哺乳母猪智能饲喂系统设计与试验

吕恩利 陈高峰 夏晶晶 王飞仁 吴凡 曾志雄

摘要：為实现哺乳母猪智能饲喂、人机交互友好和易检修，设计一套包括智能饲喂器、手持终端PDA、中央控制器和CAN-Bus总线的哺乳母猪智能精准饲喂系统，可在现场方便进行猪只出入栏管理、猪只状态动态监测、异常情况实时报警功能。在云南省某规模化母猪场安装280台哺乳母猪智能饲喂器，与配置传统饲喂的生产线进行生产性能对比试验。试验结果表明，智能饲喂实现人机交互友好、触碰下料、智能湿拌、无接触操作和易检修的特点。智能饲喂较传统饲喂相比，可提高母猪平均日采食量0.673kg，日饲料浪费量减少0.345kg，智能饲喂和传统饲喂不同日龄的平均日采食量和日饲料浪费量存在极显著差异（P<0.01）；月产健仔数提高10.44%，窝均健仔数增加0.69头，21天断奶仔猪均重增加0.370kg；哺乳母猪背膘损失降低34.43%，7天断配率提高4%。对系统进行投资回报率分析，智能饲喂能有效减少饲料浪费，提高生产成绩，投资回报率高，可有效助力规模化猪场降本增效。该研究对母猪智能饲喂系统的开发和应用提供参考。

关键词：哺乳母猪；智能饲喂；生产性能；采食量；断配率

中图分类号：S818.9： S828

文献标识码：A

文章编号：20955553 （2023） 070154

09

Design and test of intelligent feeding system for lactating sows

Lü Enli1， Chen Gaofeng1， 2， Xia Jingjing2， 3， Wang Feiren3， Wu Fan1， 4， Zeng Zhixiong1， 5

（1. College of Engineering， South China Agricultural University， Guangzhou， 510642， China; 2. Guangzhou Jiaen

Technology Co.， Ltd.， Guangzhou， 511363， China; 3. Guangdong Mechanical and Electrical Vocational and

Technical College， Guangzhou， 510550， China; 4. Changnong Food Co.， Ltd.， Wenshan， 663000， China;

5. Maoming Branch， Guangdong Laboratory for Lingnan Modern Agriculture， Maoming， 525000， China）

Abstract： To achieve intelligent feeding， user-friendly human-computer interaction， and easy maintenance for lactating sows， a set of intelligent and precise feeding systems for lactating sows was designed. This system includes an intelligent feeder， a handheld personal digital assistant terminal， a central controller， and a CAN-Bus bus. It enables convenient on-site management of pig entry and exit management， dynamic monitoring of pig status， and real-time alarm functions for abnormal conditions. In a large-scale sow farm in Yunnan Province， 280 intelligent feeders for lactating sows were installed， and a production performance comparison test was carried out with the production line equipped with traditional feeding. The test results showed that intelligent feeding facilitates realized user-friendly human-computer interaction， touch-sensitive feeding， intelligent wet mixing， non-contact operation， and easy maintenance. Compared with traditional feeding， intelligent feeding increased the average daily feed intake of sows by 0.673kg and reduced the daily feed waste by 0.345kg， indicating significant differences （P<0.01） in the average daily feed intake and daily feed waste at different ages between intelligent feeding and traditional feeding. The number of healthy piglets per month increased by 10.44%， the number of healthy piglets per litter increased by 0.69， and the average weight of weaned piglets at 21 days increased by 0.370kg. The backfat loss of lactating sows decreased by 34.43%， and the 7-day weaning estrus rate increased by 4%. The return on investment analysis of the system demonstrated that intelligent feeding effectively reduces feed waste， improves production performance， and has a high return on investment， which can effectively help large-scale pig farms reduce costs. This study provides a reference for the development and application of intelligent feeding systems for sows.

Keywords： lactating sows; intelligent feeding; production performance; feed intake; weaning estrus rate

0 引言

哺乳母猪智能饲喂对提高哺乳期母猪生产成绩和降低生产成本具有重要意义，智能饲喂已成为哺乳母猪管理的重点关注问题［13］。智能饲喂可通过实时采集系统内的母猪采食量、饮水量、活仔数等动态数据，控制下料和下水机构，自动完成下料和下水，起到提高哺乳母猪采食量、减少饲料浪费、提高断配率等生产指标，达到降本增效的目的［45］。

规模化母猪养殖中，国内学者熊本海等［6］设计了哺乳母猪精准饲喂下料控制系统，通过控制电动推杆以获得稳定的下料量，实现了对预设饲喂量的准确投喂。王美芝等［7］分析了智能饲喂器对哺乳母猪采食量、体况和生产性能的影响，通过试验表明智能化饲喂在今后可替代有经验的人工饲喂。刘妍华等［8］设计了妊娠母猪智能饲喂器，采用多分段饲喂方案，发现实际下料量与理论下料量较吻合，可减少饲料浪费。刘俊灵等［9］设计了智能母猪饲喂系统的数据通信协议，利用通信协议可以实现智能群养母猪饲喂站与后台饲喂管理系统的双向稳定通信。国外学者Gauthier等［10］采用加拿大Gestal自动饲喂器饲喂母猪，通过记录哺乳母猪每天的采食量，使得饲喂器能够根据母猪自身的营养需求进行自动饲喂，同时有效地限制了饲料浪费。Thomas等［11］采用荷兰Nedap Velos电子母猪饲喂站，开展了母猪群养饲喂试验，记录信息，实现了母猪采食智能化、数字化和可视化管理。研究结果表明，智能饲喂能显著提高哺乳母猪的采食量，减少饲料浪费，控制母猪体况；改善了母猪生长性能，解决了精准喂料等问题；智能饲喂效果可达到优秀饲养员的饲喂水平，同时可降低劳动强度，并提高饲料转化效率［1213］。由于猪场一线员工文化水平普遍偏低，且人员流动率较大，因此对智能饲喂提出了更高的要求。另外，目前关于哺乳母猪智能饲喂的批量应用试验的文献相对较少，同时缺少与传统饲喂方式的生产数据对比。

本文主要研究智能饲喂对母猪性能指标的影响，设计了哺乳母猪智能饲喂系统，系统由智能饲喂器、中央控制器、手持终端PDA和CAN-Bus总线4部分集成，并在规模化母猪场开展智能饲喂与传统饲喂批量对比试验，该研究对哺乳母猪智能饲喂系统的开发和应用提供参考。

1 智能饲喂系统试验平台设计

哺乳母猪智能饲喂试验平台，包括中央控制器、智能饲喂器（280台）、手持终端PDA和CAN-Bus总线4部分，智能饲喂器通过CAN-Bus总线与中央控制器进行通讯，采用无线通讯与手持终端PDA进行交互。系统通过采集母猪采食量、饮水量、活仔数等动态数据，智能控制下料和下水，起到提高哺乳母猪采食量、降低饲料浪费的目的［1415］，总体架构示意图如图1所示。

1.1 中央控制器设计

中央控制器（Central Controller）系统选用Windows10 64位专业版操作系统（Intel（R） Celeron（R） CPU J1900，1.99 GHz），内存（RAM）选用4.00 GB。中央控制器中的桌面应用软件选用Qt Creator轻量级集成开发环境所设计，并结合C语言面向对象编程语言所开发。为方便规模化猪场饲养员的日常管理，中央控制器显示屏选用触摸屏式工控机。中央控制器人机交互界面具有显示设备状态信息、猪群信息、饲喂曲线设置与下发和系统设置等功能，实现了系统操作的人性化和过程的可视化。饲喂曲线设置包括饲喂餐次及对应饲喂比例、水料比。同时，中央控制器动态记录与显示母猪实际采食量、饮水量，为诊断哺乳母猪疫病提供参考。其中，中央控制器的应用软件采用迭代相加法，可计算猪舍本批哺乳母猪的总饲料消耗量，有助于猪场技术人员管理生产。人机交互界面的饲喂曲线和餐次设置如图2所示。

1.2 智能饲喂器设计

為满足规模化猪场强酸强碱的复杂环境，智能饲喂器外壳选用高强度、耐腐蚀性的304不锈钢制作。为适应哺乳母猪舍高频率冲洗，排除电路进水隐患，智能控制器的线路出口处选用尼龙塑料的防水电缆接头，智能饲喂器与中央控制器以及流量计等传感器之间的线路连接选用拔插式快速防水接头。智能饲喂器控制方式采用STM32嵌入式技术，为满足系统稳定运行，核心板选用具有大容量储存的STM32F103VET6芯片，CPU内核为Cortex-M3，主芯片内部时钟频率为增强型72MHz，最大耗散功率为434mW，工作温度范围为-40℃～85℃。核心电路主要接口包括CAN-bus总线通讯、RS-232串口通讯、WiFi通讯、电机控制输出、流量计A/D采集以及报警灯显示等。为保证饲喂过程中时间准确，选用低功耗CMOS实时时钟芯片BM8563，并匹配20pF的电容，32.768kHz标准频率的晶振，最大总线速度可达400kbits/s。为确保核心板3.3V的端口稳定运行，选用具有过流保护、过温保护以及低噪声的SPX1117-3.3低压差线性稳压器。滤波电路中选用高效能TVS-SMAJ6CA瞬态电压抑制二极管保护器件，避免猪场大功率设备启停、电网不稳定以及雷击干扰等现象产生的浪涌脉冲损坏电路。其核心电路控制原理设计如图3所示。

智能饲喂器根据中央控制器下发的饲喂方案，控制下料和下水，并将实时采集的母猪已采食量、已饮水量、活仔数等数据，通过CAN-Bus总线传输给中央控制器。智能饲喂器以控制盒上二维码作为设备ID号码，报警灯用于对猪只采食异常和设备异常的报警显示，用户可通过PDA扫描二维码查询该饲喂器的具体报警信息。

1.2.1 下料方式设计

智能投料选用常州路易推杆电机，通过电机轴往复直线运动进行下料，推杆电机选型参数包括：直流电压为24V，推杆行程为50mm，速度为36mm/s，最大推力为250N。

为了控制和反馈推杆电机的实时状态，电路设计中选用HFD4/5-SR信号继电器，以构成自动控制下料及故障检测的功能电路。为保证下料信号稳定可靠，适应高速大功率的驱动系统，选用具有电流增益高、带负载能力强的ULN2003高耐压复合阵列晶体管，可实现驱动HFD4/5-SR信号继电器。推杆电机电路设计如图4所示。

下料方式采用刺激下料和触发下料相结合。到饲喂时刻，饲喂器会先刺激下一定体积的饲料（约100g，具体依饲料密度）；当母猪触发到触碰传感器，再投料，直至将本餐次设定饲喂量下完，下料逻辑如图5所示。

1.2.2 水路设计

智能饲喂饮水模块采用了一分为二的方式，出水管分为鸭嘴式水嘴（供母猪自由饮水）和湿拌料水管，水路设计如图6所示。

湿拌料下水量依据饲喂曲线设定的水料比，在下料时刻通过电磁阀和流量计共同控制下水。进水口安装流量计（工作电压：5V，流量范围：1～30L/min，水压：≤1.75MPa），流量计利用NPN霍尔效应传感器原理，通过三极管的开关特性将磁信号转换成高、低电平的开关信号，以便控制湿拌料的下水量。流量计电路设计中选用TPL521-1XSM光电耦合器能够单向采集信号，有效抑制干扰、隔离噪声、提高信噪比，增强电路的安全性。

1.3 手持终端PDA

手持终端PDA（Personal Digital Assistant）基于Android 8.1.0操作系统，利用Java语言作为开发语言开发了一款轻量级APP应用软件。为满足猪场恶劣环境以及饲养员方便、快捷地进行人机交互，手持终端PDA的通讯技术选用具有双向传播、抗干扰性强、传输距离远的2.4GHz无线WiFi局域网技术，通过扫描饲喂器上的二维码标识与智能饲喂器进行交互通讯［16］。WiFi通讯协议为IEEE802.11b局域网协议，传输范围为100m，速度最大可达11Mbps。手持终端PDA内置的哺乳母猪智能饲喂APP软件，主界面设有入栏模块、分娩模块、个性饲喂模块、报警模块、查询模块和出栏模块。

1.4 CAN-Bus总线

CAN-Bus（Controller Area Network-work Bus）总线采用差分信号传输方式，以双绞线作为物理层，用2根导线作为差分信号线（CAN_H、CAN_L），CAN-Bus总线具有保障通讯可靠、抗干扰能力强等特点［17］。其中，采用ISO1050UBR隔离型CAN总线收发器、ADUM1201BRZ数字隔离器、U14HDF4/5通讯继电器，构成稳定可靠的总线控制。CAN协议采用ISO11898标准，通信速率为125kbps。为了减少回波反射，在CAN总线的首端和末端各加装1个120Ω的终端电阻。为保证CAN-Bus总线模块高效、稳定的传输数据，设计了分布式电源系统，采用具有可持续短路保护、温度特性好的B0505S-1W电源模块将输入电源隔离，并输出高精度电源以供CAN总线模块使用。其中，电源隔离模块中的滤波电路采用TVS-SMBJ7CA瞬态电压抑制二极管保护器件，防止浪涌脉冲损伤电路。

CAN通訊电路设计如图7所示。为方便智能饲喂器维护，CAN-Bus总线采用T型分支方式将中央控制器和智能饲喂器进行连接，使得中央控制器和智能饲喂器实现交互控制与数据传输。

2 试验结果与分析

2.1 试验方案

2021年6—8月在云南省某规模化母猪场的2条生产线上进行智能饲喂和传统饲喂的对比试验。其中，2条生产线建设栏位标准相同，线长为同一人，管理方式相同。在其中的1条哺乳舍生产线全部安装智能饲喂系统，5个单元，共计280台智能饲喂器。每个单元包括1台中央控制器、56台智能饲喂器和1台手持终端PDA。对比组的1条生产线采用传统的定量桶。智能饲喂根据设定的饲喂方案进行智能饲喂，喂食水料［1820］；传统饲喂是由优秀饲养员根据哺乳母猪采食情况手动调整每日饲喂量，喂食干料［2122］。传统饲喂和智能饲喂的饲喂餐次设置如表1、表2所示。

2.2 试验对比指标

在母猪预产前7天到分娩后第21天（仔猪断奶）期间，统计母猪日投料量、日总饮水量（湿拌料饮水量和鸭嘴式水嘴饮水量之和）、料槽剩料、仔猪质量变化、窝均健仔数、背膘变化等［2325］；在母猪断奶后，统计母猪7天内发情率，试验方案设计如表3所示。

2.3 结果与分析

2.3.1 对哺乳母猪采食量的影响

试验期间为母猪分娩前7天到分娩后第21天（断奶）。智能饲喂通过中央控制器统计每日数据，传统饲喂按照定量桶刻度统计每日数据。针对智能饲喂和传统饲喂，分别选取30头初产二元母猪，对比其日投料量、日采食量和日浪费量的变化，如图8所示。日投料量是指每日投放到每头母猪食槽的平均饲料质量；日浪费量是指每日每头母猪食槽的剩余饲料质量；日采食量是指每日每头母猪的平均实际采食量。

从图8可以看出，智能饲喂较人工饲喂的日投料量和日采食量都高，其中日投料量平均每天提高0.328kg，增加8.01%，日采食量平均每天提高0.673kg，增加17.33%，分析得出智能饲喂和传统饲喂不同日龄的日平均采食量存在极显著差异（P＜0.01）。智能饲喂较人工饲喂的日饲料浪费量减少0.345kg，降低61.80%，分析得出智能饲喂和传统饲喂不同日龄的日平均饲料浪费量存在极显著差异（P＜0.01）。从饲料利用率分析表明，智能饲喂饲料利用率为94.80%，传统饲喂饲料利用率为85.18%，智能饲喂较传统饲喂饲料利用率高9.61%，有效减少了饲料浪费。

2.3.2 哺乳母猪日饮水量变化

智能饲喂可以统计哺乳母猪的日用水总量变化，日用水总量为湿拌料用水量和饮水嘴用水量之和，哺乳母猪从分娩前7天到分娩第21天（断奶）日饮水量变化如图9所示。智能饲喂通过中央控制器统计每日饮水量，传统饲喂喂干料，不统计饮水量。从图9可以看出，母猪总用水量随日龄的增加而增加，在母猪分娩后第10～21天日平均用水量是分娩前7天日平均用水量的2.81倍。

2.3.3 对仔猪生长性能的影响

分别选取智能饲喂和传统饲喂的10头体况相近的母猪，分别在仔猪日龄为1、4、7、10、14、18、21天时对仔猪进行称重，分析智能饲喂和传统饲喂对仔猪生长性能的影响，仔猪重量随日龄变化如图10所示。从图10可以看出，智能饲喂较传统饲喂相比，21日龄仔猪断奶均重增加0.370kg，仔猪均匀度更高，分析得出智能饲喂和传统饲喂不同日龄的仔猪质量存在极显著差异（P＜0.01）。

2.3.4 生产成绩

分别统计智能饲喂与传统饲喂在2021年7月和8月的生产成绩，包括基母存栏数、分娩母猪总数、月产总仔数、窝均产仔数、月产健仔数、窝均健仔数和7天断配率，生产数据如表4所示。从表4可以看出，采用智能饲喂的生产线较传统饲喂的生产线相比，月产健仔数提高10.44%、窝均健仔数增加0.69头、7天断配率提高4%，分析得出智能饲喂和传统饲喂的窝均健仔数存在显著差异（P＜0.05），7天断配率存在极显著差异（P＜0.01）。

统计智能饲喂与传统饲喂仔猪在栏时间、母猪产后在栏时间和产床周转周期3个生产指标，智能饲喂均比传统饲喂早，分析得出智能饲喂和传统饲喂母猪产后在栏时间存在极显著差异（P＜0.01）。特别是产床周转周期提早了5d，母猪生产效率高，提高产房周转率［26］，如图11所示。试验结果表明：智能饲喂与传统饲喂比较，智能饲喂可为猪场提高经济效益，将有效促进中、小型母猪场降本增效。

2.3.5 母猪背膘

针对智能饲喂与传统饲喂，分别选取体况相近的10头初产二元后备母猪为试验对象，用牧斯德（MUSYDER）背膘仪分别测母猪入栏、分娩1d、7d、14d、21d的背膘膘厚，测量位置为母猪最后一根肋骨的外切横截面，距离背中线两侧6.5cm处［27］，测量参数如图12所示。试验结果表明：智能饲喂较传统饲喂相比，哺乳母猪背膘损失率降低34.43%，将有助于断奶母猪在7天内发情［28］。分析得出智能饲喂和传统饲喂不同日龄的母猪背膘存在显著性差异（P＜0.05）。哺乳母猪背膘损失率

Loss=（Bio-Bie）-（Bto-Bte）

Bto-Bte

式中：

Loss——

智能饲喂比传统饲喂母猪背膘损失降低的百分比；

Bio——

智能饲喂中母猪入栏时的平均背膘厚度，mm；

Bie——

智能饲喂中母猪21日龄的平均背膘厚度，mm；

Bto——

传统饲喂中母猪入栏时的平均背膘厚度，mm；

Bte——

传统饲喂中母猪21日龄的平均背膘厚度，mm。

2.3.6 哺乳母猪智能饲喂器投资回报率

对比哺乳母猪智能饲喂与传统定量桶饲喂，从降本增效的角度，对单个智能饲喂器每月增加的收益进行分析［2930］。智能饲喂较传统饲喂饲料利用率高9.61%，按照哺乳母猪饲料4000元/吨，每個饲喂器减少饲料浪费约1.38元/天，按照市场价1台饲喂器2100元左右，采用哺乳母猪智能饲喂器，猪场可较快回收成本，投资回报率高，可有效助力猪场降本增效。

3 结论

1） 为实现哺乳母猪智能饲喂、改善生产性能、降低饲喂成本，本文设计了一套哺乳母猪智能饲喂系统，系统包括智能饲喂器、手持终端PDA、中央控制器和CAN-Bus总线四部分。智能饲喂器通过CAN-Bus总线与中央控制器进行通讯，采用WiFi无线通讯技术与手持终端PDA进行交互。系统具有人机交互友好、触碰下料、智能湿拌、无接触操作、异常情况报警和易检修等特点，可满足哺乳母猪的饲喂管理需求。

2）  为研究哺乳母猪智能饲喂系统的应用效果，利用智能饲喂系统与传统饲喂方式进行对比饲喂试验，结果表明：智能饲喂提高了母猪平均日采食量0.673kg，增加17.33%，日饲料浪费量减少0.345kg，降低61.80%，智能饲喂与传统饲喂不同日龄的平均日采食量和日饲料浪费量存在极显著差异。

3）  针对智能饲喂与传统饲喂方式的差异，对母猪生产性能数据进行统计分析，结果表明：智能饲喂与传统饲喂的生产成绩差异显著，其中，智能饲喂的母猪生产成绩较好，月产健仔数提高10.44%，窝均健仔数增加0.69头，21天断奶仔猪均重增加0.370kg，哺乳母猪背膘损失降低34.43%，7天断配率提高4%；智能饲喂可有效控制母猪体况，改善母猪的生产性能。

4）  在投资回报率分析过程中，智能饲喂系统较传统饲喂饲料利用率高9.61%，可有效限制饲料浪费，提高生产成绩，节省人力，可助力规模化母猪场降本增效。

参 考 文 献

［1］ 孟蕊， 崔晓东， 余礼根， 等. 畜禽精准饲喂管理技术发展现状与展望［J］. 家畜生态学报， 2021， 42（2）： 1-7.

Meng Rui， Cui Xiaodong， Yu Ligen， et al. The development status and prospects of livestock and poultry precise feeding management technologies ［J］. Journal of Domestic Animal Ecology， 2021， 42（2）： 1-7.

［2］ Normile D. Arrival of deadly pig disease could spell disaster for China ［J］. Science， 2018， 361： 741.

［3］ Stokstad E. Deadly virus threatens European pigs and boar ［J］. Science， 2017， 358： 1516-1517.

［4］ 郭瑤， 姚春燕， 王强军， 等. 智能电子饲喂系统下猪采食时间对行为节律和生长的影响［J］. 农业工程学报， 2022， 38（11）： 206-214.

Guo Yao， Yao Chunyan， Wang Qiangjun， et al. Effects of eating time on behavioral rhythm and performance of pigs under an intelligent electronic feeding system ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2022， 38（11）： 206-214.

［5］ 黎煊， 帅永辉， 刘小磊， 等. 自锁式小群妊娠母猪智能饲喂机构设计与试验［J］. 农业工程学报， 2022， 38（13）： 38-46.

Li Xuan， Shuai Yonghui， Liu Xiaolei， et al. Mechanism design and experiments of the self-locking intelligent feeding system for small-group pregnant sows ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2022， 38（13）： 38-46.

［6］ 熊本海， 杨亮， 郑姗姗， 等. 哺乳母猪精准饲喂下料控制系统的设计与试验［J］. 农业工程学报， 2017， 33（20）： 177-182.

Xiong Benhai， Yang Liang， Zheng Shanshan， et al. Design and test of precise blanking control system for lactating sows ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2017， 33（20）： 177-182.

［7］ 王美芝， 安涛， 刘继军， 等. 智能饲喂器对哺乳母猪采食量体况和生产性能的影响［J］. 农业工程学报， 2019， 35（6）： 190-197.

Wang Meizhi， An Tao， Liu Jijun， et al. Effect of intelligent feeder on feed intake， body condition and production performance of lactating sows ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2019， 35（6）： 190-197.

［8］ 刘妍华， 周思理， 曹永峰， 等. 妊娠母猪智能饲喂器设计与试验［J］. 中国农机化学报， 2021， 42（4）： 183-189.

Liu Yanhua， Zhou Sili， Cao Yongfeng， et al. Design and testing of intelligent feeder for pregnant sows ［J］. Journal of Chinese Agricutural Mechanization， 2021， 42（4）： 183-189.

［9］ 刘俊灵， 石军锋. 智能母猪饲喂系统的高效可靠数据通信协议设计［J］. 中国农机化学报， 2020， 41（8）： 185-190， 210.

Liu Junling， Shi Junfeng.Design of efficient and reliable data communication protocol for intelligent sows feeding system ［J］. Journal of Chinese Agricultural Mechanization， 2020， 41（8）： 185-190， 210.

［10］ Gauthier R， Largout C， Rozé L， et al. Online forecasting of daily feed intake in lactating sows supported by offline time-series clustering， for precision livestock farming ［J］. Computers and Electronics in Agriculture， 2021， 188： 106329.

［11］ Thomas L L， Herd L K， Goodband R D， et al. Effects of increasing standardized ileal digestible lysine during gestation on reproductive performance of gilts and sows ［J］. Animal， 2021， 15（7）： 100221.

［12］ Gaillard C， Durand M， Largout C， et al. Effects of the environment and animal behavior on nutrient requirements for gestating sows： Future improvements in precision feeding ［J］. Animal Feed Science and Technology， 2021， 279： 115034.

［13］ Ma Weihong， Fan Jinwei， Zhao Chunjiang， et al. The realization of pig intelligent feeding equipment and network service platform ［C］. Proceedings of the International Conference on Intelligent Agriculture 2017 （ICIA2017） Part II， 2017.

［14］ 梁逸夫. 母猪批次化管理和精准饲喂技术研究［D］. 武汉： 华中农业大学， 2022.

Liang Yifu. Precision feeding technology studies on sow batch management and precision feeding technology ［D］. Wuhan： Huazhong Agricultural University， 2022.

［15］ 曹永峰， 陈高峰， 王飞仁， 等. 保育猪智能粥料饲喂系统设计与试验［J］. 中国农机化学报， 2022， 43（7）： 36-43.

Cao Yongfeng， Chen Gaofeng， Wang Feiren， et al. Design and experiment of intelligent feeding system for piglets ［J］. Journal of Chinese Agricultural Mechanization， 2022， 43（7）： 36-43.

［16］ 趙春江. 智慧农业的发展现状与未来展望［J］. 华南农业大学学报， 2021， 42（6）： 1-7.

Zhao Chunjiang. Current situations and prospects of smart agriculture ［J］. Journal of South China Agricultural University， 2021， 42（6）： 1-7.

［17］ 丁友强， 刘彦伟， 杨丽， 等. 基于Android和CAN总线的玉米播种机监控系统研究［J］. 农业机械学报， 2019， 50（12）： 33-41.

Ding Youqiang， Liu Yanwei， Yang Li， et al. Monitoring system of maize precision planter based on Android and CAN bus ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2019， 50（12）： 33-41.

［18］ Juul L， Kristensen T， Theil P K， et al. Effect of two different feeding strategies on energy intake from pasture， feed efficiency and growth performance of growing-finishing pigs in a mobile pasture system ［J］. Livestock Science， 2021， 252： 104690.

［19］ Xin H， Wang M， Xia Z， et al. Fermented diet liquid feeding improves growth performance and intestinal function of pigs ［J］. Animals （Basel）， 2021， 11（5）.

［20］ 刘莫尘， 马郡祥， 韩守强， 等. 固态发酵饲料自动发酵饲喂一体设备设计与试验［J］. 农业机械学报， 2018， 49（11）： 141-147.

Liu Mochen， Ma Junxiang， Han Shouqiang， et al. Design and experiment of automatic fermenting and feeding equipment for solid-state fermented feed ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2018， 49（11）： 141-147.

［21］ 吕恩利， 何欣源， 罗毅智， 等. 哺乳母猪智能饲喂物联网系统设计［J］. 华南农业大学学报， 2023， 44（1）： 57-64.

Lü Enli， He Xinyuan， Luo Yizhi， et al. Design of intelligent feeding IoT system for lactating sows ［J］. Journal of South China Agricultural University， 2023， 44（1）： 57-64.

［22］ Gaillard C， Brossard L， Dourmad J Y. Improvement of feed and nutrient efficiency in pig production through precision feeding ［J］. Animal Feed Science and Technology， 2020， 268： 114611.

［23］ Pierozan C R， Callegari M A， Dias C P， et al. Herd-level factors associated with piglet weight at weaning， kilograms of piglets weaned per sow per year and sow feed conversion ［J］. Animal， 2020， 14（6）： 1283-1292.

［24］ Clowes E J， Aherne F X， Foxcroft G R， et al. Selective protein loss in lactating sows is associated with reduced litter growth and ovarian function ［J］. Journal of Animal Science， 2003， 81（3）： 753-764.

［25］ Gianluppi R D F， Lucca M S， Mellagi A P G， et al. Effects of different amounts and type of diet during weaning-to-estrus interval on reproductive performance of primiparous and multiparous sows ［J］. Animal， 2020， 14（9）： 1906-1915.

［26］ 李煜， 黃程， 林五清， 等. 长大初产母猪背膘厚度对繁殖性能的影响［J］. 华中农业大学学报， 2020， 39（1）： 111-115.

Li Yu， Huang Cheng， Lin Wuqing， et al. Effect of backfat thickness on reproductive performance in Landrace × Yorkshire gilt ［J］. Journal of Huazhong Agricultural University， 2020， 39（1）： 111-115.

［27］ Lavery A， Lawlor P G， Magowan E， et al. An association analysis of sow parity， live-weight and back-fat depth as indicators of sow productivity ［J］. Animal， 2019， 13（3）： 622-630.

［28］ Jang J C， Jung W S， Jin S S， et al. The effects of gilts housed either in group with the electronic sow feeding system or conventional stall ［J］. Asian Australas Journal of Animal Sciences， 2015， 28（10）： 1512-1518.

［29］ Ali B M， Berentsen P B M， Bastiaansen J W M， et al. A stochastic bio-economic pig farm model to assess the impact of innovations on farm performance ［J］. Animal， 2018， 12（4）： 819-830.

［30］ Gaillard C， Dourmad J. Application of a precision feeding strategy for gestating sows ［J］. Animal Feed Science and Technology， 2022， 287： 115280.