奶牛养殖：从智慧牧场到智慧牧业，从数据分析到数据应用

文/本刊记者 任秋鸿 彭 华

当今时代，发展智慧农业已经成为农业产业升级的重要抓手。如何从根本上提升我国的奶牛养殖水平，打造更为精细化的管理体系，更加智能化的生产方式，从而打通产业链上下游，实现业务联动、精准决策、智能制造的具有现代化特色、适应我国国情的奶牛大规模养殖模式，是业内同仁需共同面对的挑战和机遇。

在此背景下，由北京和牧兴邦网络技术有限公司（简称“和牧兴邦”）、北京楷行管理咨询有限公司（简称“楷行咨询”）共同发起，北京安乐福公司大力支持下的“牧业新兴技术研讨会”在江苏苏州召开。会议邀请了威斯康星大学Victor Cabrera教授、比利时根特大学Miel Hostens教授、北京楷行管理咨询有限公司首席顾问陈楷行博士等行业资深专家分别就“智慧牧业：威斯康辛大学牛场智慧大脑的启示”“将大数据转化成价值，将数据用于乳制品行业”“提高首配受胎率的流程细化大数据研究”等内容作了报告，向与会代表详尽阐释了牧场数据处理和应用的原理和案例，展示了大数据在奶业领域的实质性应用成果。同济大学饶卫雄教授、深圳市讯联电子有限公司总经理毛有杨等数据/计算机专家分别就“浅析新一代人工智能”“物联网在畜牧业的应用前景”等内容作了报告，向与会代表科普了人工智能和物联网等信息技术的知识。北京和牧总经理王智就“智慧牧业顶层设计方案与实践”作了报告，介绍了智慧牧业的基础设施、6 个基础架构和3 个一体化运行架构。

全场

Miel Hostens

Victor Cabrera

陈楷行

饶卫雄

毛有杨

王智

会议邀请了优然牧业、圣牧高科、光明、卫岗、三元、广东奶研所等国内大型牧业集团智慧牧场项目负责人共同商讨智慧牧业的建设思路。会上国内外专家对智慧牧业的定位、牧业数据的应用前景、机会以及挑战进行了深入探讨；会后共同发起了，业内第一个大数据+人工智能产品在奶牛繁殖领域的实验方案，首次在奶业养殖业探索大数据的具体应用。通过参会大家收获满满，对大数据、人工智能、物联网应如何与牧业相结合有了更为清楚的认识，对于今后奶业的发展有了更为清晰的思路。综合各专家的报告和研讨内容，本次会议特点可概括为以下几点。

奶业养殖应从智慧牧场向智慧牧业转变

王智提出，当下的中国奶牛养殖业应该从智慧牧场向智慧牧业转变，其核心的变化，就是从面向牧场内部的智能生产思路，向奶牛养殖整个产业链的协同工作、精准决策、智能制造的思路转变。他强调智慧牧场主要是解决牧场内部的问题，而智慧牧业则是将自动控制、物联网、大数据、人工智能等信息技术应用于奶牛饲养过程中，通过各生产环节的业务联动、精准决策、智能制造等模式创新，实现更少的资源投入，更大的产品产出。智慧牧业可以将所有与牧场生产有关的资源都联动起来，进行协同生产，使得牧场供应商的服务更加精准和及时；让物料加工、供应更加的经济，尽可能减少中间浪费。过去传统的牧场以人为核心，依靠优秀的场长出色的完成各项决策和管理工作；而当前随着牧场规模化水平的不断提高，尤其是万头牧场，集团化牧场的不断涌现，这类优秀的人才储备明显不足。因此更多的牧场开始越来越以数据为中心，利用这些数据产生常规的分析报表，以辅助决策和经营管理。但是面向未来，奶牛养殖一定会拥有更加智能、更加灵活的生产组织方式和生产工具，其核心应以数据应用为中心，即如何不断地从生产、业务数据中挖掘更有价值的内容，提升业务的洞察力，让具有智能属性的数据不但可以发现问题，还可以指导生产。因此，可以断言，未来产业的竞争在于，各个企业管理团队处理和应用数据的能力。

奶牛养殖各个环节之间的数据应进行有效的整合

王智指出牧场通常都会有很多数据收集软件，但这些数据都单独放在一个位置，由于是分开收集的，没有交互，无法将这些数据当做一个整体进行处理。比如：牧场有财务管理软件和牧场管理软件，从财务数据看牧场盈利了，但不知道盈利的原因是什么，因为财务软件没有与生产软件关联。从牧场角度看，产量提升了，但是不清楚提升的产量具体带来了多大的盈利能力。像这样割裂的数据，很难给牧场一个清晰的全景图，也难以做出更加精准的决策。

为解决数据割裂无法关联的问题，王智提出数据仓库的概念，即将所有数据库打通，放在一个地方，就像仓库一样，将各类数据按照一定的分析思路整理好，放在仓库里待用。Victor Cabrera也提出了类似的概念，他称之“农业中心”，具体工作内容包括：数据获取、数据解码、数据清洗、数据均一化和数据整合。而毛有杨则从当前物联网的发展角度提出技术可以链接一切的思路和前景。

数据整合分析可以得到不同数据间的关联关系

Miel Hostens利用德国一家牧场1 500 头牛的数据，研究了围产期疾病对产奶量、产后繁殖性能和淘汰率的影响。他将牧场管理系统和奶厅管理系统的数据进行了有效整合，分析了围产期疾病如子宫炎、酮病、产后瘫、乳房炎、双胎、胎衣不下、真胃移位等对产后产奶量的影响（图1）。分析结果还显示导致牛群淘汰的关键疾病的排序依次是产后瘫、真胃移位、乳房炎、酮病、双胎（图2）。

图1 健康牛、得了一种和两种以上围产期疾病奶牛的泌乳曲线对比

图2 应用生存和决策树分析评估代谢疾病对围产期奶牛淘汰风险的影响

数据/计算机专家与领域专家之间应协同合作

饶卫雄通过介绍人工智能领域中一个有趣的故事：“西红柿到底是蔬菜还是水果”，来说明了领域专家与计算机专家之间协同合作的重要性。计算机专家利用样本数据（胡萝卜、苹果、香蕉、培根等）的关键特征信息（甜度和脆度），采用欧氏距离法测量西红柿与样本间的相似度，最后得出西红柿的类别属于水果。但是根据人们的常规思维和植物学家的定义，西红柿更像蔬菜。饶卫雄指出数据专家在做一些数据分析或者数据挖掘的时候，得出的结论可能与事实或者日常生活违背，那么这个时候就需要数据专家与相关领域专家协同合作，共同讨论，才能了解事物的真谛。

这个话题也在Victor Cabrera领导的美国威斯康星大学牧场智慧大脑项目（the University of Wisconsin Dairy Brain）中得以印证。在这个项目中，专家组成员不但有牧业专家，还有数据专家和计算机专家，通过跨学科的合作来实现对牧场产生数据的深度挖掘和应用。另外一位报告专家，Miel Hostens本人既是兽医专家又是信息技术专家，正是因为有了这样的跨学科的专业背景，使得他能利用牧场产生的大数据建立更为精确的模型，对奶牛未来的产奶和疾病情况进行预判。和牧兴邦的王智也提出牧业从业者尤其是牧业数据管理人员应加强与人工智能、数据分析、物联网等方面专家的交流，开展紧密的合作，提高信息技术知识的积累，更快更好地发展智慧牧业。

会议发起了大数据+人工智能实验性项目

陈楷行提出，在这样一个人工智能+大数据即将改变行业的前夜，楷行咨询率先启动咨询服务模式的转型，将从一个以数据为基础的牧场技术服务企业，向一个牧业人工智能开发与实践的新兴牧业技术服务企业转型。对于当前来说，每个牧场都收集了大量的数据，但这些数据如果不用就等于是浪费，只有把数据用起来，为管理提供决策依据，这些数据才能具有价值。而这些数据量很大，工作量也很大，需要借助人工智能去开发。同时牧场要提升数据的价值意识，努力使数据记录更加完整和准确。

图3 高繁殖循环示意图

陈楷行利用UniDairy平台的部分数据，包含近16万头奶牛的数据样本，研究了高繁殖循环对首配受胎率的影响。高繁殖循环的概念由美国威斯康星大学Paul M. Fricke提出，其要点就是让奶牛快速怀孕，在自愿等待期结束时，奶牛的体况损失就会减少，而这些奶牛也会表现更少的健康问题，更高的繁殖力和更少的胚胎早期损失（图3）。陈楷行以产后130 天前后受孕为标准，将奶牛分为高繁殖循环和低繁殖循环，发现与低繁殖循环奶牛相比，高繁殖循环奶牛产后疾病低大约4 个百分点，首配受胎率高出5～12 个百分点，21 天怀孕率提高4 个百分点，130 天怀孕率高10 个百分点。另外，对使用和不使用同期流程的数据进行对比分析发现，使用流程的牧场比没有使用流程的受胎率高。在此基础上，陈楷行在会议上发起了“面向繁殖高循环的，流程细化解决方案”实验项目。其目的是利用大数据计算出影响繁殖效率的核心疾病和因素，并利用UniDairy平台中强大的流程自定义功能，为不同类型的牛群，动态分配相适应的繁殖流程和处置方案，并跟踪效果分析，做出动态调整。最终，帮助牧场提升在产后130 天内怀孕的牛群比例，提高下个胎次的牧场高繁殖循环奶牛的比例。

合影