畜禽设施精细养殖中信息感知与环境调控综述

摘   要：畜禽设施精细养殖是现代畜牧业发展的前沿领域，其核心在于物联网与传统设施养殖的深度融合。近年来，随着传统家庭式养殖模式逐渐退出，中国畜禽养殖场的管理方式已逐步迈向集约化、規模化和设施化，基于养殖动物个体管理和质量保障且满足动物福利要求的畜禽设施精细化养殖已成为畜禽养殖业的最新发展趋势。本文在阐述畜禽设施精细养殖信息感知与环境调控的重要性的基础上，介绍了信息感知与环境调控相关前沿技术，分析了面临的问题与挑战，指出智能传感器技术将成为推动畜禽设施精细养殖进步的底层驱动技术，兼顾畜禽福利和生产性能的动物拟人化智能调控技术和策略等是面临的重要挑战。最后，就中国畜禽设施精细养殖关键技术如何落地提出了相关建议，旨在为中国畜禽设施养殖业的转型升级和可持续发展提供理论参考和技术支撑。

关键词：设施精细养殖;信息感知;环境调控;精细畜牧业;智能传感器

中图分类号：S-1                  文献标志码：A             文章编号：201905-SA006

滕光辉. 畜禽设施精细养殖中信息感知与环境调控综述[J]. 智慧农业， 2019， 1（3）： 1-12.

Teng G. Information sensing and environment control of precision facility livestock and poultry farming[J]. Smart Agriculture， 2019， 1（3）： 1-12. （in Chinese with English abstract）

1  引言

快速发展的移动互联网、大数据、云计算和人工智能等新一代信息技术与各行业的深度融合已成为当前和今后一段时期全球范围内各行各业创新发展的重要趋势。在此大潮的冲击下，世界畜禽养殖业正在迎来一场巨大的变革。

德国汉诺威国际畜牧展（EuroTier）是由德国农业协会（DLG e.V.）主办的全球规模最大、专业度最高、综合性最广、影响力最大的世界顶级畜牧展，被誉为全球畜牧行业发展的风向标。2018 EuroTier技术产品创新奖“Innovation Award EuroTier 2018”[1]已表明，以数字化、物联网等为核心的精细养殖技术在整个畜牧养殖价值链中的作用快速提升，满足动物福利要求的基于养殖动物个体管理和产品质量、环境保障的数字化成套解决方案已成为日益重要的精细畜牧业技术的发展前沿领域。

精细畜牧业（Precision Livestock Farming，PLF）是指基于过程工程原理和技术，连续、实时自动监测养殖动物健康、福利、生产、繁殖及其环境影响及动态变化，并将获取的生物，环境信息直接转化为养殖者所需的不同管理策略应用于畜禽生产管理的现代畜牧业理念。精细畜牧业也被称为“基于传感器”的个体动物养殖方法，已成为满足养殖动物健康和福利以及畜牧业环境可持续发展的良好途径[2-4]。可以预见，未来我国畜禽养殖业行业将迎来以信息化、精细化养殖管理为特色的设施化精细养殖新模式[5]。信息化、精细化技术的快速发展，将会为畜禽生产、生态环境调控与自然资源的可持续利用等有机结合提供新的机遇。经济效益、动物健康与福利生产过程管理精细化和产品质量这三大关键因素事关畜牧养殖业可持续发展，精细养殖已成为畜禽养殖业的最新发展趋势。

本文在阐述畜禽设施精细养殖信息感知与环境调控的重要性的基础上，介绍了畜禽设施精细养殖信息感知与环境调控前沿技术，并就我国畜禽设施精细养殖关键技术如何落地提出了相关建议，目的在于分析当前该行业面临的问题与挑战，指出智能传感器技术将成为推动畜禽设施精细养殖领域进步的底层驱动技术，为我国畜禽设施养殖业的转型升级和可持续发展提供理论参考和技术支撑。

2  畜禽设施精细养殖

畜禽设施养殖主要涉及畜禽品种、核心装备和设施环境3大要素（图1），其中，畜禽品种是核心，核心装备是支撑，设施环境是保障畜禽生产潜力充分发挥的基础。畜禽设施养殖过程中，设施装备通过养殖工艺、配套管理技术和专家经验满足畜禽采食、饮水及生长过程所需运行条件;通过调控设施环境为畜禽生长提供适宜的生长小气候环境，实现满足畜禽生产力需要并发挥其最佳遗传潜力的目标。

畜禽设施精细养殖是精细畜牧业的具体实践。它是在设施养殖环境条件下，以动物行为学、动物营养学、设施养殖环境工程学理论为指导，以新一代信息科学技术为支撑，以满足畜禽生理和福利需要为前提，以基于群体中个体差异按需、定点、定时饲养管理为特征的智能化养殖方法。

具体而言，以能够满足畜禽生长、生活和生产管理需要的舍内笼具、圈栏、饲喂、通风、清粪等养殖全程机械化、信息化设备为基础，应用物联网技术全方位实时感知获取与养殖畜禽群体或个体生态、生理及生产过程相关的数字化信息，包括体温、体重、呼吸、活动量、采食量等体况及行为信息，基于构建的畜禽生长模型或生理调控算法，科学预测和实时响应畜禽的健康、发情或繁殖力等，运用闭环工业控制理论智能化调控畜禽舍内小气候环境，并基于获取的数字化信息实施营养供给、疫病防控等全程全自动生产管理与决策服务。

畜禽设施精细养殖的核心在于物联网与传统设施养殖的结合。物联网将“养殖工艺”与“环境调控”有机结合，最终通过精细调控设施装备来实现畜禽的优质低耗生产。物联网在设施畜禽养殖中的应用，就是在配备自动化养殖设施（通风换气、饲喂、饮水和防疫消毒、畜禽排泄物处理等设施装备）、饲料散装配送设备的畜禽舍中，针对舍内局部小气候环境控制系统，运用“物联网+”系统感知舍内温湿度、光照、CO2、NH3等传感器设备，检测设施养殖环境中的温湿度、光照强度、有害气体浓度等物理量参数，通过各种仪器仪表实时显示或作为自动控制的参变量参与到自动控制中，保证畜禽有一个良好的、适宜的生长环境。

畜禽设施精细养殖成功的关键在于如何准确可靠感知、正确解读、准确理解畜禽面对其生长环境变化展示的自然行为响应的内涵，由此确定不同畜禽在不同生长生理阶段的最适宜环境参数与阈值，并据此构建完善的畜禽生长生理控制模型[6]。此外，养殖设备远程控制技术的实现使养殖管理人员不受时空的限制，就能对养殖舍内环境进行远程监测控制，包括基于预设环境阈值的自动控制及远程个性化的手动控制，从而形成畜禽舍环境精准调控的物联网闭环，达到增产、改善品质和提高经济效益的目的。

3  畜禽信息实时感知

3.1  专用感知技术及智能传感器

实时在线监测感知设施养殖过程中的畜禽行为与生长状态，可方便养殖者及时发现和解决与畜禽健康相关的问题。在打通从感知畜禽生命体征行为，从行为推理过渡到认知畜禽自然行为内涵，并最终为其提供舒适生存空间的系列流程中，传感技术发挥着不可或缺的作用[7]。

近年来，畜禽养殖环境、生理和生长过程信息实时感知技术的发展十分迅速，机器视觉、GPS、电子鼻等先进传感技术的应用为实施畜禽设施精细养殖提供了重要技术支撑[8，9]。表1列

出了各类先进感知技术在畜禽养殖领域中的应用情况[10]。

畜禽体征信息感知是传感器检测技术突破的难点。传统的感知技术多采用光、声、磁学等物理学原理，依据被测对象性质和特点不同，选择从X射线[11-13]、可见光[14-19]到（超）声波[20-22]等不同电磁波段进行检测，由检测到的物理参量通过模型间接计算反映畜禽体征的生理（形态）参变量[3，6]。从图像识别、生理检测到声音识别等一系列新型智能传感器构成了物联网技术在畜禽设施精细养殖领域的核心应用（图2和图3），其特点是将畜禽监测模式由原来的常规周期性应激监测发展至现今的非接触、无应激实时监测，极大地提高了对畜禽行为的感知能力[23]。

通过音、视频自动识别技术，已经可以实现无应激感知畜禽体尺、体况、体温、采食以及饮水等一系列畜禽生态、生理及生产过程行为[24]。由于畜禽活体特征非常复杂，实现畜禽体征信息非接触、无应激实时准确感知，必须在其生长周期的物理表征机理和计量模型上实现突破。反之，无论是以经典的经验模型或是类似深度学习为特色的数学新算法创建感知信息的反演模型及系统，准确感知信息都将是反演模型或算法能否成功推理或准确理解畜禽行为的关键。

3.2  面临的问题与挑战

当前，在制约我国精细畜牧业发展的多项短板硬件技术中，排在首位的就是专用传感器技术落后且稳定性差[25]。量值定义世界，精准决定未来。信息感知技术的突破首先在于智能传感器技术的开发与应用。主要是指常规传感器的智能化，即具有信息处理功能的传感器，结合单片机运作，具有采集、处理、交换信息的能力，这是传感器集成化与单片机相结合的产物[26]。与一般传感器相比，智能传感器具有以下3个优点：一是通过软件技术可实现高精度的信息采集，而且成本低;二是具备一定的编程自动化能力;三是功能多样化，具备连续监测多项特征参数的联动能力，可同步了解整个系统运行的机理。近年来，该类传感器多以嵌入式、微形化的形式异军突起。另外，基于光学、（超）声波等原理的“非接触式传感器”一改“接触式传感器”对畜禽监测时造成应激的缺点，在畜禽生产中前景广阔[27]。智能传感器所具备的快速检测、连续监测、实时反馈能力，将为系统认知提供基础数据，赋予人类“防患于未然”的能力，即在出現问题前就能及早发现和解决问题。如何能在畜禽生长要素的利用环节既可精准发现和定量识别可能出现的风险问题，又能够实时进行优化调控，此类传感器技术引入设施养殖业用于畜禽生长环境及体征信息感知，将极大改善专用传感器落后的局面。相关传感器技术的升级换代将带动“物联网+”的升级换代，换句话说，智能传感器技术将是推动设施养殖领域进步的底层驱动技术。

4  畜禽养殖环境调控

4.1  环境精细调控及设备

在影响畜禽生产性能方面，畜禽设施养殖行业具有品种、饲养、环境三分天下的共识，三者共同作用于畜禽生产性能的提升，同等重要，但各有侧重点[28]。

养殖环境是影响畜禽健康和生产力的重要因素之一。国内外设施养殖领域中，畜禽品种、生产工艺虽趋于相同，但不同国家畜禽设施养殖生产性能水平却存在较大差异。究其原因，很大程度上是设施养殖环境差异所致。例如，就同等规模的养猪场而言，相同类型圈栏中所养殖的生猪品种、养殖工艺基本相同，但国外母猪的断奶仔猪数（Piglets weaned/ Sow/ Year，PSY）最高可达30头左右，而我国母猪PSY则长期徘徊在18头左右[29]。其原因是国内引进的猪品种往往对其生长温度环境要求较高，以长白猪为例，其最佳适宜生长环境温度一般要求在20℃左右[30]。而我国各地气候环境差异极大，如果舍内常年保持上述环境温度，则必然夏天需要降温及冬天需要采暖，而规模化猪场按此实施运行费用必然不菲，使得养殖企业往往做不到温度精细调控，猪场舍内环境常达不到上述最佳温度范围要求。

此外，畜禽养殖环境状态与动物体征和行为又互为因果且连续变化。影响畜禽业可持续发展的生物安全问题、畜牧环保问题和畜禽产品质量安全问题都与养殖环境控制密切相关。为畜禽营造舒适的生长、生产环境，不仅关系到畜禽本身的福利健康，更与畜禽产品质量、食品安全和养殖场经济效益息息相关。满足畜禽福利、生理、健康及生产过程等需求，需要实时监测畜禽舍内生态环境参数的动态变化，实时感知舍内畜禽个体或群体的行为变化，并借助相应动物的环境、营养、生长及健康模型给出调控决策，为实现畜禽精细饲喂和环境动态精细控制奠定基础（图4和图5）[31，32]。

设施养殖环境调控的技术发展可划分三个阶段：机电一体化时代[33]，其特点是传统感知技术的应用;工厂化农业时代[34，35]，其特点是专家决策、模糊控制等具备学习、推理能力的调控设备应用;未来畜禽设施精细养殖乃至无人值守时代[36-38]。现代物联网技术的快速发展，为畜禽养殖设施环境精细调控提供了一个很好的发展契机[39]。人工智能技术将大规模应用，通过感知、学习、推理，准确获取动物自然行为的含义并进行深度感知，使得畜禽设施养殖设备具有智能性，从而代替人工完成一些复杂繁琐或危险的工作，真正实现基于“物联网+”的设施精细养殖全过程的无人操作。

大数据、人工智能、深度学习等技术的发展，提供了高效感知、分析、存储、共享和集成异构数据的能力和分析手段。现代畜禽精细养殖系统首先借助安全可靠的现场数据感知技术获取生产一线的真实数据，通过4G、5G等无线网传输上传到云平台，借助强大的云计算能力，通过专业算法进行决策，再将相关调控规则下行到配备在智能养殖装备上的现场控制器上进行设施养殖全过程的智能调控[40]。

智能调控是在解决感知信息获取的可靠性与算法的基础上，在动态变化条件下自动整合感知获得的设施养殖多因子数据并进行实时建模，与传统设施养殖装备（环控、清粪、采食、饮水等）相结合，构建具备精细环控、精细饲喂等功能的智能化养殖设备体系，促进形成数据驱动的畜禽养殖精细管控能力。实现在感知传输层，主要基于不同类型的传感器感知畜禽舍内环境参数（温湿度、光照强度、CO2、NH3浓度等）及体征行为（声音、体重、体温及运动行为等）;在数据传输层，主要采用无线（4G/5G）网络将来自上述感知传输层的环境数据、生产过程数据及个体生理、行为状态数据信息远程传输到相关数据库;在数据应用层，主要是通过嵌入式控制器，依据对相关数据库信息的分析决策，对畜禽舍内环境控制设备（风机、光照、水泵等）进行自动调控（图6）。换言之，数据科学和信息技术极大地提高了对复杂问题的解决能力，其核心是共享基于可靠获取及存储原始数据的大数据信息系统，将人工经验的试错积累及一线技术人员、管理人员的专业知识数字化，通过历史数据的回溯及结果评判逐步去伪存真，优化专业算法。借助于多媒体及触摸屏实现“能说的就不写”的人机交互方式、卡通化其控制规律便于普通人使用，利用云计算、模糊识别等各种智能计算技术对海量的数据和信息进行分析和处理，以达到对设施养殖环境实施智能化精准控制的目标。

4.2  设施环境精细调控面临的问题与挑战

本节阐述在养殖品种和工艺确定后，为设施养殖畜禽提供性价比可接受的适宜生长环境所面临的挑战。

4.2.1  基于畜禽福利和生产性能的环境调控新策略

就养殖生产环境而言，各类畜禽生存所需的环境条件对其生长发育速度、健康状态及生产性能的发挥具有重要影响[41]。但是，2012年以来，针对传统规模化畜禽养殖方式，欧洲率先立法，采取禁止蛋鸡笼养[42]、母猪限位栏饲养[43]等一系列措施，并开始在设施养殖中强制增加满足动物福利的一系列配套设施，尤其是在降低养殖密度、强化通风质量方面提高了相应的检测标准要求，力度之大，对世界畜禽养殖业未来发展影响深远。

从经营者的角度来看，畜禽养殖场经营的目的是为了获取养殖盈利，增加收入和控制成本同样重要，经营更追求简单化。当前大型规模化设施养殖生产工艺一方面生产效率高，但另一方面很少考虑动物福利，设施养殖畜禽健康水平不容乐观，进而影响人类食品安全[44]。从消费者的角度而言，价廉物美、食品安全是其首要考虑。基于不同角度的需求二者如何有效结合、博弈，亦即在充分考虑技术可用性、可靠性及成本可控性的前提下，如何解决这一需求矛盾，是当前面临的困境。因此，畜禽设施精细养殖环境调控策略，首先需要在不降低现代规模化养殖生产效益的前提下，从现有规模化养殖工艺仅重视生产效益、方便组织管理的“以人为本”的技术路线，转变为“以畜为本”，探求在满足基本动物福利需求下寻求如何发挥其最大遗传潜力的技术路线。

4.2.2  现代工业控制理论不完全适用于畜禽养殖

畜禽设施精细养殖是基于現代控制理论的原理与技术，对工厂化（或规模化）畜禽生产系统进行智能化管理的一种机制。它通过对畜禽生长环境及畜禽动态生理响应进行持续监测，并生成畜禽生产过程决策所需的数学模型，以负反馈形式（闭环控制）合理调节和控制舍内生态环境，使养殖者及时发现和控制与畜禽优质高产相关的生长环境问题，进而获得预期的生产结果[45]。

在现代品种选育、规范养殖工艺条件下，全球同品种畜禽的生产性能好坏与其生长环境密切相关。因此，从环境控制的角度而言，引入在工业界有着成功应用的相关控制理论与成熟技术方案来实现对设施养殖环境的调控显得顺理成章。但从控制论的观点来看，相比工业领域控制对象的整齐划一和标准化，畜禽生命体作为相对复杂的控制对象，其多变、独特性使其控制难度骤然增加，实现完全、最优控制的难度极大，主要挑战表现在以下方面[46]：一是如何实时动态感知获取畜禽生理变化信息并准确判断畜禽生长环境是否适宜，并且如何从传统的经验型“定性”评判进化到基于数字化模型的“定量”评判。二是如何且能否在性价比合适的条件下，采用适宜的控制手段实现预期的控制目标。

4.2.3  设施养殖控制的人性化或拟人化要求

以人类的思维代替畜禽的思维，只能是一种虚妄的想象。子非畜禽，安知畜禽之苦乐？解决设施养殖环境下的畜禽福利问题，不是因为我们确实了解畜禽的痛苦，而是知道一旦养殖的畜禽生存环境遭到破坏，合理利用畜禽产品和制品的人类也会随之遭殃[47，48]。唯有按照自然法则满足畜禽的基本生理、行为需求，善待它们，以此促进畜禽健康生产，才能使生产者获得高品质、安全的畜禽产品并为人类安全享用[49]。

一直以来，养殖业成功之处在于将工业化生产成熟的技术手段大量应用于畜禽生产，尤其是设施养殖实施的机电一体化设备控制体系，成就了以规模化生产效率高、成本低为特色的价廉物美、欣欣向荣的规模化畜禽养殖产业。但随着生产规模的不断扩张，这种大型规模化畜禽生产工艺“重群体轻个体”的弊端也随之显现。亦即伴随养殖规模越来越大，畜禽个体在生长环境、生理健康等方面的需求无法及时得到满足或响应，群体中弱势个体营养需求跟不上，禽流感、非洲猪瘟、疯牛病等畜禽群体性疫病时有爆发。究其原因，重生产效率、轻动物福利的现今规模化养殖生产方式难辞其咎。这迫使人们重新审视现代养殖模式的利弊[44]，诸如在设施养殖环境下如何准确理解圈养畜禽对其生长环境、营养的需求，究竟是以人们现在追求的工业化高生产效率的“以人为本”的养殖模式为先，还是“基于动物需求为本”来配置设施装备并服务于人工养殖环境下的畜禽？若以养殖动物的需求为本，则需要将控制对象拟人化或畜性化，其出发点在于如何正确理解圈养环境下养殖动物对生长环境状况的所思所想，而非依赖目前多由人们主观认定为“有利于畜禽健康”而采取的一系列动物福利措施，减少所谓“好心办错事”事件的发生概率。若想实现“以动物需求为本”的理念，其前提则是正确感知身处设施养殖环境中的畜禽对其生长环境的真实反映[50]。针对畜禽活体特征控制的复杂性、多样性，探求如何将工业领域以“刚性”控制为特点的控制理论及方法“人性化”使之适用于“柔性”控制畜禽群体及个体的养殖过程，或许值得探究[51]。

4.2.4   缺乏有效、准确的畜禽生长模型与智能决 策算法

尽管收集了大量畜禽生态、生理及生长过程等各类数据，但由于实验室研究和生产实践中的数据一直处于彼此脱节的状态，实际生产仍缺

乏有效的工具来广泛使用已有的数据、知识和模型[52]。因此，畜禽养殖行业相关控制系统多采用“时序控制”而非“按需决策控制”。应用专家决策、模糊评判、大数据解析等新兴技术将行业知识数字化并上升为模型化，通过软件匹配技术实现对传统传感器的参数调节、校准数字化，将感知到的各种物理量储存起来并按照指令处理这些数据，从而派生出新数据，实现传感器之间的信息交流、异常数据的舍弃等传输数据的自我决定，并完成分析和统计计算等，此乃智能传感器的核心价值所在[53]。

5  我国畜禽设施精细养殖发展建议

当前，我国畜禽养殖主体逐步向规模化及标准化方式过渡，总体机械装备水平不高，畜禽养殖的机械化率尚不到1/3，畜禽设施精细养殖尚处于起步阶段[54]。基于“物联网+”的畜禽设施精细养殖技术的应用在我国更多体现在环境信息感知、数据传输和畜禽监测环节。基于畜禽生长生理调控模型按需决策控制相关技术水平尚处于工厂化农业控制阶段，代表精细养殖先进水平的物联网技术在部分规模化程度比较高的养殖企业才刚刚开始推广应用。有感知无决策、有决策无控制的单因子应用比较普遍，尚未形成“感知—学习—决策—负反馈”的应用“闭环”，从而大大降低了畜禽设施精细养殖对改造传统农业的作用。

面向未来，我国畜禽设施精細养殖技术应与不同区域、不同养殖模式、不同养殖规模的标准化圈舍设计、养殖工艺参数相配套，基于可靠获取及存储原始数据的大数据信息系统，将领域专业知识数字化，优化专业算法，利用云计算、模糊识别等各种智能计算技术对海量的数据和信息进行分析和处理，合理匹配“养殖工艺—设施设备—环境控制技术”之间的关联度，以达到对畜禽设施养殖精细管控的目的，在信息感知层面的各类传感器的智能化，在应用层面将专家经验模型化，促使最终用户受益最大化。

从粗放养殖、注重数量，到保障畜禽产品的供给安全，再到减少环境污染、提高动物福利，我国畜牧业正在加速升级，当今世界数字化、网络化技术的快速发展，为动物福利、信息管理与自然资源永续利用的融合发展创造了新的发展空间。数字畜牧、动物福利、精细养殖等新技术、新设备不断涌现，已成为国际畜牧业发展的前沿领域。国家相关部门应高度重视并主动作为，抓住机遇尽快布局并加快开展相关科技创新，加快提升畜牧业生产、管理和服务的数字化、信息化水平，以便在未来竞争中立于不败之地。

参考文献

[1]    DLG， Innovation Magazine 2018[EB/OL]. [2019-04-10] https：//www.eurotier.com/fileadmin/eurotier/download/innovations/ET_NH_Magazin_2018_e_IT.pdf.

[2]   Halachmi I， Guarino M. Editorial： precision livestock farming： a “per animal” approach using advanced monitoring technologies[J]. Animal， 2016， 10（9）： 1482-1483.

[3]   Berckmans D. General introduction to precision livestock farming[J]. Animal Frontiers， 2017， 7（1）： 6-11.

[4]   Tullo E， Fontana I， Diana A， et al. Application note： Labelling， a methodology to develop reliable algorithm in PLF[J]. Computers and Electronics in Agriculture， 2017， 142： 424-428.

[5]   中华人民共和国农业村部. 关于印发《“十三五”全国农业农村信息化发展规划》的通知[EB/OL]. （2016-08-29） [2018-09-09]. http：//www.gov.cn/xinwen/2016-09/09/

content_5106840.htm

[6]   付为森. 基于双目视觉的猪体尺检测与体重预估方法研究[D]. 北京： 中国农业大学， 2011.

Fu W. Study of pig’s body dimensions detection and weight estimation based-on binocular stereovision [D]. Beijing： China Agricultural University， 2011.

[7]   何东健， 刘冬， 赵凯旋. 精准畜牧业中动物信息智能感知与行为检测研究进展[J]. 农业机械学报，2016， 47（5）： 231-244.

He D， Liu D， Zhao K. Review of perceiving animal information and behavior in precision livestock farming[J]. Transactions of the CSAM， 2016， 47（5）： 231-244.

[8]   汪開英， 赵晓洋， 何勇. 畜禽行为及生理信息的无损监测技术研究进展[J]. 农业工程学报， 2017， 33（20）： 197-209.

Wang K， Zhao X， He Y. Review on noninvasive monitoring technology of poultry behavior and physiological information[J]. Transactions of the CSAE， 2017， 33（20）： 197-209.

[9]   熊本海， 杨振刚， 杨亮， 等. 中国畜牧业物联网技术应用研究进展[J]. 农业工程学报， 2015， 31（Supp.1）： 237-246.

Xiong B， Yang Z， Yang L， et al. Review on application of Internet of Things technology in animal husbandry in China [J]. Transactions of the CSAE， 2015， 31（Supp.1）： 237-246.

[10]  Halachmi I， Guarino M， Bewley J， et al. Smart animal agriculture： application of real-time sensors to improve animal well-being and production[J]. Annual Review of Animal Biosciences， 2019， 7： 403-425.

[11]  Papachristodoulou C， Stamoulis K， Tsakos P， et al. Liver concentrations of copper， zinc， iron and molybdenum in sheep and goats from northern greece， determined by energy-dispersive X-ray fluorescence spectrometry[J]. Bulletin of Environmental Contamination and Toxicology， 2015， 94（4）： 460-467.

[12]  石冬冬， 王海红， 李盈盈. X射线荧光光谱法快速测定鸡粪中的铜、铁、锰、锌、硒[J]. 分析仪器， 2018（2）： 37-42.

Shi D， Wang H， Li Y. Rapid determination of Cu， Fe， Mn， Zn and Se in chicken manure using X-ray fluorescence spectrometry[J]. Analytical Instrumentation， 2018（2）： 37-42.

[13]  和友， 肖体乔， Michel M. 同步辐射硬X射线成像用于小动物脑血管结构与功能的研究[J]. 生命科学， 2013， 25（8）： 803-811.

He Y， Xiao T， Michel M. Application of synchrotron hard X-ray based imaging on small animal’s cerebral vasculature and function studies[J]. Chinese Bulletin of Life Science， 25（8）： 803-811.

[14]  Eddy A L， Van Hoogmoed LM， Snyder J R. The role of thermography in the management of equine lameness[J]. Veterinary Journal， 2001， 162（3）： 172-181.

[15]  Tsai D M， Huang C. A motion and image analysis method for automatic detection of estrus and mating behavior in cattle[J]. Computers and Electronics in Agriculture， 2014， 104： 25-31.

[16]  Kim H T， Choi H L， Lee D W， et al. Recognition of individual Holstein cattle by imaging body patterns[J]. Asian-Australasian Journal of Animal Sciences， 2005， 18（8）： 1194-1198.

[17]  Kim H T， Ikeda Y， Choi H L. The identification of Japanese black cattle by their faces [J]. Asian-Australasian Journal of Animal Sciences， 2005， 18（6）： 868-872.

[18]  Lambe N R， Navajas E A， Schofield C P， et al. The use of various live animal measurements to predict carcass and meat quality in two divergent lamb breeds[J]. Meat Science， 2008， 80（4）： 1138-1149.

[19]  Lambe N， Navajas E， Fisher A， et al. Prediction of lamb meat eating quality in two divergent breeds using various live animal and carcass measurements [J]. Meat Science， 2009， 83（3）： 366-375.

[20]  Yajuvendra S， Lathwal S S， Rajput N， et al. Effective and accurate discrimination of individual dairy cattle through acoustic sensing[J]. Applied Animal Behaviour Science， 2013， 146（1）： 11-18.

[21]  McLaren D G， McKeith F M， Novakofski J. Prediction of carcass characteristics at market weight from serial real-time ultrasound measures of backfat and loin eye area in the growing pig[J]. Journal of Animal Science， 1989， 67（7）： 1657-1667.

[22]  Ikeda Y， Ishii Y. Recognition of two psychological conditions of a single cow by her voice[J]. Computers and Electronics in Agriculture， 2008， 62（1）： 67-72.

[23]  Lao F， Brown T， Stinn J， et al. Automatic recognition of lactating sow behaviors through depth image processing[J]. Computers and Electronics in Agriculture， 2016， 125： 56-62.

[24]  杨艳， 滕光辉， 李保明， 等. 基于计算机视觉技术估算种猪体重的应用研究[J]. 农业工程学报， 2006， 22（2）： 127-131.

Yang Y， Teng G， Li B， et al. Measurement of pig weight based on computer vision[J]. Transactions of the CSAE， 2006， 22（ 2）： 127-131.

[25]  趙春江. 智慧农业发展现状及战略目标研究[J]. 智慧农业， 2019， 1（1）： 1-7.

Zhao C. State-of-the-art and recommended developmental strategic objectives of smart agriculture [J]. Smart Agriculture， 2019， 1（1）： 1-7.

[26]  刘同海. 基于双目视觉的猪体体尺参数提取算法优化及三维重构[D]. 北京： 中国农业大学， 2014.

Liu T. Study of pig's body size parameter extraction algorithm optimization and three-dimensional reconstruction based-on binocular stereo vision[D]. Beijing： China Agricultural University， 2014.

[27]  李卓. 基于立体视觉技术的生猪体重估测研究[D]. 北京：中国农业大学， 2016.

Li Z. Research of pig weight estimation based on stereo vision technology[D]. Beijing： China Agricultural University， 2016.

[28]  崔引安. 农业生物环境控制[M]. 北京： 中国农业出版社， 1994.

[29]  吴德. 母猪采食量的营养调控与泌乳力的提高[C]. 中国猪业科技大会暨中国畜牧兽医学会2015年学术年会论文集， 2015： 6-9.

[30]  苏振环. 现代养猪实用百科全书[M]. 北京： 中国农业出版社， 2003.

[31]  Cornou C， Vinther J， Kristensen A. Automatic detection of oestrus and health disorders using data from electronic sow feeders[J]. Livestock Science， 2008， 118（3）： 262-271.

[32]  Elmore M， Garner J， Johnson A， et al. Getting around social status： motivation and enrichment use of dominant and subordinate sows in a group setting[J]. Applied Animal Behaviour Science， 2011， 133： 154-163.

[33]  滕光辉， 崔引安. 密闭式鸡舍环境控制的“虚拟系统”[J]. 中国农业大学学报， 2000， 5（2）： 59-62.

Teng G， Cui Y. A study on the environment control “virtual system” of poultry house[J]. Journal of China Agricultural University， 2000， 5（2）： 59-62.

[34]  Cornou C， Kristensen A. Monitoring individual activity before， during and after parturition using sensors for sows with and without straw amendment[J]. Livestock Science， 2014， 168： 139-148.

[35]  Peter A， Torben G， Henrik K. Development of a real-time computer vision system for tracking loose-housed pigs[J]. Computers and Electronics in Agriculture， 2013， 76： 169-174.

[36]  Hansen M， Smith M， Smith L， et al. Towards on-farm pig face recognition using convolutional neural networks[J]. Computers in Industry， 2018， 98： 145-152.

[37]  He K， Zhang X， Ren S， et al. Deep residual learning for image recognition[J]. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition， 2016：

770-778.

[38]  Yu Q， Teng G. Pig behavior research and its application in breeding-landrace pigs as an example[J]. Biomedical Research-India， 2017， Special Issue： s111-s117.

[39]  Simona M， Porto C， Umberto A， et al. A computer vision-based system for the automatic detection of lying behaviour of dairy cows in free-stall barns[J]. Biosystems Engineering， 2013， 115： 184-194.

[40]  Chen H， Xing H， Teng G， et al. Cloud-based data management system for automatic real-time data acquisition from large-scale laying-hen farms[J]. Int J Agric & Biol Eng， 2016， 9（4）： 106-115.

[41]  顧宪红. 畜禽福利与畜产品品质安全[M]. 北京： 中国农业科学技术出版社， 2005.

[42]  Damien M. 欧盟健康养殖现状及未来发展趋势[J]. 中国畜牧业， 2015， 23： 28-29.

[43]  李卫华. 农场动物福利研究[D]. 北京： 中国农业大学， 2005.

Li W. Study on the farm animal welfare[D]. Beijing： China Agricultural University， 2005.

[44]  时建忠. 动物福利若干问题的思考[J]. 中国家禽， 2008， 30（8）： 1-3.

[45]  Shao B， Xing H. A real-time computer vision assessment and control of thermal comfort for group-housed pigs[J]. Computers and Electronics in Agriculture， 2008， 62（1）： 15-21.

[46]  Yu L， Teng G， Li B， et al. A remote-monitoring system for poultry production management using a 3G-based network[J]. Applied Engineering in Agriculture， 2013， 29（4）： 595-601.

[47]  Mallin A， Mclver R， Robuck R， et al. Industrial swine and poultry production causes chronic nutrient and fecal microbial stream pollution[J]. Water， Air， Soil Pollution， 2015， 226： 407.

[48]  Emanuela T， Alberto F， Marcella G. Review： environmental impact of livestock farming and precision livestock farming as a mitigation strategy[J]. Science of the Total Enironment， 2019， 650： 2751-2760.

[49]  Hemsworth P， Barnett J， Hansen C， et al. Effects of social environment on welfare status and sexual behaviour of female pigs II. Effects of space allowance[J]. Applied Animal Behaviour Science， 1986， 16： 259-267.

[50]  Du X， Lao F， Teng G. A sound source localisation analytical method for monitoring the abnormal night vocalisations of poultry[J]. Sensors ， 2018， 18（9）： 2906.

[51]  Shi C， Zhang J， Teng G. Mobile measuring system based on labview for pig body components estimation in a large-scale farm[J]. Computers and Electronics in Agriculture， 2019， 156： 399-405.

[52]  楊艳， 滕光辉， 李保明. 利用二维数字图像估算种猪体重[J]. 中国农业大学学报， 2006， 11（3）： 61-64.

Yang Y， Teng G， Li B. Determination of pig weight from 2D images[J]. Journal of China Agricultural University， 2006， 11（3）： 61-64.

[53]  Shi C， Teng G， Li Z. An approach of pig weight estimation using binocular stereo system based on Labview[J]. Computers and Electronics in Agriculture， 2016， 129： 37-43.

[54]  杨飞云， 曾雅琼， 冯泽猛， 等. 畜禽养殖环境调控与智能养殖装备技术研究进展[J]. 中国科学院院刊， 2019： 163-173.

Yang F， Zeng Y， Feng Z， et al. Research status on environmental control technologies and intelligent equipment for livestock and poultry production[J]. Bulletin of the Chinese Academy of Sciences （BCAS）， 2019， 34（02）： 39-49.

Information sensing and environment control of precision facility livestock and poultry farming

Guanghui Teng

（College of Water Resources & Civil Engineering， China Agricultural University， Beijing 100083， China）

Abstract： The fine breeding of livestock and poultry facilities is the frontier of the development of modern animal husbandry. The core of the fine breeding of livestock and poultry facilities lies in the deep integration of the "Internet of Things+" with traditional farming facilities. In recent years， with the withdrawal of more and more individual family-based breeding models， the management methods of livestock and poultry farms in China have gradually moved towards intensification， large scale，and automated facilitation. The traditional family-style livestock and poultry management experience is falling behind and gradually withdrawing from the historical stage. The refined farming of livestock and poultry facilities based on the individual animal management and quality assurance of farmed animals and animal welfare requirements have become the latest development trend of livestock and poultry farming industry. The rapid development of digital and network technology will provide new opportunities for the organic combination of animal husbandry production， animal welfare， information management and sustainable utilization of natural resources. Economic benefit， animal health and welfare， refinement of production process management and product quality are three key factors that affect the sustainable development of animal husbandry. In this paper， based on expounding the importance of the information sensing and the environmental regulation and control of the fine breeding livestock and poultry facilities， a cutting-edge technology of the information sensing and the environmental regulation and control of the livestock and poultry facilities was introduced; problems and challenges to be faced with were analyzed; and it was concluded that the smart sensor technology would become the base driving force for progress of livestock and fine poultry breeding facilities， taking account of the welfare of livestock and animal performance of animal anthropomorphizing intelligent control technology and strategy is facing significant challenges. In the field of pig farming， the core direction is mechanized production mode， which is light simplification， feed hygiene and animal health. In the field of cattle farming， the main direction is the automation of the whole chain of forage and the safety of its enclosure facilities. In the field of milking technology， the frontier of technological innovation is to further improve milking efficiency and quality， milking process， low disturbance milk metering， and cow individual milk production prediction. In the field of poultry production， similar to cattle farming， more attention is paid to the improvement of engineering processes such as bedding， environment and drinking water. Finally the paper put forward suggestions on how to implement the key technologies of fine farming of livestock and poultry facilities in China， with purpose of providing theoretical reference and technical support for the transformation， upgrading sustainable development of livestock and poultry breeding industry.

Key words： precision facility farming; information sensing; environmental control; precision livestock and poultry farming; intelligent sensors