生猪智能监测技术研究

李 骞，乔芃喆，席 磊

(1.河南牧业经济学院 智能制造与自动化学院，河南 郑州 450011； 2.中国农业大学 信息与电气工程学院，北京 100010)

1 研究背景

对于现代规模化养猪场来说，信息采集主要集中在三个方面：猪场环境信息、个体猪行为监测及个体信息监测[1]。一方面，猪的个人或群体行为是其健康的外在表现，生猪的采食、饮水、排泄等日常行为是判断其健康的重要依据，进行监测有助于发现可疑病猪。另一方面，猪场养殖环境是影响生猪生长以及生产经济效益的重要因素。而目前国内的养殖业，通过人工观察的监测方式仍然占领主导地位。这种方法既耗费大量的时间和精力，数据也缺乏客观性，不利于后期持续、精确、稳定的进行记录。

生猪的监测技术分类方式有很多种。根据监测对象不同，生猪监测技术可以分为养殖环境监测、生猪信息监测两大类。其中，养殖环境监测主要通过传感器对环境中气体排放物、生猪引水量、进食量等数据进行量化监测；对猪个体信息的监测是通过图像(视频)处理、耳标识别等方式收集猪的发情、分娩、行为、体重、声音等日常行为数据。根据信息监测技术进行分类，主要分为信息采集、行为分析、识别定位等。信息采集主要使用传感技术对养殖环境进行监测，如温湿度、各类有害气体等；猪只行为分析使用机器视觉技术、音频分析技术来分析动物行为和预测身体健康状况，识别定位通过RFID技术识别动物信息。根据监测目的不同进行分类，监测技术可以分为品种选育、疑似病识别预警和环境预警等。其中，对疑似病猪的识别以及预警主要通过图像、声音、个体数据等来判断，品种的选育主要通过对猪的日常行为中的异常行为来实现，其次考虑猪个体的活体背膘厚等指标进行优种选育。环境预警通过分析环境中不利于猪生存及福利的因素来实现，从而起到杜绝疾病或猪异常行为发生的作用。

本文从猪行为监测技术角度进行归纳、研究、分析音频分析技术、机器视觉技术、无线传感器网络技术及RFID技术在畜牧信息智能化监测应用中的现状，并展望其发展方向，以期为国内开展畜牧信息智能化监测研究提供参考。

2 监测技术

2.1 RFID自动监测技术

RFID作为一种非接触型自动识别技术，主要集中在采食量、引水量以及发情监测三方面。可以实现多个目标的自动识别，具有数据储存量大、精度高、可读写、抗干扰性强等特点，尤其是RFID产品成本低，在畜牧养殖中具备可行性。基于RFID的生猪行为监测系统集成了RFID、计算机以及数据库技术，实现对于猪只的自动识别，环境及个体数据采集和管理、数据智能分析等功能，包含自动识别技术、自动称重技术、智能监控技术、精准养殖控制技术等，从而实现对生猪行为的连续、准确、稳定的全面监测[2-12]。

国内外专家利用RFID进行监测方面，常见的做法是将RFID读写器安装在生猪水槽、食槽或猪栏的上方，从而记录生猪饮食、饮水、母猪与公猪接触行为的频率和持续时间。例如国内的王军等[2]、钟芳葵[3]利用RFID建立生猪饮食行为的自动监控系统，同时结合进食行为前后的体重变化实现自动采食监控；国外的Brown Brandl等[4]建立生猪进食时间与体重变化、健康、环境变化之间的模型关系，利用RFID集中采集某一个阶段内生猪进食时间长短的数据；Meiszberg等[5]研究采用水流量传感器分析猪饮水行为，与人工观察方法相比，准确度明显上升。在此基础之上，陆明洲等[6-7]结合RFID读写器，实现同时记录饮水猪的饮水频率及饮水量数据；Madsen等[8-9]和Kruse等[10]分别利用状态空间模型和小波分析法为生猪饮水行为建模，研究生猪饮水行为，提出健康猪异常预警方法，预测疑似病猪、饲料质量和养殖环境等异常情况；德国的Kruse等[11]还研究了哺乳期母猪饮水饮食行为和数据，建立与仔猪增重的关联。哥本哈根大学的Ostersen等[12]使用RFID记录母猪接触公猪的时间长短和接触的次数，建立了母猪发情的自动监测系统。

2.2 无线传感器网络(WSN)的监测

无线传感器网络是由部署在监测区域内众多的微型传感器节点组成，通过无线通信方式形成的一个自组织无线网络系统[13-14]。基于WSN的生猪监测系统中，无线传感器的节点可部署在养殖环境当中，用于监测猪舍的环境，包括温、湿度、二氧化碳、有害气体以及声音数据等。同时节点也可以附着在动物个体表面，实现对个体行为和个体信息数据的实时监测，例如体温、体重、心跳、呼吸、运动速度、加速度、运动方向等。由于无线传感器网络具有低成本、低功耗、自动管理和高度协作性等优点，适合应用于生猪的自动养殖监测系统。

2.2.1 养殖环境信息监测技术

养殖环境实时监测的关键技术主要包含对环境数据的采集融合及预处理、环境数据实时监测、环境预警三个部分。技术手段主要通过单片机、物联网、自适应模糊神经网络来实现自动化监测和预警[15-16]。

2.2.1.1 基于PLC的环境监测技术。关铭洁[17]设计了一种基于PLC和力控的猪舍环境监控系统，通过传感器对猪舍内温湿度及环境空气质量进行获取和处理，实现了对猪舍环境数据的实时监控和准确记录、判断。同时系统支持对水泵、风机、风扇等执行设备开关的自动控制，具有很强的实用性和可靠性，能够达到节约劳动力、提高养殖效益的目标，实现养殖环境监测的智能化。

2.2.1.2 基于物联网的环境监测技术。物联网系统包含数据采集及监测、信息处理以及信息传输三大主要方面。在基于传感器网络的养殖环境监测的技术发展中，面临两大问题，第一是传感器节点部署问题，需要解决节点的覆盖性和有效性，第二是数据采集和数据融合问题。为解决这些问题，滕翠凤等[18]针对生猪环境监测系统，提出一种分布式多传感器体系结构和二级融合模型，主要将自适应加权融合算法与D-S证据推理理论融合，实现多传感器的数据融合，克服了单传感器监测的不确定和不稳定性，提高了环境监测的精确度；俞守华等[19]结合小波变换与遗传算法，减少测定有害气体时传感器间交叉敏感问题，提高气体测定有效性，满足了系统控制要求。

2.2.1.3 基于自适应模糊神经网络的环境监测技术。对于该技术，目前主要采用的是模糊控制算法[19]，优点是利用专家的思维归纳总结出大量理论知识或丰富实际操作数据，缺点是缺乏在线自适应的能力[20]。为弥补这个缺点，基于神经网络控制具有强大的自学习和自适应能力[21]，可以将模糊控制的推理规则和神经控制的学习能力结合在一起，实现猪舍环境的精确自动监测和控制[22]。

2.2.2 基于个体信息的生猪监测

个体信息监测主要包括两类：生理指标信息及动态行为监测。

生理指标信息监测方面，目前没有非常有效的方法。其中体温和呼吸是判断动物生理健康状况的重要指标，Danica等选择插入式方法测量猪只呼吸道温度，测量结果快速准确，但是这种方法必须在猪麻醉的情况下实施，不适合在养殖中推广使用[23]。Andersen等人设计出猪只耳温测量器，并建立出温度与行为的关系模型[24]。Marloes等[25]设计了猪的体温和呼吸频率传感器[26]。

动态行为监测方面，核心研究是建立生猪行为模型。目前解决传感器获取数据与行为之间的联系，采用的数学方法主要是基于三轴加速度值的行为模型：动态线性模型、尔曼滤波、K-均值聚类算法及支持向量机[27-29]。例如在发情监测方面，通过采集母猪饮食量和使用加速度计检测母猪跛腿等活动量情况，对发情的检测正确率达75%，可减少高达15%的人工监测[30]，另一种采用微处理器控制的红外监测系统，识别母猪发情的准确率达80%以上[31]。在母猪分娩监测方面，母猪的筑窝行为和体温变化是分娩时间推测判断的主要依据，可以使用压力传感器以及光电传感器分辨母猪的站立或躺卧行为[32]。Cornou等[33]利用固定在母猪颈部的三轴加速度传感器和蓝牙无线模块采集数据，采用多进程卡尔曼滤波方法对母猪行为进行分类。刘龙申[34]利用无线加速度传感器节点采集母猪产前运动信息，利用不同行为的加速度曲线波动性不同，采用K均值聚类算法对行为特征进行识别分析，检测母猪躺卧、站立、吃料、筑窝等典型行为，正确率为87.93%。

2.3 基于视频视觉技术的生猪信息监测

在养殖福利的大环境下，由于基于机器视频视觉技术可以无直接接触，远程连续记录生猪个体及行为信息，能够节省大量资源和时间，不仅在应用中具有独特的优势，在研究领域也有较大价值。视频监测技术的核心，是通过图像或视频采集活动个体信息数据，构建动物行为模型。在数据采集的方法研究方面，普遍的做法是将监控安装于猪只行走通道旁[35]，或者利用架设于猪舍顶部的监控摄像机[36]，以便于利用采集到的动物行为特征，识别出猪只的一般行为，包括进食、排泄、分娩、休息等。视频监测也可以为生猪异常行为、疾病监测预警和环境调节提供参考，例如朱伟兴等利用嵌入式监控设备监测猪只排泄行为，判断疑似病猪的正确率为78.38%[36]，刘龙申等利用视频图像处理方法检测母猪分娩行为，发现仔猪后及时通知饲养员[37]。除此之外，国内外研究者利用视频图像建立模型，估测生猪体重。中国农业大学腾光辉等[38]建立的猪的投影面积与体重的相关系数模型，刘同海[39]提出的基于神经网络的猪体重估计模型，消除了线性回归分析中自变量的共线性问题，得到较高的估测结果。在视频处理方法方面，Shao等人[40]提出圈养猪红外图像分析方法，区分猪的睡觉姿势与温度的关系，对猪舍环境温度调节起到了参考作用；Kashiha提出持续跟踪猪只的标记方法[41]和图像处理方法[42-43]，视频监测可以用来记录猪只饮水量，精确度达到92%。Kashiha[44]将动态转移函数模型与猪投影面积相结合，相比线性与非线性模型，可以得到更高的准确率。

但视频图像监测技术依然存在很多问题，圈养猪只棚内监测设备易受光照影响，视频处理数据的准确性与视频设备、拍摄范围等物理条件息息相关，容易受到动物本身行为活动的影响，因此在变化的养殖环境中，如何获取准确的数据是视频监测技术首要研究的问题。

2.4 音频监测技术

生猪叫声是其生理、情绪健康状况的外在表现，音频分析技术可以利用声音监测生猪个体情况，实现疾病智能预警，个体健康、动物福利水平的自动评估。主要方法是将采集到相应代表情绪、疾病的音频进行特征提取，建立出对应标准数据，构成模型库，在实际圈养过程中对声音进行采集并将待识别的声音信号与参考模型数据库匹配，实现对猪生理和情绪健康异常的准确把握。在群圈养猪的模式中，麦克风阵列可以用于声音信号定位，以便于判断符合病猪咳嗽的音频特征的声音来源[45]，提高对于患病猪识别的时间和效率，为养殖企业减少经济损失。为了满足动物福利养殖的要求，对于猪只的情绪识别，主要集中在提取母猪或者仔猪的不良情绪声音特征的识别与监测(例如恐惧、孤独、饥饿等叫声特征)，可保证猪只的情绪健康。除此之外，音频监测系统也有利于母猪和仔猪行为研究，运用母仔之间联系的声音信号。因此，发展音频处理技术的最核心目标是从大量提取的声音特征参数里，提取、建立并扩充音频模型库。另外，降低噪声干扰以及环境变化对声音的干扰也是后续研究中需要解决的问题。

3 结论

近年来，发达国家在智能化畜牧信息监测技术领域已经有了较为丰富的研究成果，而中国的研究停留在初级阶段。中国的智能监测技术发展，应关注下列几个问题：

第一，基础是智能监测设备的研究。研发针对不同行为的智能化监测设备，一方面可以帮助判断猪只健康状况，另一方面可研究动物生长过程模型，所以利用检测设备，采集准确数据有利于对猪只正常行为进行分析建模、对猪只异常行为及疾病提供预测预警；

第二，核心是猪行为/健康模型的研究。旨在从视频、音频、传感器的大量数据和信息中建立映射关系，构造参考模型库。模型的建立精确与否将决定监测结果的准确度，有利于减少人工消耗，并尽量避免养殖业经济损失。

第三，关键是综合智能管理系统的研究。如何从采集的海量数据中挖掘出有用信息，如何管理获取到的大量信息，有待于未来研究。对于信息的综合智能管理是一个交叉领域，不仅需要技术专家的支持，也需要畜牧业专家的指导。

总之，我国发展智能监测技术研究，必须合理结合国外研究进展，发展具有中国畜牧业特色的智能控制技术和监测技术，降低智能化成本和提高设备准确性及稳定性，提高大规模养殖的经济效益。