智能化猪场数字化管控平台创制及应用

杨 亮 高华杰 夏阿林 熊本海*

（1.中国农业科学院北京畜牧兽医研究所/动物营养学国家重点实验室，北京 100193；2.北京大北农科技集团股份有限公司，北京 100080；3.北京农信互联科技集团有限公司，北京 100080）

1 引言

中国是世界养猪大国，尽管受到2018 年秋季爆发并在全国蔓延的非洲猪瘟的影响，但在强大的内在需求及各级政府的高度重视背景下，生猪的补栏复产工作稳步推进。2021 年中国生猪出栏超6.7 亿头，同比增长27.4%；猪肉产量5 296万吨，同比增长28.8%；生猪存栏、能繁母猪存栏同比分别增长10.5%、4.0%，基本恢复到中国养猪业鼎盛时期的水平[1]。但是，与养猪业发达国家比较，中国规模化猪场的养殖技术、指标水平还存在较大差距，主要体现在种母猪的生产力指标PSY 偏低，平均只有20 头左右，而丹麦、挪威的PSY 达到28 头以上。其次，国外商品猪的全程饲料转化效率为2.5∶1，中国基本上在2.8～3.0∶1，这主要是由死淘率高而导致的。欧盟是国际上最早提出禁用抗生素的组织[2]，欧盟国家丹麦繁殖猪场的死淘率在9%左右，而中国规模化繁殖猪场的死淘率高达20%～25%，特别是当非洲猪瘟等烈性传染病来袭时死淘率更高，严重时甚至全军覆没。此外，受国际贸易战[3]、新冠肺炎疫情[4]、俄乌战争[5]、全球供应链及物流不畅等因素影响，主要饲粮如玉米及大豆价格不断上涨，加之人工成本的不断增加，全面推高了养猪业的综合成本[6]，使得自2021年初进入的新一轮猪周期低谷的现象延续至今[7]，此时的猪粮比不到4∶1，导致养猪企业的亏损严重。因此，面对养猪业面临的重大风险及养殖成本压力，如何提高规模化猪场的智能化、数字化及精细化管控水平，特别是提高猪场的生物安全预警水平及生猪个体的健康监测水平，减少人、猪、车和物的接触频率，确保猪场的生物安全尤为重要。此外，提高生猪养殖环节的精细化、在线化感知、数据分析及实时控制水平，实现智能化、数字化管理，实现主要生产要素如饲料、水、兽药、设备及人员的精准投放、实时监测，达到人财物投入的最优化、生产效率及效益的最大化。实现人工智能养猪，已经成为中国规模化养殖场必然发展的趋势，关键技术与智能装备的研发势在必行，为此，国家“十四五”重大专项“工厂化农业关键技术及智能农机装备”制定了揭榜挂帅项目“绿色高效智能养猪工厂创制及应用”，该项目集成应用人工智能技术，创制主要智能养猪设施及装备，构建生猪养殖场的全程数字化智能管控平台。

在非洲猪瘟可能常态化背景下，规模化猪场大部分采用自繁自养模式[8]，无需从外场采购仔猪，可从猪只来源上切断疫病的传播，因此猪场的数智化管控一般是从种母猪开始的，包括国外的PIGWIN 系统[9]、porcitec 系统[10]，以及国内的孙德林[11]、熊本海[12]、柴琦丽[13]等研发的系统都是从种猪的管理为切入点，延伸到商品猪的生产与管理。尽管有上述的多种猪场管控系统，但受控于研发时的数据感知技术与数据传输技术的制约，部分系统采用手持式的PDA 或App 系统来采集数据，存在着采集效率不高的弊端，还需要人工干预的场合较多，这对于维护猪场的生物安全非常不利。近年来，随着物联网、大数据及人工智能技术的快速发展，先进的无线传感网络技术及基于机器视觉技术的人工智能技术得到了广泛应用，使得远程、非接触及无应激采集生猪养殖过程数据尤其是猪只的生理、生长等行为数据成为可能[14]。其次，随着自动采集数据相对容易，数据样本量不断积累，甚至可达海量数据，使后期进行大数据挖掘、分析成为可能。例如，通过红外热成像技术估测蛋鸡体表温度[15]、通过图像识别及大数据算法对育肥猪进行估重[16]及计数[17]，通过感知行为估测母猪发情[18]等，成为现代猪场智能管理的热点及发展方向。因此，本研究以自繁自养的规模化猪场为研究模型，以繁殖种猪的生产及健康行为的管控为重点，构建智能化猪场的数字化管控平台，为猪场的高效智能远程控制提供现代化手段。

2 平台构建及重要生产模型

2.1 猪场智能管控总体思路

平台开发以互联网、大数据、物联网、5G 和AI 等技术为基础，结合产业生态思维的猪场智能养殖为目标，通过对各智能管控模块的集成，构建高效的猪场多维度预警体系、智能化管理体系和生产经营决策体系，为猪场生物安全、资产安全和生产过程经营保驾护航，对猪只养殖过程进行全维度地监测及环境控制。平台将重点打造对猪场远程化管理、精细化生产和可视化决策的能力，通过智能网关连接猪场设备，实时采集、处理各类数据，依托养猪大脑[19]与边缘计算技术，指挥设备执行系统指令，全面接管猪场的人、猪、场和设备，实现对猪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 智能管控模块设计

管控平台以猪场的生物防控[20]为前提，以监管猪场的人、猪、场、设备为基本要素，以事件驱动为切入点，实现猪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。

图1 智能猪场人、猪、场、设的功能模块设计Fig.1 Design of functional module of intelligent pig farm

2.3 繁殖母猪生产过程数字化功能设计

管控平台以猪只个体的全部状态数据及历史过程的管控为突破口，对猪场实施数智一体化控制[21]。平台实现的功能管理模块包括首页状态信息、档案信息、生产数据、采食数据、环境数据、生产分析、预警预报、参数阈值及运行状态等。其中首页状态信息可以将选定猪只个体的标识与位置、体征、采食、环境及保温等信息从不同的数据库中提取出来，对异常信息进行突出显示。

2.4 繁殖母猪数据分析的主要模型

智能猪场数智化管控的主要目的，是对采集的猪只个体的状态数据，按猪只生产的业务逻辑及养猪学理论，基于相关的模型开展数据的挖掘分析，展示猪只、猪群及猪场的运行状态，发现猪场的生产运行过程中哪些环节出现问题，便于生产管理人员及时进行干预，保证猪场的生产向着制定的目标前行。描述繁殖母猪群体生产力的指标较多，下面简要列出部分计算指标作为实例。

（1）青年猪从入群到首次配种的间隔。定义：在报告期间，在繁殖猪群入群日期和对于那些未配过种的繁殖母猪(青年母猪)的首次配种日期之间的平均间隔天数。该指标反映后备青年母猪的初情状态。

（2）青年母猪首次配种到受孕的平均间隔天数。定义：在未配种青年母猪的首次配种日期和导致产仔(或者是期望能导致产仔)的最后一次重复配种之间的平均间隔天数。主要反映青年母猪的配种效率。

（3）从首次配种到淘汰平均间隔(青年母猪)。定义：在繁殖母猪的首次配种日期和从未配过种的青年母猪淘汰日之间的平均间隔天数。主要反映小母猪不宜配种而淘汰的情况。

（4）未配种繁殖母猪的平均存栏。定义：在报告期间，指未配种的繁殖母猪群的平均规模。

（5）配种青年猪平均存栏数。定义：在报告期间，指配种的青年母猪群的平均规模。

（6）平均胎次。定义：猪群中繁育母猪的平均胎次，不包括后备繁育母猪。

（7）非生产性天数（NPD）。定义：指繁殖母猪在自然年里既不怀孕、也不哺乳和必要的等待发情之外的天数之和。NPD 数越大，表明母猪怠工不出力的天数越多，反之表明母猪繁殖的效率高。

例如，如果年产胎数为2.3 胎，断奶天数21d，怀孕天数114d，且断奶后7d发情并配上种，则最理想的NPD=365-2.3*（21+114+7）≈39d。实 际 上 猪 场 的NPD 经常大于39d，假如7d 发情后进行了配种，但是在孕检时发现没有配上种，就得等18～23d 后的下一个发情期，假设按21d 计算，则可得NPD 为39+21=60d。因此，NPD 可全面反映猪场的管理水平，包括发情识别及配种效率等技术环节水平。

（8）繁殖母猪的生产力PSY。定义：一头繁殖母猪年可提供断奶的仔猪数量，综合反映繁殖母猪的生产力水平。既可以是一头猪的PSY，也可以有一个猪群或猪场的PSY，或者是一个地区或国家的能繁母猪的PSY。例如，因各国的猪场及管理水平有较大差别，PSY 也相差较大，某些国家如丹麦、挪威的PSY达到30头左右，中国PSY的平均水平在20头左右。

因描述猪群的数字化指标较多，仅列出以上8 项指标。

2.5 选用的远程监控及边缘计算设备

平台选用了海康威视AI 摄像头，型号为DS-2CD3T25D-I3，最高分辨率1920 × 1080 @25 fps，在该分辨率下可输出实时图像；支持用户登录锁定机制，设置有密码复杂度提示，满足数据库安全的要求；支持2 项智能侦测即越界侦测和区域入侵侦测；支持ROI 感兴趣区域增强编码，Smart265/264 编码，可根据场景情况自适应调整码率分配，有效节省存储成本，为人、场及猪的远程高精度监控及图像采集提供支撑。边缘计算设备采用农信数科的农芯云盒，硬件参数：Intel Jetson 架构，21T 算力，4T Sata 硬盘且支持12 路720p 摄像头；安装要求：部署在猪场机房，摄像头Onvif 协议18.12 以上，云盒与摄像头在同一个局域网内，不能跨网段，路由器支持配置端口映射。

2.6 背膘厚度与体重估测方法

种母猪背膘厚度的测定或估测方法：以膘情感官评定的5 分制为基础，结合机器视觉AI 算法[22]，建立不同猪种在不同生理及妊娠阶段的评分与背膘厚度之间的估测模型。

猪只体重的估测方法：采用以机器视觉为基础的算法，间接估测猪只的体重。首先获取目标区域内猪只的背部深度图像数据；对背部深度图像数据进行关键点标注，得到完整猪只图像数据，完整猪只图像数据标注有全部猪只关键点，将完整猪只图像数据输入到预先构建的以猪只全图像面积为自变量的猪只体重估测模型，得到目标区域内的猪只数量及每个猪只的体重数据。

3 结果与分析

3.1 猪场安全监测与预警

以某猪场为例，图2 为当日猪场出现的预警统计情况。其中，当日的生物安全预警有37 件，其中关键预警有27 件，并且列出预警高发在不同位置出现的次数等信息，为猪场的生物防控进行实时监控。

图2 某猪场动态变化的预警统计分析Fig.2 Early warning statistical analysis of dynamic changes in a pig farm

如图2 所示，若选定关键预警的统计，则可以看到27 种预警的具体场景。如图3 所示的预警事件为人员消毒作业，发生位置、风险等级及具体时间的可视化显示。工作人员可进一步点击图片，远程查询事件发生时的视频，为追责提供证据。

图3 猪场生物安全事件的捕获及远程查询Fig.3 Capture and remote inquiry of biosafety events in pig farms

3.2 猪只档案与生产分析

猪场的核心是繁殖母猪基础群，其生产周期就是发情、配种、妊娠、产仔、哺乳、断奶到空怀，为商品猪的生产不断提供断奶仔猪，其生产断奶仔猪的数量及断奶重体现了繁殖母猪生产力水平，也影响商品猪的生产成绩，最终影响到整个智能猪场的运行效益及效率。因此，对繁殖母猪的数字化管控是整个猪场管控的核心[23]，其中核心管理突破口就是繁殖母猪的档案管理，如图4 所示，主要包括状态信息、档案信息、生产数据、采食数据、环境数据、数据分析、预警列表和参数阈值等功能模块。

图4 繁殖母猪档案及生产过程信息管理Fig.4 Breeding sow archives and production process information management

其中，猪只状态信息对生产管理者最具参考价值[24]，系统在线显示指定猪只的所有状态信息，尤其是异常信息，为一线管理者及时干预猪只生产提供依据。图4 所示为个体编号为N002385 的母猪信息，通过基于参数阈值为基准分析的状态与异常数据提醒，发现该母猪目前主要的异常包括：体表温度39.5℃，温度偏高；当日采食量7.12kg，为理论采食量的80%，采食量不足；所处环境温度为24℃，对于哺乳母猪而言偏高；其他如背膘厚度、运动量、饮水量、累计采食量及湿度等数值在正常阈值内。上述猪只的行为与环境参数的监测及预警是猪场智慧管理的日常性工作，为实时监管猪只的生产提供在线的依据。

3.3 猪只档案管理

繁殖母猪的档案重要的是记录其不同胎次的数据，包括发情及鉴定、配种、分娩、哺乳及断奶等基本信息。依据上述信息可开展重要的数据分析，包括动态计算个体或群体在指定区间内的发情率、配种成功率、分娩率、健仔率、胎间距及综合反映母猪生产力的PSY 等。图5 显示了繁殖母猪N002385 的档案信息，包括了所处位置、状态、日龄（从出生计算起）、出生场地、品系/品种、配种次数/已产胎次、窝均产仔总数/窝均健仔数、非生产性天数（NPD）、当前体温及背膘厚度等，同时列出该繁殖母猪过往每胎的分娩数据及哺乳成绩，如断奶均重这一重要指标。

对图5 所示的原始状态数据进行适当处理，可以派生更多有价值的数据。例如，配种成功率为3/9=33.33%，产仔的健仔率为10/11=91%，自发情配种后的NPD 为156 d。此外，系统可动态提供繁殖母猪的背膘厚度。该指标是反映母猪体况的重要指标，不仅反映妊娠母猪的营养状况，也与繁殖母猪在不同胎次及不同发情阶段的繁殖性能相关。对于后备母猪，背膘厚度与初次发情日期有关，背膘过薄或过厚都会影响初情期，最适宜的背膘厚度与猪的品种有直接关系。陈方琴[25]研究发现，大白、长白纯种后备母猪最早初次发情平均日龄的背膘厚度为11.00～12.00 mm，初情期最晚的背膘厚度＜10.00 mm，居中间的背膘厚度＞13.00 mm。其次，妊娠母猪的背膘厚度直接反映了母猪的营养状况，调控整个妊娠期的背膘厚度，实质上是保持母猪合适的体脂沉积，维持胎盘的正常功能，这对于提高母猪的繁殖性能如健仔数、出生重量等十分关键。郑梓[26]研究的长大二元后备母猪结果显示，妊娠前期（30 d）、中期（60 d）、后期（90 d）和产前生产性能最佳的背膘厚度范围分别为14～19 mm、19～22 mm、14～16 mm 和21～24 mm。当然，母猪的不同品种、不同养殖模式及不同生理阶段及胎次，最适宜的背膘厚度是有差异的，这需要不断积累数据，形成参数阈值数据库录入系统中，通过形成标准，对每头母猪的背膘状态做出科学评判，为母猪的营养调控提供依据。图5 显示的背膘厚度为19mm，其在合适的范围内。

图5 繁殖母猪的档案信息的初始页面Fig.5 Initial page for profile information of breeding sows

3.4 猪只生产数据分析与预警

如图6 所示，综合分析了猪场各类运行的状态数据，包括猪只当日存栏信息，包括各类性质的猪只数、当日的生产预警统计与执行处理情况、母猪的生产力PSY的动态分析进展等。当选择“PSY红绿灯”，就可以进一步显示猪场或猪群的整体PSY 数据的详细指标以及分析结果，如图7所示。

图6 指定猪场的运行状态检测与数据分析统计Fig.6 Operation status detection and data analysis statistics of selected piggery

如图7 所示，PSY 的分析数据是针对选定猪场的2021 年6 月至2022 年5 月时间区间的分析结果。该选定猪场是一个投入运行时间不长的繁殖场，其中繁殖母猪头数为76 头，繁殖群中1～2 胎所占比例达81.94%，猪群以青年母猪为主，年产胎次仅为1.63胎，非生产天数NPD 达159.38d，导致繁殖猪群的PSY 偏低，仅为17.83 头。其他生产技术参数方面亮红灯的指标，包括配种分娩率、断奶7d 内发情配种率、受胎率、妊娠阴性率、流产率及空胎率等。其中，关于指标配种分娩率，对于全面进行状态的繁殖母猪场全群的分娩率应在85%～90%，对于新建猪场的预期目标一般在75%左右，可见图7所示选定猪场的这一指标明显偏低，仅为预期目标的一半左右，在其右侧的5 项指标详细分析了配种分娩率低的相关指标。因此，猪场应该针对这5 项指标分别采取措施，提高精准管理及配种技术水平，通过提高发情配种率、受胎率，降低妊娠阴性率、流产率及空胎率等方面，达到配种分娩率指标的改善，最终促进该猪场PSY 的提升。

图7 指定猪场的“PSY”分析结果Fig.7 PSY analysis results of selected piggery

3.5 猪只远程无应激点数及体重估测

在非洲猪瘟可能常态化的情形下，如何利用AI技术在非接触及无应激的前提下获取猪场运行状态及猪只个体信息，包括猪只数量及体征等信息，是目前所有规模化养猪场，特别是种猪的繁殖车间迫切需要的。只有这样，才能最大限度减少人与生猪尤其种猪的直接接触，随时了解猪只的生长、健康及发情情况，为猪场的精准控制及个性化调控猪只健康及营养提供决策依据。图8 显示的是远程在线对生长肥育猪舍的猪只计数、估重及体长与体宽的估测结果。图9 显示的是选定猪群的体征数据，包括猪只均重、均长及均宽的动态数据，通过可视化分析不同猪群的生长情况，为对猪群的营养调控提供基础数据的支撑。

图9 选定猪群的体征数据（体重、体长、体宽）连续变化的动态监测Fig.9 Dynamic monitoring of continuous changes in physical signs of selected pigs

如图10 所示，基于在线监测不同猪群的体征动态变化数据，结合采集的猪群日采食量数据，则可动态计算饲料转化效率即FCR（g/g）。系统对舍内所有猪只个体的平均估重，结合饲喂设备记录的消耗饲料总量，可得到该猪舍所有猪只个体平均的FCR。如果发现某个猪舍的FCR 明显偏低，则预示着该栏内部分猪只采食量不足，需要查清具体原因。

图10 猪舍（保育舍）猪群累计采食量及平均采食次数的自动记录及可视化Fig.10 Automatic recording and visualization of cumulative feed intake and average feeding times of pigs

3.6 猪舍环境监测与数据分析

猪场智能管控平台除了上述的“生物安全监测与预警”“猪只的档案管理”“猪只生产数据分析”“猪只远程无应激点数及体重估测”和“采食数据记录与分析”等功能外，还具有对猪舍环境的监测与控制功能。如图11 所示，显示的是选定猪舍的环控数据信息，环控指标包括温度、湿度、二氧化碳、氨气、光照、硫化氢等。猪舍环控系统，为猪只提供了舒适的生长环境，解决了猪只“住得好”的问题，有利于猪只的健康生长，有效提高猪场的经济效益。

图11 猪舍环控数据分析Fig.11 Analysis of environmental control data in piggery

4 结论与展望

数字化管理是规模化猪场发展的必然趋势。目前，养猪行业面临着非洲猪瘟疫情时有发生、饲料成本居高不下的难题，持续萎靡的市场行情使养猪业进入了市场寒冬，规模化养殖企业面临着深度亏损的状态。传统的人工散养养殖模式弊端明显，必将向着集约化、规模化和智能化的养殖方式发展。随着现代科学技术的发展，人工智能、物联网和5G通信技术融入到畜牧业生产中，特别是在中国养猪业转型升级的关键时期，上述技术对于解决环境压力、资源约束等问题将会发挥重要的作用。智能化设备可以有效缓解劳动力需求，数字化管理可以有效提高生猪生产力水平，两者共同促进中国养猪业的发展，促进了智能猪场的建立，真正实现绿色、高效和智慧养猪。

本研究创建的智能化猪场数字化管控平台，系统集成物联网和人工智能等现代信息技术，构建猪场多维度预警体系、智能化管理体系和生产经营决策体系，保障猪场生物安全与资产安全，实现猪只从出生到出栏全生产周期的远程化管理、精细化生产及可视化决策，实现猪只的智慧养殖，有效提高养殖收益。

智能化猪场数字化管控平台的功能还需进一步拓展与完善。在猪只智能精准饲喂方面，智能精准饲喂技术根据猪只所处不同生长阶段，通过自动计算营养需要量调整饲料配比，实现精准下料，可显著提高母猪受胎率、繁殖性能和生产性能，有效提高猪只饲料利用效率，减少饲料浪费，降低料肉比，此部分模块将丰富猪场数字化管控平台的功能，显著提高管理水平，减少投入成本。在猪只健康状态感知方面，生物传感器与巡检机器人的发展日新月异，可以快速感知获取猪只的生理状态，实现对猪只发情、疫病的监测与预警，有效提高猪只的生产力水平，降低疫病传播的风险隐患。在后期大数据分析方面，生猪养殖数据涉及到产前、产中和产后各个环节，通过物联网获取的海量数据，后期还需要进行更加深入地智能分析，发现养殖过程中存在的问题，为养殖场的发展提供有益的生产决策。综上所述，智能化猪场数字化管控平台的发展，还需要进一步完善智能精准饲喂系统、健康状态感知系统和大数据分析系统3 个方面的功能，随着智能化猪场数字化管控平台的完善，无人值守式猪场必将实现。