鲁锡峰 薛素金 于 莹

（北京农信互联科技集团有限公司，北京 100080）

1 工厂化养猪的发展历程

从目前来看，我国的工厂化养猪大致经历了机械化、信息化和智能化3个阶段。机械化阶段通过控制设备执行各类操作，系统完全不感知外部信息，是信息孤岛的系统；信息化阶段可以通过人工录入或传感器技术感知外界各类状态信息，通过基本的数据分析指导操作，是简单的信息反馈和交互的系统；智能化阶段将各类数据信息互联互通，相互融合形成智能决策和控制网络，这个阶段实质是一种全新的、复杂协同的知识自动化系统。

1.1 机械化阶段

养殖机械化即在生猪养殖全程各个生产环节（饲喂、环境控制、消毒、防疫、清粪、废弃物处理等）使用机械化作业代替人工操作。机械的使用节约了人工，降低了养殖成本，提高了养殖的规模化、集约化、标准化生产水平。

养殖机械化存在的问题：⑴畜牧养殖个别环节的机械化水平很高，而有些主要环节却很低，各个环节机械化水平呈“断崖式”差别，全程机械化水平被拉低。⑵养殖机械在不感知外部环境的情况下执行标准划一的操作，不能针对具体环境变化做出调整，更加没有考虑通过长期积累经验数据指导决策。目前我国大部分中小规模猪场处于这一阶段或向信息化转型的阶段。

1.2 信息化阶段

早期数据采集主要依靠人工录入完成，随着物联网和信息技术的发展，逐渐实现了数据自动采集，同时利用信息管理软件高效地完成基本信息统计和分析，开启养殖行业的信息化高速发展。采集的数据包括环境信息、猪只体征数据、猪只运动行为特性和生产管理数据，甚至屠宰、分销物流信息等。

信息化面临的困境：⑴采集数据间缺乏互联互通机制，各种信息没有高效的融合。⑵数据信息缺乏有效算法模型来形成闭环控制，难以实现实时、动态的精准操作和决策。⑶没有建立精细养殖模型，决策和处理主要基于人的经验，与实际需求仍有差距。目前我国集团化养猪企业大多处于这一阶段。

1.3 智能化阶段

随着移动互联网、物联网、大数据、云计算、人工智能等技术的不断成熟，新技术与猪场生产更广泛、更深入地结合，并逐步尝试替代人的操控来自主智能化决策，使智能养殖的应用环境愈发成熟。智能养殖模式是畜牧行业的第3次革命，传统的养殖技术和管理经验将被精准化的养殖管理体系和经营模式取代，从而提高劳动生产率，降低劳动成本，为畜牧业发展带来更多效益。

2 智能养猪概述

工业领域认为恒定智能系统的特征包括4方面，即：状态感知、实时分析、自我决策、精准执行。

⑴状态感知：通过图像及视频识别、声音识别、步态识别、RFID技术、智能设备等技术及设备进行数据采集。

⑵实时分析：以大数据为基础，构建不同的应用场景下的算法模型，通过云计算实时分析出最佳的方案。

⑶自我决策：通过专家系统及网络传输，无需人工进行确定即可自动向设备、系统或人发出决策指令。

⑷精准执行：根据实时收到的指令，设备、系统自动进行操作。

3 智能养猪的涵义

智能养猪是把工业上智能制造的理念迁移到养猪业，围绕养猪管理构建更广泛的网络化平台，在此平台基础上可以更广泛地协同集成各类软硬件和最新的技术，从而基于养猪产业生产等多场景开发相应的产品和服务，带动整个行业的转型升级。

3.1 智能养猪是围绕养猪管理构建更广泛的信息网络

智能养猪是围绕着数据信息采集网络、数据互联网络和决策智能网络不断建网的过程。数据信息采集网络是通过各种传感器技术采集多种状态信息，有如人的眼、鼻、耳等感觉器官；数据互联网络完成各种数据信息的互联互通，有如遍布人体的神经传导和连接；决策智能网络则是在万物互联的数据信息融合基础上，实现智能决策和驱动控制，有如人的大脑汇聚所有信息并进行处理和计算。这3个网络构建的是感知智能、数据融合智能、预测决策智能的合体，实现在知识层面的思考，自动、自觉地完成系统知识自动化功能。

3.2 智能养猪是一系列技术和设备在养猪管理的集成

智能是一个相对泛化的概念，需要实现多种技术的集成，主要包含生产设备与嵌入式设备数据互通、嵌入式设备边缘计算及通信设备数据传输、服务端大数据存储、计算与分析等，是通讯与信息、物联网、人工智能、区块链、通信、数学、统计学以及行业技术等各种技术与软硬件的大集成。

核心技术和设备主要包括：

⑴软件系统：包括企业云、猪场生产管理软件、ERP系统、OA系统等；

⑵硬件设备：包括各类智能传感器、摄像头、红外深度相机、可穿戴设备、智能控制系统、智能芯片、GPU、NPU等；

⑶基础技术：包括移动互联网、物联网、人工智能、大数据、云计算、区块链等；

⑷算法模型：包括监督学习、无监督学习、迁移学习、决策树、关联规则学习等。

3.3 智能养猪是技术基于养猪管理各种场景的实践应用

技术必须发掘生产上的需求，找到具体的应用场景，才能有“用武之地”，否则即是“无本之木”。实现智能养猪，要将最新的设备和技术应用到养猪业的生产场景中，不断加强对养猪业各种场景、各种事物的多层次特征提取、描述、还原及控制能力，主要应用场景及技术实现见表1。

4 国内企业在智能养猪领域的发展现状

目前国内的智能养猪市场主要包括猪场大数据服务

表1 智能养猪的主要应用场景及技术实现平台、猪场物联网平台与设备、人工智能技术及解决方案等领域，主要细分领域、产品和典型企业见表2。

表1 智能养猪的主要应用场景及技术实现

4.1 猪场大数据服务平台

猪场大数据服务平台主要服务中小规模猪场，这部分猪场对于数字化管理有强烈的需求，又无力自己搭建信息化平台。猪场大数据服务平台为数字化、移动互联网、物联网、大数据、云计算等新模式、新理念、新技术在养猪业的普及和推广做出了重要贡献。如果说以BAT为代表的传统互联网企业完成了对消费领域的互联网化启迪和培育，那么以农信互联为代表的最早一批猪场大数据服务平台则完成了对生猪产业的信息化、互联网化的培育。在智能养猪时代，这些平台也将成为推动行业向智能化迈进的重要力量。

4.1.1 猪产业互联网平台

猪产业互联网，即通过互联网的思维和技术手段，将与生猪有关的主体、资源、产品、品牌、渠道、金融、服务连接起来，在大数据引擎下构建产业生态协同运营新平台。平台的主要职责在于制定平台规则，整合各类行业资源，为生态圈中的合作伙伴提供信息、金融、物流等公共服务。通过互联网、移动互联网、大数据的思维和技术解决信息不对称问题，大幅降低市场交易费用，优化资源配置。同时，与传统的龙头企业不同，平台不以自身企业的利益最大化为核心，而是力求与整个生态圈的合作伙伴互利共生，因此能够带动整个行业产业链降低成本、提高效率。

4.1.2 猪场管理软件

软件的提供方有传统农资企业、生猪养殖企业和猪场托管公司，也有专业的软件开发公司。前者如傲农集团（猪OK）、安佑集团（安佑云），有多年的生猪行业从业经验，产品主要服务于集团自身和客户的猪场，同时也向集团外部猪场推广，但由于有同业竞争的可能，猪场特别是大型猪场用户会有所顾虑；后者如南宁久翔软件（猪场管家）、微猪科技（微猪科技）、银合科技（银合ERP）等，软件开发能力较强，也在作为独立的第三方软件平台进行推广。

软件的模块主要包括育种分析、猪舍环境监控、疫病诊断、精准饲喂、财务管理、销售管理等内容，通过对智能管理系统的使用，帮助猪场节本增效，同时根据积累的行业大数据帮助猪场、农资企业等制定生产决策，进一步推动行业升级。大多数软件有独立的手机端和PC端版本，也有部分软件搭建在微信平台上，所有的软件均根据猪场用户的饲养规模和养殖方式设计了不同的版本。盈利模式上，与产业互联网平台相比较为单一，大部分软件以付费使用为主，部分软件还通过信息推送、出售设备、大数据增值服务等收取服务费。但目前，所有软件均需要饲养员手动录入数据，不仅费时费力，还存在信息录入不准确、更新不及时等问题。

4.2 猪场物联网平台与设备

猪场物联网即是利用感知技术与智能装置，对猪场内的环境监测、个体识别、自动称重、精准饲喂、自动

饮水、发情鉴定、粪污处理、能源消耗等进行感知识别，并通过网络传输互联，进行计算、处理和知识挖掘，实现人与设备、人与猪、设备与猪之间的信息交互，以对养殖场实时控制、精确管理和科学决策。猪场物联网领域细分领域较多，以下选取物联网云平台、智能穿戴设备、智能饲喂设备、小型智能设备和智能环境监控设备5个细分领域进行详细阐述。

表2 智能养猪主要细分领域、产品和典型企业

4.2.1 物联网云平台

物联网云平台是一个物联网信息服务的集合。主要提供以下几个方面的服务：

⑴连接服务：将养猪业的各类通信资源接入并汇聚，以及进行网络接口之间协议的转换，包括大量的猪场物联网软/硬件设备、各类相关信息应用系统、网络资源、各类数据接口、软件功能模块等资源。

⑵技术服务：为猪场客户提供大数据、云计算、边缘计算、人工智能的计算服务和数据库云存储的服务。

⑶数据服务：实现系统间数据交互，实时整合数据分析工具，对外输出大数据应用。

4.2.2 智能穿戴设备

畜禽的智能穿戴设备类似于人的智能手环、智能眼镜、智能手表等，一般佩戴在畜禽的耳朵、脖子、四肢或者尾巴上，这类设备除了能够认证畜禽的身份，还可以随时感知畜禽的体温、心率、活动量等生理信息和位置信息，实时上传到服务器。系统通过相关的算法对这些数据进行处理，得到畜禽的发情、疾病、采食量、活动量等信息。

畜禽智能设备及其管理系统的核心技术包括两方面：一是智能穿戴设备的集成度，即集成各种感知、传输、供电设备和技术的能力；二是人工智能算法，能否将设备和技术与具体的生产场景相结合，实现对生产中各种场景、各种事物的特征提取、描述、还原及控制能力。

4.2.3 智能饲喂设备

随着现代科技的发展，猪场的饲喂方式逐渐由传统的人工给料、自动化饲喂，向智能化饲喂发展。智能化饲喂设备不仅可以减少劳动力，还可以提升管理水平、降低饲料成本。

⑴母猪电子饲喂站。母猪电子群养饲喂系统通过无线射频识别技术对电子耳标进行识别，通过中央处理器识别母猪个体档案，进而制定饲喂计划，实现精确的个体饲喂，有利于妊娠母猪个体膘情的控制。与传统的饲喂方式相比，母猪电子饲喂站有节省劳动成本、减少饲料运输过程污染、减少饲料浪费、提高精准饲喂管理水平等优点。母猪电子饲喂站设备在国外较为成熟，由于我国起步较晚，国内研究机构较少。另外，这种设备适用于群养模式，而我国规模化猪场大多采用单体限位栏饲养母猪。因此，目前母猪电子饲喂站设备在我国规模化猪场应用较少，但正逐渐地被广大养殖户认可，普及范围将越来越广。

⑵自动供料系统+智能饲喂器。自动供料系统与智能饲喂器结合有利于节水、节能和提高劳动生产率。自动供料系统采用密闭饲料罐车将饲料从饲料厂直接运送到猪场饲料塔中，可有效降低疾病被传入的风险，而且能满足不同猪群对饲料的需求。按照饲喂饲料的状态，可以分为干饲料饲喂系统和液态饲料饲喂系统两种。其中液态饲料饲喂系统不仅节省了人工费用，还具有普通干料饲喂无法比拟的特点，饲喂湿拌料具有显著提高采食量、提高饲料转化率、减少饲料浪费、减少各种疾病发生、显著提高生长性能等优点。

4.2.4 小型智能设备

猪场小型智能设备主要用于生猪发情、怀孕识别、疾病诊断、精子检测、个体素质辅助检测等，主要包括电子耳标和阅读器、智能B超仪、发情监测仪、智能背膘及眼肌测定仪、精子分析仪、智能体温计、呼吸心跳侦测仪等设备。这类设备大多携带轻便、操作便捷、结果自动传输到终端或云端，极大地提高了猪场的生产效率。

目前背膘检测、体温检测、精子检测、个体素质辅助检测方面的各个厂商应用手段较统一、技术相对成熟，怀孕识别设备间差距较大，发情监测准确率还不足。未来这类小型设备的发展趋势是设备设计轻量化，提高操作便捷性、维护简便性、网络传输稳定性和识别结果准确率，同时兼顾与其他各类设备的集成、协同以及与各类软件、云平台的连接、整合。

4.2.5 智能环境监控设备

在过去，管理者要获取环境数据，或者先由生产者进行统计、再将统计结果上传到网络，或者定期将设备取出、导入到电脑中。但在物联网时代，只需要将每个猪舍进行联网，就能够实现舍内环境数据的即时上传，实现人与物的直接对话，进而实现联网后的自主决策，可谓是给猪装上了“智能家居”。

一般来说，通过各种传感器采集猪舍内与猪生长密切相关的环境参数，与预设值进行自动比较，当超过预设值上下限或断电时，系统会自动报警，并通过短信或电话通知管理员。系统也可自动采集各类设备的性能和运转数据，便于管理人员进行维护与保养。同时，配套开发的PC端和手机端APP，让用户可以远程查看即时数据。调研中发现，大多数国外企业提供的设备不对用户开放后台数据，而国内企业则抓住了猪场用户对数据的需求，纷纷开始向无线传输、云端存储转型。

4.3 人工智能技术

近年来，人工智能的研究如火如荼。我国的养猪业正处在由劳动力密集传统养殖方式向现代化转型的路上，为人工智能等新技术提供了绝佳的发展机遇和应用场景。在养猪领域，目前的研究与应用主要集中在视觉识别和声音识别领域。

4.3.1 视觉识别

视觉识别即利用传感器、摄像头等采集猪的视频、图像，结合猪的行为学特征，为每一头猪建立档案，并对猪的行为特征、进食特征、料肉比等进行综合全面分析，为智能建模提供更多的依据。

典型的应用场景如下：

⑴场景1：猪只识别。功能描述：基于深度神经网络等人工智能技术，通过猪只体型、外貌、纹理、面部特征等细节的识别，抽象每一头猪只的特征，精准定位每一头猪只。同时，可以对猪只个体的身份进行核验，为猪只标识唯一的ID，从而实现每头猪只的实时跟踪。

研究进展：国内多家公司如京东金融、佳格纷纷开展了猪脸识别技术的研究，从目前来看，大多数仍处于探索阶段，有许多问题需要攻克，如猪的外形从小到大变化较快、猪只实时运动以及猪只的清洁程度都会加大图像采集的难度等；猪只面部特征关键点差异小，识别难度相比人脸识别难度更大；目前的识别只能在已录完的视频中进行，基本还不具备对实时视频进行采集和输出的算法应用，且将算法应用到实际产业还需要很长一段时间的探索。

⑵场景2：智能估重。功能描述：利用传感器采集猪的视频、图像，绘制成猪体3D模型，根据模型进行估重。同时估算猪只的体长、体高、体宽、臀部肥厚程度，绘制仔猪生长图谱，同时筛选出优良种猪、提前分类优养。

⑶场景3：行为监测。功能描述：视频图像监测不同环境条件下猪只的行为，如监测不同环境条件下群猪的躺卧行为，分析猪只冷热舒适度；记录猪群的移动轨迹，建立猪群活动指数；利用视频流分析猪群的攻击行为，检测攻击事件特征，锁定高侵略性猪只；检测猪只进食时间、进食习惯，为精准投喂提供重要依据。

研究进展：利用视频图像监测猪舍早已有之，但与动物行为学的结合程度还很低。此外对猪的行为学特征研究也有不足，如目前集中研究猪只个体行为特征，对群体行为研究较少。

⑷场景4：体温监测。功能描述：利用红外成像获取猪只的体温，结合猪群的行为，监测猪只健康状况。

研究进展：红外成像技术较为成熟，市场也有专业的红外成像仪，但仪器的性能差异很大，价格相差也很悬殊，从几十元到几万元不等。

⑸场景5：疾病诊断。功能描述：建立猪病大数据库，将病猪的照片上传到数据库，系统自动识别照片，给出初步的诊疗方案。

⑹场景6：怀孕识别。功能描述：根据B超仪拍摄的B超图片自动判断出母猪是否怀孕，类似于人类的医学影像智能诊断。

研究进展：目前市场上尚没有这样的成熟产品。从人类的智能医疗发展现状来看，智能图像诊断的算法相对成熟，很多学校和商业研究团队分别在不同病种的病理图像自动识别上取得了不错的成果，在识别准确率上接近或超过了人工识别，目前已经形成成型产品、在各应用场景实现小范围推广。因此，笔者相信智能影像诊断应用到养猪上也是指日可待。

4.3.2 声音识别

声音识别即结合声学特征、语言识别技术和猪的行为学特征，对猪只的生长状态和健康状况做出判断。

典型应用场景包括：

⑴场景1：对猪只的情绪、饥饿、发情、咳嗽等状况做出判断，为生产决策和疾病防控提供指导。

⑵场景2：在小猪被母猪压住后，语言识别技术通过小猪的尖叫声，去判断小猪的位置，并通知管理员去把小猪救下来。

研究进展：国内一些科研院所、企业在开展这方面的研究。在实验室环境下，对养猪场现场采集的声音进行分析，对多种状态的声音进行声音去噪、端点检测、加窗分帧后，提取声音的特征参数，并利用提取的声音特征训练分类模型，建立猪声音识别系统[1]，可以有效地识别猪不同状态的声音且精度较高。虽然尽量模拟现实场景，但与真实的养殖情况还有一定差距。

4.4 区块链技术

区块链即去中心化、分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链的不可篡改性在食品安全领域将有广泛的应用空间，例如将区块链、物联网和防伪技术相互结合，实时记录猪只位置和生长信息，追溯猪的成长过程，保证每头猪从猪仔到成猪的所有数据都被真实记录，打通信息壁垒，通过区块链进行流转，使消费者买到猪肉后可以通过App或二维码进行防伪溯源信息查询。需要指出的是，区块链的不可篡改性指的是数据上链后被篡改的概率极低，而上链前的真实性则仍需要辅以其他手段加以保证。

研究进展：目前国内的区块链市场整体上还处于研发投入阶段，除了数字货币，其他领域尚没有现象级的应用出现。部分技术型公司已经开展了将区块链技术应用到农产品溯源的项目，如阿里、京东纷纷宣布利用区块链建立食品追溯体系，中南建设携手北大荒集团开发了一整套“区块链大农场”平台基础架构，但这些项目仍处于搭建平台和基础技术研发的阶段，尚未给行业带来实质性改变。

5 问题反思与趋势展望

5.1 问题反思

5.1.1 农业物联网标准化程度低

物联网标准是实现物联网技术应用的关键。目前我国还没建立完整的农业物联网技术标准体系，感知层、传输层、应用层均没有统一的技术规范，使得物联网技术在农业领域产业化应用发展受到很大制约，具体表现为：农业传感器标准化程度不够，可靠性难以保证，难于实现广泛的集成应用；传输网络建设缺乏统一的指导规范，多采用自定义传输协议，随意性较大；上层应用系统的开发也没有标准可循，数据无法互联共享，难以指导生产[2]。

5.1.2 猪场智能设备普及率不高

我国的智能农业设备发展比较滞后，投放市场前缺乏严格质量检测，设备稳定性差、故障率高、维护成本高，后续技术服务不到位。设备对于恶劣环境的耐受能力也是个重要因素，养殖设备智能化升级远远落后于工业智能化进程，除了工业信息化条件优于养殖业的原因之外，最大的限制条件就是相关智能化设备要能够在较为恶劣的现场条件下稳定运行，如猪场内粉尘大、腐蚀性大、湿度大、蚊虫多、通讯条件差，这些不利条件都可能影响设备元器件的性能。此外，目前猪场智能设备的成本对于中小规模的猪场仍然偏高，但整体性价比有待提高，因此猪场采购智能设备的动力不够强劲。

5.1.3 应用模型实用性有待加强

虽然通过猪场物联网设备和管理软件汇集了大量的猪场生产管理数据，但这些实时感知的数据没有得到充分挖掘利用。首先，目前在猪场的个体识别、精准饲喂、智能环控等方面的机器学习方面已取得一系列进展，但部分的模型、算法还达不到指导猪场精准生产的需求，无法应用到实际生产中。其次，现阶段的自动化控制或局部的智能化还是基于人的经验，而人的经验有2个局限性：并不精准，可能与实际情况有出入；受限于具体的环境，不同的环境下经验不能通用。再次，目前主要还是时序控制、单一指标控制，难于实现按需控制和多指标控制，应用系统的智能化程度需要提高[3]。

5.2 趋势展望

5.2.1 机器自我学习是突破点

智能是要实现软件系统与硬件设备能够按照不同的场景进行自主计算、并实现自主精准的决策和互动，最终达到智能化、无人化操作。下一个阶段的发展方向是机器自我学习，即在人的经验的基础上，机器通过深度学习，积累养殖经验，构建精细化养猪模型，如精准饲

（）（）喂模型、母猪发情监测模型、疾病预警模型、环境控制模型等，修正人的经验，从而实现精细化管理。例如，按照人的经验，哺乳母猪的最适温度范围为16～18℃，机器通过不断的自我学习，能够将母猪的适宜温度数值区间锁定在更准确、更科学的范围，如16.5～18.5℃，并以此指导系统调节猪舍的环境状况，带动养殖效率的提升。

5.2.2 数据是最终驱动力

从人工智能技术发展的历程来看，早期的发展主要由算法驱动，但缺少海量数据支撑与高水平的运算力保证，无法对算法模型进行持续的优化、迭代。随着科技的发展，算法模型日益优化，现代计算机的性能逐年提升。当算法和计算力不能支撑实际产业需求或者未来技术壁垒很低的时候，数据将成为核心驱动力。以深度学习为例，深度学习是海量数据+人工神经网络，其效果取决于两个因素，即计算能力和数据量的大小。全球科技巨头如Google、Facebook、IBM、阿里、百度都有开源平台，所以随着时间推移，技术壁垒最终会大幅降低，真正的痛点在数据量。因此，未来掌握更多数据的企业或平台在行业内将更有话语权。

5.2.3 平台化优势将不断凸显

未来，随着技术的不断成熟和与产业的深度融合，平台化的优势会更加突出，一方面，猪场大数据服务平台拥有庞大的猪场用户群体，能够提供广泛的应用场景和海量的行业数据，为技术的发展提供丰富的分析、训练与应用资源；另一方面，平台能够整合软件服务商、技术服务商、设备提供商等各类行业主体，提供优质高效、低成本的运算能力和服务。通过海量优质的多维数据结合大规模计算力的投入，以应用场景为接口，平台将构建起覆盖全产业链生态的商业模式，满足用户复杂多变的实际需求。