规模化肉牛场数字化管控平台的开发与应用

张帆，周梦婷，唐湘方，刘民泽，杨振刚，熊本海

摘要：随着我国肉牛规模化设施养殖模式的逐步普及，对牛只的精细化甚至智慧化管控已提上议事日程；同时，物联网、大数据、人工智能（AI）甚至大模型的快速发展正不断渗透到各行各业，使得对包括传统养殖在内的智慧管控也成为可能。本研究以阳信亿利源5G数字化牧场为研究对象，集成应用智能电子耳标及智能项圈，以及包括温湿度、氨气、二氧化碳、风向风速、光照及空气质量（H2S，PM2.5，PM10，TSP）等多种环境传感器。同时进行全面动态感知牛只个体的生理指标如运动量、反刍量等，并通过对上述2个重要的生理指标的分析，判断繁殖母牛的发情情况并预测最佳的配种时间，或通过监测牛只反刍量的变化，判断饲料的调整是否合适；全面感知牛舍包括温湿度及空气质量指标，为牛舍的精准通风及环境质量的精准控制提出数据支撑；并采用MY SQL数据库技术及DELPHI语言进行相关数据的分析。本研究构建了集养殖环节关键数据自动采集、数据的自动转换计算、数据的有线及无线传输、数据的远程贮存及处理控制为一体的物联网管控平台，实现了对肉牛养殖环境、健康状态、防疫及饲料调度等数字化管控平台。随着系统不断运行与迭代、养殖过程数据维度及数据量的不断积累与拓展，基础数据及派生数据的挖掘及升值空间越大，将为建立肉牛养殖的大模型奠定基础。

关键词：肉牛；数字化牧场；电子耳标；传感器；管控平台

1  引言

肉牛养殖业是我国畜牧业的重要组成部分。近些年来，我国肉牛养殖业发展迅猛，肉牛养殖的存栏量及出栏量不断增加，牛肉产量不断攀升。按国家统计局公布的数据显示，2013－2022年，中国肉牛存栏量总体呈波动增长趋势，2022年中国牛存栏量达10215.85万头，同比较2021年增长了398.6万头，增幅为4.06%。与2013年的8985.76万头相比，近9年间增量达1230.09万头、增幅为13.69%，年均复合增长率为1.43%。从牛肉的产出分析维度看，随着肉牛养殖规模的扩大，牛肉产量不断攀升。2021年，我国牛肉产量为697.51万吨，同比增长3.73%；2022年，我国牛肉产量进一步增长，达到718.00万吨，较2021年增加了20.49万吨，同比增长2.94%。但牛肉产量占肉类产量的比例随生猪疫情的缓解稍有下滑，2021年占比为7.76%；2022年占比为7.78%，与2021年基本持平，该占比明显低于养殖业发达国家35%以上的水平[1-3]。

尽管我国肉牛养殖获得一定的发展，但随着人民生活水平的改善，对牛肉的需求也随之增加，国内牛肉的产量尚不能满足市场的消费需求。2022年我国牛肉进口增加到268.94万吨，较上年增长了15.30%，与2009年的进口量仅为6.8万吨比较，过去13年间牛肉进口量增加了近40倍[2]，表明我国肉牛养殖还有较大的提升空间。

从肉牛的养殖效率分析，我们与肉牛养殖的发达国家比较，仍存在较大的差距。主要体现在以下几个方面：一是缺乏优质肉牛生产的专门化品种，品种混杂，本地良种肉牛及外来改良牛改良率之和仅占35%；二是繁殖体系不全，国外15－18月龄的肥育去势公牛的平均屠宰重为582千克，母牛产犊间隔不超过12个月。而我国出栏的肉牛中18月龄的商品牛很少，6月龄的商品牛几乎没有，一头肉牛从配种受孕到产犊需九个半月，从犊牛到育肥牛出栏又需要18－20个月，生产一头肉牛需28－30个月，生产周期过长；三是商品肉牛生产依然存在繁殖成活率低、商品牛出栏率低及死淘率高的问题，我国母牛繁殖成活率平均仅为72%，肉牛年出栏率为26.7％，与发达国家或地区（美国36.52%、欧洲43.74%）相比相差较大[4-5]。加之饲料成本及人工成本的不断上涨，导致我国肉牛的综合养殖效率包括出肉率及单位养殖成本明显高于饲料资源丰富、养殖效率高的西方国家，使得西方牛肉的生产成本优势非常明显，构成我国肉牛进口的较大價格优势。

从我国肉牛的养殖方式来看，目前是散养模式与规模化养殖模式并存，前者仍然是主体。据国家统计局统计，我国共有近386257家正常经营状态的肉牛养殖相关企业，7225家肉牛加工相关企业。从肉牛养殖行业竞争格局来看，肉牛养殖行业集中度较低，中国肉牛养殖规模领先的前30家企业肉牛存栏76.2万头，占比不到全国牛存栏的1%[4-5]。因此，如何进一步提高肉牛养殖的集中度，提高资金在技术上的投入，提高整体的养殖效率水平，任务极其艰巨。

当前利用现代信息和人工智能（Artificial Intelligence，AI）技术，通过现代的机器人和自动化设备实现数字化、智能化家畜养殖，是提高畜牧养殖生产力的主要解决途径[6]。对于规模化的肉牛养殖企业，必然拥有相对稳定的母牛繁殖群，其母牛繁育小犊牛并通过自繁自养模式生产肉牛，或通过“公司+农户”模式，即由农户寄养母牛，犊牛交公司统一育肥模式，从事肉牛的生产，不断产生过程数据，如同能繁母猪一样，需要从建立繁殖母畜的系谱着手，实现全生产过程的数字化管理，不仅可以提升牛场的数字化管理水平，有效掌控肉牛个体及群体的生产性能，最终通过提高繁殖母牛的繁殖率，提高商品牛的综合生产效率。国际上，肉牛场数字化管控系统包括早期的信息管理系统，如典型的DeLaval公司的ALPROTM牛群管理系统[7]、西班牙Agritec公司开发的VAQUITEC系统[8]。近年来，伴随着信息通讯技术及物联网技术的快速发展，基于射频识别技术（Radio Frequency Identification，RFID）标识技术、环境精准控制技术、无应激间接估重技术、AI技术及精准饲喂技术等，逐步嵌入或融合到肉牛场的生产过程中来，将过去的信息管理系统不断提升为生产过程的可现场可远程的管控系统，即实现基于“信息或数据采集”、“数据传输与贮存”及“数据分析及反馈控制”的物联网闭环系统，通过全面监控肉牛场从养殖环境到肉牛个体的生产过程数据，从中发现问题并及时纠偏，为维护牛场的健康与良性运行提供有效的技术支撑平台[9-10]。在国内，有关针对规模化、集约化的肉牛场生产过程的精细化管控系统报道较少。典型的精细化管控系统有肖建华等[11]构建的肉牛繁育管理系统，涉及了对肉牛场生产过程中用于系谱溯源的系统开发；杨亮等[12-13]开发的“规模化肉牛场数字化网络平台开发与应用”及“肉牛及牛肉全程溯源系统”。上述平台仍以养殖过程生产要素数字化为主，缺乏数据的自动采集与远程控制等功能。

因此，本研究将以肉牛场整体作为研究模型，以肉牛的个体电子标识为切入点，从肉牛场环境的智能控制、肉牛个体的体况信息采集为核心，以肉牛小群体的全混合日粮（Total Mixed Ration，TMR）饲喂控制为目标，构建肉牛场主要生产事件的数字化管控平台。建立基于物联网的肉牛场养殖过程数字化管控平台，以实现对基于肉牛个体标识为基础的肉牛养殖从环境的精准控制到基于个体的健康监测及防疫的数字化管理，实现规模化肉牛舍的远程可看可控，满足规模化牛场全程生产的数字化、智能化管理对信息技术的需求。

2  肉牛场全过程管控技术与数字化平台设计

2.1  肉牛场智能管控总体思路

平台开发以互联网、大数据、物联网、5G、AI等技术为基础，结合产业生态思维的肉牛场智能养殖为目标，通过对各智能管控模块的集成，构建高效的肉牛场多维度数据采集、智能化数据分析及预警的管理平台，为肉牛场的生物安全与环境控制、资产管理、牛只个体的健康管理、饲料营养管理及生产经营过程数字化保驾护航，依托数字化的管控大脑[14]与边缘计算技术[15]，指挥设备执行系统指令，全面接管牛场的人、牛、场、设，实现对牛只从出生到出栏全生产周期的智能化管控。通过智能设备应用、大数据运营实现养殖企业生产效益的提升，降低养殖场经营成本。

2.2  平台智能管控模块设计

管控平台以牛场的生物防控及环境控制为前提，以监管牛场的环境、牛只本体行为与健康、牛只饲料与营养及气体排放，也包括相关设备运行状况，以事件驱动为切入点，实现牛场全生产过程的数字化、智能化及可视化。主要智能管控模块设计如图1所示。

如图1所示，管控平台包括4层架构，即“表征指标体系构建”、“感知手段部署”、“调控模型构建”及“智慧牧场系统研建”。整个系统以牛只的表征指标体系的建立为切入点，包括了规模化养殖场的生态指标，主要为舍内的温湿度指标、空气质量指标（PM10，NH3）及光照强度指标等；针对牛只本体的生理状态，需要的指标包括行为、外形特征即外显指标及内隐指标。行为指标主要包括运动量、反刍量及发情行为等，外显指标主要包括体况评分、跛行评分，也可以包括粪便评分等，还包括牛只的体表温度及呼吸频率等。而内隐指标主要指瘤胃内的生理指标如瘤胃液体的pH及氨态氮（NH3-N）浓度等。与肉牛生长有关的指标主要包括营养与体重指标。其中，营养则包括了采食量与采食次数及采食时长、日躺卧次数及躺卧时长等，增重指标主要包括体重、料肉比及日增重等。上述感知指标是顶层设计目标，只有在感知技术不断成熟及投入资金到位的前提下，才能不断获取，短期还难以实现。

“感知手段研发”则针对智慧牧场构建提出的感知指标，有针对性地充分利用人工智能的感知技术，构建相应的感知数据采集系统。针对牛舍的生态环境指标，通过环境感知装置，主要基于各种环境感知的传感器与低功耗广域网数据传输网络设计，构建在线式跨平台牧场环境综合感知物联网系统，有效感知养殖舍不同区域不同时间点的温湿度及空气质量指标。

针对牛只的生理状态参数，本系统依据采集指标的特性及要求的精度不同，拟集成非接触式及接触式的感知系统。非接触式感知系统具有无接触、非侵入的特点，包括了手持式体型体况与跛行智能评定系统，以及基于机器视觉的固定式健康行为智能监测系统。采集视频的设备固定在牛只的采食区域、躺卧区域或饮水区域，按照设定的时间点及时长采集牛只的视频，通过分析与边缘计算，监测牛只的健康状况。常用的视频数据采集设备包括彩色图像攝像机、红外图像摄像机、深度图像摄像机和热成像设备。该视频采集系统将摄像机架设于棚舍顶部，获取俯视的观察视角，通过获取的图像信息经数据预处理、关键区域提取、特征提取和姿态模式识别。接触式的感知系统则主要通过佩带智能电子耳标、项圈、脚环及皮下或瘤胃植入式感知系统等，连续获取动物的生理参数如运动量、反刍量、体表温度、皮下温度、瘤胃pH或NH3-N浓度等。通过非接触式和接触式感知系统对肉牛数据的自动化监测，实现对肉牛的生理状态、行为的识别，经过相应的数据分析用于肉牛发情、分娩、健康状态、生长性能等关键指标的检测并用于牧场智能管控，实现肉牛的智能化养殖。

针对牛只的生长指标感知系统的研发，主要结合单个牛只饲喂设备、通过RFID技术识别牛只的电子耳标号，连续记录进入采食器的时间与离开的时间，采食前和采食后的料槽的重量差经过简单计算可获得牛只日采食次数、采食量及采食的有效时间。RFID技术是一种非接触的自动识别技术，其基本原理是利用射频信号和空间耦合（电感或电磁耦合）传输特性，实现对被识别物体的自动识别。该技术主要包括RFID标签和射频识别阅读器。RFID标签由半导体芯片、天线和电池组成，安装于动物身体上，保存有约定格式的动物信息数据，当该设备接近阅读器时，阅读器以非接触方式识别标签内的信息，从而实现动物个体的识别[16]。因此该技术可有效记录牛只采食次数、时间，并估测采食量，当前该技术与装备在肉牛上应用较为成熟[17]，本研究不再展开。“调控模型研建”层主要构建环境调控模型、营养调控模型及温室气体的减排调控模型等。后两类模型非常基础和具有挑战性，本文不做赘述。前类环境调控模型主要依据不同季节及牛只的不同生长生理阶段的热环境舒适度指数ET及舍内空气质量评价指数（Air Quality Index，AQI）构建其模型[18]。其中，ET= f （Tdb， rh， v， rad），式中自变量Tdb、rh、v、rad分别代表温度、相对湿度、风速及热辐射4个维度；AQI = f （CCO2， CNH3， PM10），式中自变量CCO2、CNH3分别代表CO2、NH3的浓度。上述环境控制模型的构建及应用需要在大量的观察样本数据的基础上构建所得，也可以通过计算流体力学（Computational Fluid Dynamics，CFD）模型获得。

“智慧牧场系统构建”层，主要包括牛舍环境智能监测与控制系统的搭建与工程化实施，肉牛精准饲喂控制系统的搭建与工程化实施，以及肉牛甲烷产量监测与数据分析及控制。

以上主要从感知指标层、感知手段层、控制模型构建层及智慧牧场的控制层4个维度阐述了肉牛场智慧管控平台功能设计思路。本研究以图1所示的平台架构为建设目标，分阶段分步骤实施相关的软硬件技术及系统开发，部分技术取得了预期的进展。

3  平台搭建实施与效果分析

3.1  牛舍环境控制

肉牛的养殖环境影响肉牛的健康和生产性能，其中主要的环境因素包括温热环境、空气质量和光照环境等。而温热环境主要为影响动物机体代谢产热和体温调节的温度、湿度和风速等物理指标。而空气质量主要为动物代谢、粪尿及垫料分解产生的二氧化碳（CO2）、氨气（NH3）等有害气体，以及舍内饲养和动物产生的粉尘颗粒物。其中粉尘颗粒物监测主要包括细颗粒物（Particulate Matter With a Diameter of Less Than 10 ?m，PM2.5）、可吸入颗粒物（Particulate Matter With a Diameter of Less Than 10 ?m，PM10）、总悬浮微粒（Total Suspended Particulates，TSP）。光照环境主要包括光照强度和光照时长。肉牛场的环境指标影响着肉牛的生理健康，当超出其生理限制，可造成肉牛生产性能下降，因此实时对肉牛场的相关环境指标进行监测并及时进行相关环境的调控是养好肉牛的关键。

为精准调控肉牛场的养殖环境，该牧场对肉牛养殖环境进行实时监测，进而对养殖环境进行精准高效的自动控制。图2给出了牛场多维环境参数感知系统搭建的架构图。该环境监测设备需要部署的传感器包括温湿度传感器、NH3传感器、光照传感器、CO2传感器、粉尘传感器（PM2.5、PM10及TSP）及风速传感器等。各传感器固定安装于牛舍内的安全部位对牛舍的环境进行实时监测。各种传感器的感知信息采用有线方式将数据实时上传至中继节点，由中继节点完成数据处理与缓存，并按照预先设定的10分钟/次数据传输节律，按TCP/IP协议通过无线（4G/5G）传输方式将数据发送至阿里云服务器或企业内部的数据服务器中，为环境的精准控制提供基础数据源。

图3左图显示在牛舍适当位置布设的各种传感器及各种必要的管线（电源线、信号线等），右图为布设在舍外的光伏板发电装置，主要为中继节点及中间节点进行供电，同时通过有线连接到上述各种现场数据采集的传感器并进行供电，以保证传感器及时上传或发送数据。

表1列出本研究搭建环境参数感知系统所采用的11种传感器的主要参数信息。其中温湿度传感器及PM2.5/PM10分别集成在一起。所有传感器均来自石家庄龙腾伟业科技有限公司。主要参数包括传感器的型号、阈值范围、测量精度及分辨率。所有传感器的供电电压除风速风向传感器为DC 7－DC 12 V外，其他均为DC 7－DC 24 V。表1中所示各种传感器的检测范围及精度均能满足牛舍内环境的感知要求。所有传感器均来自石家庄龙腾伟业科技有限公司[19]。

按图2、图3所示的技术路线、传感器的选型、

部署与供电方案、采集数据的处理、缓存与传输，实现了包括11种环境参数数据的场景采集与多种模式的可视化分析。例如，图4为现场各种采集的环境参数的可视化及综合显示，其显示的数据源直接来自现场中断节点处理的环境参数数据。现场工作人员无需用电脑或手机就能直接查看环境参数的状态。指针落在绿色区域内表示该指标是适宜的；指针落在红色区域内表示该指标达到或超过了阈值，为工作人员手动或自动控制环控设备提供判断依据。图4右图所示的环境温度14.8 ℃，在适宜温度范围内。

图5为基于APP技术开发的移动端的环境参数监测系统的实时状态图。系统通过不同的显示方式（表针式、点线式）及不同的颜色（蓝、绿、黄、红）反映不同参数的状态值、连续变化的态势及参数所处的状态（偏低、适宜、预警及异常）。其中，判断每个状态参数的属性依据系统事先设定的阈值而定性。肉牛设施养殖的最佳多维协同环境参数的确定较为困难，需要根据养殖模式、建筑结构、通风模式，肉牛的生理与生长阶段、饲养密度、饲养地区和季节，确定最佳组合的环境参数。最佳组合的环境参数需要不断积累与总结实际生产产出的效果而综合确定。

3.2  肉牛的运动行为监测

3.2.1  繁殖母牛的发情与健康行为监测

本研究选用無锡富华科技公司生产的ET851集测温及运动量记录于一体的智能电子耳标。该电子耳标内置CPU，2.4G发射电路、3D-mems加速度传感器、温度传感器、电压检测装置，且能够通过2.4G私有协议发送佩戴动物的耳标温度、反刍情况、运动情况和电池电压值等。该耳标工作温度范围-10 ℃－50 ℃，测量温度范围20 ℃－50 ℃，测量精度0.2 ℃，设备每10秒发送一个数据包，数据更新周期为5分钟。其中加速度传感器采用了瑞士ST公司生产的高性能超低功耗的3轴“femto”加速度运动传感器，用来记录佩戴耳标牛只的运动量信息。设备通过智能网关收集各电子耳标发送的数据，通过无线网络传输至云端服务器，管理人员可通过手机APP、网页客户端实时查看牛只编号、体温、运动量、反刍等信息及耳标电池电压等情况，当畜禽数据出现异常时及时人工复核并采取相应措施，可减少牧场损失、提高管理效率和经济效益。该耳标对牧场资产监管、动物个体身份识别、动物健康状况、牧场智能管理发挥着重要作用。

为了对比国际上肉牛行为感知系统，本研究选用以色列SCR公司提供HRLDn项圈，用于记录牛只尤其繁殖母牛的活动量及反刍量，试图对2套系统记录的运行量数据进行分析比较。图6为ET851耳标及HRLDn项圈同时佩戴的场景，各自采集的数据的算法处理技术因涉及知识产权的问题，采用各自的数据分析系统处理。

基于ET851智能耳标，实现对佩戴耳标肉牛尤其繁殖母牛在X、Y及Z轴不同方向运动量的连续采集，但每个轴向的运行量可能与牛只的行走、采食、躺卧、饮水及反刍等运动行为有关，需要将不同方向的运行量取得大样本数据后，基于不同算法进行处理后可分别抽取行走、采食、躺卧、饮水及反刍等单独行为。本研究以获得牛只的反刍行为为例，主要从嘴部咀嚼运动频率及吞咽频率为突破点，采用傅里叶变换函数[20]将从3个轴向记录的波段中，将符合嘴部运动频率及下咽频率的波段抽取出来，再按波幅及频率重新合成为反刍行为的波动曲线。在保证数据记录时间足够长且30分钟做一次校验分析与判断后，利用AI算法进行反复训练，模型算法对反刍行为的抽取及行为合成的一般准确率达95%以上，冬季因不受蚊蝇对牛只耳朵的干扰，准确率可达97%以上。图7为针对耳号为202350000022牛只的基于傅里叶变化处理及模型优化后得到的某一段时间内的反刍时间，最长的反刍时间可达600分钟左右，最短的在400分钟以上。平均在504分钟。

为了比较，从另一个牛场连续获得基于HRLDn项圈及配套的云端软件系统通过特定算法处理的繁殖牛只运动量及反刍量数据，结果显示在图8中。如图8所示，图中绿色曲线为“4689”个体的运动量曲线，紫色线条则是反刍量曲线。有不少研究[20-22]表明，当某牛只的运动量达到高峰或者是最为躁动时，其反刍量急速下降甚至不反刍时，一般认为该牛只处在发情或进入发情状态，就要对其配种，如自然受精或人为输精。而配种存在一个最佳的配种时间，如果将牛只的运动量达到高峰的时间点定义为“0”时，则在其后的3 h－16 h为最佳的配种时间，可保证输入的精液到达子宫后最佳存留时间及精子活力，进而与母牛排出的卵子有充足的时间接触受孕，提高受孕率。研究表明[23]精子在排卵前6 h到达子宫，等待排卵的“卵子”到来，精卵结合配种成功率最高。因此，准确感知母牛的生理状态并揭发发情事件，并实时配种，是提高母牛繁殖力的主要技术手段，也是智慧繁殖的核心内容。

如图8中所示，当母牛第一次出现发情行为时，如果配种不成功，一般情况下需要再过18－25天进入下一情期配种，增加了一个发情周期的非生产性天数（Non-productive Days，NPD），导致胎间距和繁殖成本增加。肉牛NPD的增加，导致在该段时间内，牧场虽持续进行饲养投入，而母牛无生产贡献，降低综合经济效益，也增加配种的人力成本。因此通过自动监测母牛的反刍和运动信息，实现发情准确、及时监测，对提高牧场经济效益和降低人力成本有重要意義。

3.2.2  牛只的营养状况的监测

TMR饲喂技术是一种将粗饲料、精饲料、矿物质、维生素和其他添加剂充分混合以满足反刍动物营养需要的饲养管理技术。如图9所示，该牧场采用全自动配料系统进行TMR饲料的自动称重和配料，配好的饲料经自动撒料车进行撒料，同时对整个配料过程数据进行实时记录实现肉牛TMR饲喂的精准配料和精准饲喂，极大降低人工工作量。

而TMR饲料组成和加工情况会影响到动物的健康和生产性能，因此实时监测肉牛的营养状况对肉牛的生产管理意义重大。饲料的改变会引起动物的生理和行为上的变化，尤其是反刍行为的变化。通过项圈感知牛只的反刍行为主要监测每日反刍时间的长短，可间接监测牛只的健康、热冷应激及营养状态等[23-24]。例如，图10反映了在某示范奶牛场因某种饲料原料出现短缺后，改变了一直使用的TMR配方，饲喂后出现了反刍时间连续下降，且对应的产奶量降低的异常。重新改回原TMR饲喂后，反刍时间逐步恢复，继续改变TMR配方，又出现前面的情形，直到改回原先的TMR配方后，牛只的反刍行为才逐渐恢复到理想的状态，即每日反刍时间达500分钟以上，表明了牛只一旦长期饲喂某种TMR后，形成了与之对应的瘤胃微生物区系，也决定了牛只的反刍嗜好。如果改变了TMR日粮，一旦影响到瘤胃原先已经形成的微生物区系，就会影响到其对应的反刍行为。图10所示的案例表明，TMR的配方调整较大，如果不是瘤胃微生物正常生长需要的养分偏好，最终导致不能适应TMR的调整。由于引起反刍行为改变的因素较为复杂，此处不做深入剖析。

3.3  肉牛管理平台的研发与效果

根据肉牛全程智慧养殖及数字化管控的要求，不仅需要对肉牛的繁殖过程进行个性化管理，也需要对肉牛的饲料营养、防疫保健等进行综合管理。因此，以阳信亿利源5G牧场为研究模型，开发了网络版的5G牧场数字化管控平台（图11）。平台的一级管理模块包括：智慧养殖、中央厨房、养母繁犊、屠宰加工及销售溯源。本研究主要负责智慧养殖模块，即肉牛养殖过程中的数据采集与分析。

如图11所示，在“智慧牧场”模块下，设计了4个子模块，即“牛只身份”、“防疫管理”、“设备环境”及“管理中心”。在“牛只身份”管理下，首先为在群的每头牛只佩戴11位唯一标识的电子耳标，通过耳标关联的信息包括了8项信息。其中“月龄”信息随着时间的变化会自动增加；通过牛只信息管理数据库系统，可以建立起每头牛的系谱，可关联该牛只的父亲、母亲，祖父母及外祖父母等。此外，前已叙及，本项目采用的是有源的智能感知耳标，同HRLDn项圈一样，内部嵌入有三维运行传感器及对应的后台数据分析系统，通过运动传感器记录的原始数据及后台对应的数据分析系统，可以在线获得每头牛的运动量数据曲线，而对应的反刍量、采食量及休息量等指数曲线还在不断积累数据及模型优化中。最后一个重要的指标则是料肉比（Feed Conversion Ratio，FCR），尽管该指标是一个重要的生产性能指标，但其测定是相当困难的，一般只有在种牛场做生产性能测定时进行该指标的测定，在肥育牛场及TMR饲喂模式下，准确获得每头牛的FCR难以实现，但可获得一个肉牛场单个圈舍或总体群体FCR的平均值。

“防疫管理”模块，主要按牛只编号在线记录每天牛只的免疫情况，并可对指定时间段做免疫统计，但缺乏对牛群或牛场的消毒及免疫计划的事先设计。未来应该制度化开展针对不同牛只性质群体的消毒及免疫计划。通过该消毒及免疫时间计划，利用计算机系统可以实现对未来牛场开展的消毒及免疫行为实施动态提醒，甚至做到对每个个体的免疫及时做出预警。

“环境设备”包括对环境设备的在线管理。肉牛场环境设备主要包括冷热风机、电扇、喷淋设备、水温表、关照设备及音乐播放器等。其他的重要设备还包括表1所示的各种传感器。该模块在线记录这些传感器感知的数据并在系统中显示，如图12所示的舍内的温湿度、水温、光照亮度、氨氣浓度及其变化，与图4及图5的环境参数的动态可视化显示结合起来，满足不同时空条件下对环境状态的监管需求。

图12显示的各种环境参数如温湿度为环境的精准控制提供依据。通过多维环境控制逻辑为基础的环控器，可远程自动控制各种环境设备的开启与关闭。本系统为满足动物福利特别增加了音乐控制器，可在不同的时间段根据当前的经验播放不同的音乐。有研究表明[25-26]，动物听到喜欢的音乐可以缓解压力，如奶牛挤奶时听到喜欢的音乐会增加挤奶速度，反之则增加压力或减少产奶量及生产速度。但对于各类型的动物，处在一天中什么时间段或什么样的生产行为（采食、饮水、躺卧、游走）需要什么风格的音乐，最有利于动物的健康和生产性能，是当前有关动物福利需要深入研究的方向。

4  讨论与结论

4.1  肉牛场智慧管控需要数据的全面感知与获取

对于规模化肉牛场而言，无论是牛只本体，还是维护牛场运行的各种环控设备，包括各种传感器、饲料制作及投喂设备，物质转运设备，以及相应的工作人员，每天乃至每个时间段会不断产生生产过程数据。例如，繁殖母牛的生产是一个周期性的生产行为，不断发情、配种、产犊、哺乳与断奶，并进入下一个繁殖周期；环控设备也在智能环控器的控制下，不断开启与关闭，饲料的生产与物资配送也在不断地运行，因此人、牛、车及设备等主体不断产生生产过程数据。在信息技术发展到目前以物联网、大数据及人工智能为典型特征，尤其以大模型[28]为典型标志的第4次信息技术浪潮到来的今天，对过程数据的采集必须是基于现代感知技术如RFID技术，以及利用各种传感器并结合无线及有线网络自动感知或采集数据，保证数据的及时性、连续性与真实性，最少化人的主观干预，也可结合区块链技术，保证数据的安全及不可篡改[28]。与前人研究[29-30]构建的类似平台相比，本研究采用的数据采集结合多种传感器技术，体现了技术的与时俱进，但获得数据的可靠性还需要不断优化采集方案，有进一步提升的空间。

4.2  养殖过程数据需要挖掘分析提升数据的利用价值

肉牛养殖过程中动态的、多维数据信息的采集与计算机管理并不是数字化管理的最终目的，而是要通过对采集数据的分析，特别在建立相关数据之间的关联，从中挖掘对生产管理具有应用价值的数据，尤其是建立可控制生产过程的动态模型，如环境控制最佳模型、畜禽健康的预警预报模型，饲料消耗及生长预测模型等[10， 31]。因此，本系统嵌入了基于感知数据的数据分析模块，提供了大量的通过已知数据按一定模型预测的其他生产指标如“应配青年牛”“空怀母牛”“产后未孕”“产后未配”及“胎间距”的模块等。但由于目前系统运行后积累的数据不足，与杨亮[29， 32]等研究针对生猪的管控平台比较，需要加大积累家畜个体及样本数量，逐步体现模型化技术的应用效果。

4.3  研究平台的拓展与愿景

通过本数据平台的构建，实现对肉牛养殖过程的数据采集、数据分析与展示，最终达到对养殖过程的控制，包括饲料资源拓展利用[33]，环境精准控制，牛群的防疫与健康干预，牛只周转与淘汰控制，饲料的配送与饲喂控制，牛只的出栏及销售控制，目标是以最少的投入获得最好的养殖效果，达到最终获得最佳的生产效益。总体上，牛场系统的运行还是追求系统内部的最优方案。但是，如果将牛场作为一个单元置于养殖产业的大环境中，就存在一个局部的最优，即获得最佳的生产效率并不等于获得最好的效益。这是因为输出产品的替代性及类似产品的国际贸易等外部大环境都会影响某个行业的整体效益。赵春华等[33]研究了规模饲养模式下，不同规模奶牛场、不同的母畜胎次结构，为获得盈亏平衡点的各个牛场的最佳饲养规模。尽管其研究受制于当时的数据量，但提出的研究思路仍然具有现实意义。Hansen等[34]和Mertens等[36]则从可操作变量及策略变量两方面，包括饲料的价格、牛群规模、犊牛价格、肉牛的繁殖与健康状态等参数，提出测定肉牛场效益的评估模型，并通过牛场的实际发生数据验证了构建的模型基本可行。特别是当下进入大数据、超维数据时代下，产业数据化及数据产业化正不可阻挡进入传统产业，正迫使畜牧业的转型升级，如果将技术与特定时空下的经济目标结合起来，将会对每一个现代牧场管理策略的制定产生深远的影响。

4.3  结论

肉牛场的智慧化管控以生产过程信息的全面感知及有效传输为基础。以牛只个体电子标识为切入点，融合各种环境传感器及生理感知系统的数据采集技术，是AI技术应用于现代5G牧场建设的“基石”，在线式获取生产状态数据，保证了重要数据的及时、准确获得。

养殖过程的状态数据尤其实时获取的生产感知数据必须通过算法模型进行处理后，才能转化为可辨识的生理指标数据，如运动量、反刍量及派生出的发情及发病状态等。那么转化后的数据是否真实反映动物的真实生理特征，则需要获得大量的样本训练集，才能获得较好的模型。这样的模型才有应用价值。

养殖场内部最优化的运行方案不一定具有最佳的投入产出比，需要通过模型驱动，动态确定企业的最佳规模及最佳盈利措施。当所处行业面临低谷时，将企业的损失最小化。

参考文献

[1] 农业农村部市场预警专家委员会. 中国农业展望报告（2022-2030）[M]： 中国农业科学技术出版社， 2022.

[2] 农小蜂智库. 2023年中国肉牛产业分析简报[EB/OL]. https：//baijiahao.baidu.com/s？id=1776372548098153560&wfr=spider&for=pc.

[3] 农业农村部畜牧兽医局， 全国畜牧总站. 2020年肉牛产业发展形势与2021年展望[J]. 2021（2）：40-42.

[4] 韩硕. 规模肉牛养殖现状及发展对策探究[J]. 2023（13）：32-33.

[5] 中国报告大廳. 肉牛养殖前景[EB/OL]. https：//www.chinabgao. com/freereport/78706.

[6] 杨亮， 熊本海， 王辉， 等. 家畜饲喂机器人研究进展与发展展望[J]. 智慧农业（中英文）， 2022，4（2）：86-98.

[7] ALPROTM Herd Management System[EB/OL]. [2013]. http：//www. delaval.com/en/-/Product-Information1/Management/Systems/ALPRO/.

[8] Agritec[EB/OL]. [2023]. https：//www.agritecsoft.com/zh-chs/.

[9] 何勇. 智慧农业[M]. 北京： 科学出版社， 2023.

[10] 熊本海， 王朝元， 沈维政. 人工智能与智能养猪[M]. 北京： 中国农业大学出版社， 2023.

[11] 肖建华， 胡玉龙， 范福祥， 等. 奶牛繁殖决策支持系统的构建[J]. 中国农业科学， 2012，45（10）：2012-2021.

[12] 杨亮， 杨振刚， 熊本海. 对我国肉牛及其产品溯源的编码规则设计的初步建议[C]//中国畜牧兽医学会信息技术分会2014年学术研讨会. 中国畜牧兽医学会信息技术分会2014年学术研讨会论文集. 中国江苏无锡， 2014： 8.

[13] 杨亮， 杨振刚， 吕健强， 等. 规模化肉牛场数字化网络平台开发与应用[J]. 2014，16（6）：74-80.

[14] 王秀娟. 数字赋能为现代农业装上“智慧大脑”（下）[N]. 山西日报， 2023-03-21（007）.

[15] 黄成龙， 柯宇曦， 华向东， 等. 边缘计算在智慧农业中的应用现状与展望[J]. 农业工程学报， 2022，38（16）：224-234.

[16] 游战清. 无线射频识别技术 （RFID） 理论与应用[M]. 北京： 电子工业出版社， 2004.

[17] 熊本海， 钱平， 罗清尧， 等. 基于奶牛个体体况的精细饲养方案的设计与实现[J]. 农业工程学报， 2005，21（10）：118-123..

[18] 杜欣怡， 滕光辉， 杜晓冬， 等. 基于雷达图的蛋鸡舍综合环境舒适度评价及应用[J]. 农业工程学报， 2020，36（15）：202-209.

[19] 石家庄龙腾伟业科技有限公司[EB/OL]. （2023）. http：//www.ltwy-iot. com/case.html？ext_fild=%E7%8E%AF%E5%A2%83%E7%9B%91%E6%B5%8B.2023.

[20] 无锡富华科技有限责任公司[EB/OL]. （2023）. http：//www.fofia. com/.

[21] Reith S， Hoy S. Relationship between daily rumination time and estrus of dairy cows[J]. Journal of Dairy Science， 2012，95（11）： 6416-6420.

[22] Dolecheck K A， Silvia W J， Heersche G， et al. Behavioral and physiological changes around estrus events identified using multiple automated monitoring technologies[J]. Journal of Dairy Science， 2015，98（12）：8723-8731.

[23] Pahl C， Hartung E， Mahlkow-Nerge K， et al. Feeding characteristics and rumination time of dairy cows around estrus[J]. Journal of Dairy Science， 2015，98（1）：148-154.

[24] Reith S， Brandt H， Hoy S. Simultaneous analysis of activity and rumination time， based on collar-mounted sensor technology， of dairy cows over the peri-estrus period[J]. Livestock Science， 2014，170： 219-227.

[25] Erasmus L M， van Marle-K?ster E， Masenge A， et al. Exploring the effect of auditory stimuli on activity levels， milk yield and faecal glucocorticoid metabolite concentrations in Holstein cows[J]. Domestic Animal Endocrinology， 2023，82：106767.

[26] Dhungana S， Khanal D R， Sharma M， et al. Effect of music on animal behavior： A Review[J]. Nepalese Veterinary Journal， 2018（35）： 142-149.

[27] 张振乾， 汪澍， 宋琦， 等. 人工智能大模型在智慧农业领域的应用[J]. 智慧农业导刊， 2023，3（10）：9-12， 17.

[28] 王群， 李馥娟， 倪雪莉， 等. 区块链数据形成与隐私威胁[J]. 计算机工程， 2023，49（8）：1-12.

[29] 杨亮， 熊本海， 吕健强， 等. 山黑猪繁殖数据网络数据库平台的开发[J]. 中国农业科学， 2013，46（12）：2550-2557.

[30] 李鸿强， 李亚敏， 曾立华， 等. 基于JDBC技术的奶牛场信息管理系统[J]. 农机化研究， 2007（5）：127-128.

[31] 熊本海. 种猪场精细饲养综合技术平台[M]. 北京： 中国农业科学技术出版社， 2005.

[32] 杨亮， 高华杰， 夏阿林， 等. 智能化猪场数字化管控平台创制及应用[J]. 农业大数据学报， 2022，4（3）：135-146.

[33] 熊本海， 赵一广， 罗清尧， 等. 中国饲料营养大数据分析平台研制[J]. 智慧农业（中英文）， 2022，4（2）：110-120.

[34] 赵春平， 马云， 昝林森， 等. 利用盈亏平衡分析法对奶牛场经济效益的分析[J]. 畜牧兽医杂志， 2008，27（6）：31-34.

[35] Hansen B G， Stokstad G. Measuring financial performance on dairy farms[J]. Acta Agricultura Scandinavica， 2005，2（2）：99-109.

[36] Mertens K， Decuypere E， De Baerdemaeker J， et al. Statistical control charts as a support tool for the management of livestock production[J]. Journal of Agricultural Science， 2011，149：369-384.

引用格式：張帆，周梦婷，唐湘方，刘民泽，杨振刚.熊本海.规模化肉牛场数字化管控平台的开发与应用——以阳信亿利源5G数字化牧场为例[J].农业大数据学报，2024，6（1）： 68-81. DOI： 10.19788/j.issn.2096-6369.000009.

CITATION： ZHANG Fan， ZHOU MengTing， LIU MinZe， TANG XiangFang， XIONG BenHai1. Development and Application of Digital Control Platform in Large- scale Beef Cattle Farm——Take the 5G digital ranch of Yangxin Yi Liyuan Halal Meat Co.， Ltd as an example[J]. Journal of Agricultural Big Data， 2024，6（1）： 68-81. DOI： 10.19788/j.issn.2096-6369.000009.

Development and Application of Digital Control Platform in Large- scale Beef Cattle Farm——Take the 5G digital ranch of Yangxin Yi Liyuan Halal Meat Co.， Ltd as an example

ZHANG Fan1， ZHOU MengTing1， LIU MinZe2， TANG XiangFang1， XIONG BenHai1*

1. State Key Laboratory of Animal Nutrition and Feeding， Institute of Animal Science， Chinese Academy of Agricultural Sciences， Beijing 100193， China; 2. Yangxin Yi Liyuan Halal Meat Co.， Ltd，Binzhou， 251800， Shandong， China

Abstract： As large-scale beef cattle facilities become more and more common in China， sophisticated and even intelligent management of cattle has gained prominence. In the meantime， the Internet of Things， big data， artificial intelligence （AI） and even large models are developing at a rapid pace and are constantly permeating in all industries， making the intelligent management， including traditional breeding， possible. In this study， Yangxin Yi Liyuan 5G digital farm was used as the research object， which integrated application of intelligent electronic ear tags and intelligent collars， as well as a variety of environmental sensors for temperature and humidity， ammonia， carbon dioxide， wind direction and speed， light and air quality （H2S， PM2.5， PM10， TSP）. Simultaneously， a comprehensive dynamic perception of individual physiological indicators， such as the degree of exercise and rumination， was utilized to determine the estrus period of breeding cattle and forecast the ideal breeding period， and was employed to ascertain the estrus period of breeding cattle， forecast the ideal mating period， and determine whether the feed adjustment was necessary by monitoring variations in rumination time. Comprehensively monitoring the environmental indicators， such as temperature， humidity and air quality， is necessary to accurately manage and ventilate the cattle house. The pertinent data was analyzed using the MY SQL database technology and DELPHI language technology. In order to create a digital control platform for the breeding environment， health status， epidemic prevention， and feed management of beef cattle， this research built a digital control platform that integrated automatic collection of key data in breeding links， automatic conversion and calculation of data， wired and wireless transmission of data， remote storage and processing control of data， and so on. This study also shown that the more the system was used and improved， the more data was collected and extended in both size and type during the breeding process， and the more fundamental and derived data could be mined and appreciated. This paved way for the eventual development of a large-scale model for breeding beef cattle in the future.

Keywords： beef cattle; digital pasture; electronic ear tag; sensor; management and control platform