豬行為自動監測技術研究現狀與展望

閆麗++沈明霞+劉龍申 陸明洲

摘要：作為評價動物福利條件最直接的證據，也是動物行為學研究的核心內容，行為是對豬的運動功能、高級中樞神經功能和精神狀態的評估，能夠全面反映機體的整體狀態，通過行為能夠了解動物的適應性、生存所需要的條件及情感需求。選取母豬為主要研究對象，歸納分析母豬在發情、分娩、哺乳和疾病各階段所表現的活動形式、身體姿勢、外表上可辨認的變化以及發聲等行為特性，并針對這些行為，對目前國內外學者已經使用的包括電子測量、視頻、音頻等計算機自動監測技術進行綜述，進一步提出對現有監測技術的改進建議，以期精準掌握豬的行為習性，創造適于豬生長的飼養環境，從而提高豬的生產性能。

關鍵詞：母豬行為；母性行為；異常行為；自動監測；監測技術

中圖分類號： S126；TP274文獻標志碼： A 文章編號：1002-1302（2016）02-0022-04

目前，養殖戶利用現代技術測量如通風率、溫度、濕度和有害氣體等畜舍參數已十分普遍[1-4]，但對畜舍中動物行為的監測與識別卻仍沒有滿意的技術。2013年比利時的 Berckmans 教授首次提出精準動物養殖（Precision Livestock Farming）的概念，即提供連續、實時、自動的監控和觀察，使養殖戶能夠監測和控制動物的健康和福利狀態[5]。2013年我國人均消耗豬肉40.65 kg[6]，豬作為人類食物的重要來源，其健康關系著食品安全、人類健康、環境污染和貿易壁壘等一系列問題。豬和人類一樣有感知、痛苦、恐懼等情感需求，作為表達感覺的肢體語言，行為表達著豬的喜怒哀樂、各種生理需求及欲望。豬經過不斷馴化，常見的行為模式從野豬的二十幾種減少到家豬十余種，包括采食、排泄、群居、爭斗、性、母性、活動與睡眠、探究、異常和后效行為等[7]。精確了解豬的行為可有效提高豬肉生產的質量，其中對母豬行為的精準監測尤為重要。本研究首先針對母豬各階段的行為特性進行歸納與分析，針對其行為，對目前國內外已經使用的計算機自動監測識別技術進行綜述。目的是能夠精準掌握豬的行為習性，創造適于豬習性的飼養環境，提高豬的生產性能，從而獲得最佳的經濟效益。

1豬的行為分類

對于豬的行為研究源自于行為觀察，從文明狩獵階段起，人們通過觀察野豬的活動規律來提高獲取獵獲的概率；隨著野豬家養，人們開始有目的地觀察和掌握豬的生活周期和行為規律。豬的行為由活動形式、發聲和身體姿勢，以及外表上可辨認的變化組成。作為最主要的生產力，母豬擔負繁育仔豬的職能，母豬的行為及健康受到養殖戶和行為專家的重視，其中針對母豬的發情行為、分娩行為、母性行為開展了一系列研究，監測方法也由最初的人工觀察，向智能的電子測量、視頻監測和聲音監測發展。[LM]

1.1發情行為

豬的正常繁殖，首先取決于母豬能否正常發情，然后才能使其配種受孕。及時、正確地鑒別出母豬發情并適期配種是提高母豬受胎率的技術關鍵。當母豬發情時，由于生理的一系列變化產生獨特的行為表現：（1）精神興奮不安，對周圍環境動靜反應敏感；（2）活動量增加；（3）少食或不食；（4）發出哼哼聲。因此，監測發情的方法包括監測運動量變化、公豬試情法以及對飲食情況的監測，而判定母豬的最佳配種時機則常采用背壓法。

1.1.1監測運動量的變化發情期母豬的活動量顯著增加，其中睡臥減少，站立和走動次數明顯增多，常常伴有爬欄、跳圈等現象。人們常采用電子測量設備來計算運動量，其中最早使用的計量工具是計步器。計步器通過一個平衡錘的上下振動使觸點出現通斷動作的振動傳感器來計數。利用豬運動時身體重心上下移動的原理，計步器可以檢測行走步數和靜躺時間。計步器已應用于歐洲的奶牛場，每頭牛都配有計步器，用于記錄牛運動的強度和運動量，了解奶牛的健康狀況。1941年Altmann將計步器佩戴在母豬軀干上，用于檢測母豬發情，試驗表明在發情期的1～3 d里，其活動量是平常的2倍[8]。

近年來，人們多利用紅外線、加速度計、RFID技術來提高對母豬發情檢測的識別率。針對生活在限位欄的母豬，在豬肩部上方50 cm（距離地面1.6 m）處安裝紅外探測器，母豬站立即進入紅外探測器的感應范圍（0.65 m×1 m），站立狀態下發生的運動行為會引起位置變化，基于紅外探測器的熱電原理，探測器檢測到母豬身體發出的熱輻射的溫度不同，最終引起探測器輸出信號——電壓值的變化，Freson等將平均電壓值記為母豬的日運動量，監測發情的正確率達到 80.5%[9]。對于檢測站立或者躺臥、靠近或是遠離等行為趨勢的識別，紅外探測器具有安裝簡單、可靠性高、對被測動物無干擾的優點，但對于運動行為的強度卻無法細致區分。

加速度傳感器是測量加速力的電子設備，運動過程中會產生規律性的振動，單軸加速度計可以檢測振動的過零點，從而計算出所走的步數或跑步的步數，用于制造MEMS計步器。Bressers利用一個含單軸加速度傳感器的頸圈來記錄母豬的行為，以平均幅值及超過限定閾值的信號數量作為參數計算運動量[10]，研究表明，母豬發情期間的加速度變化量顯著增加，當加速度閾值設定為10 m/s2，統計運動量比發情前一天高10倍[11]。對比紅外探測器和單軸加速度傳感器在母豬發情檢測的正確識別率分別為72%和53%[12]。

為了更好地區分運動強度、識別母豬的姿態，2007年Cornou等首次將3軸加速度傳感器（分別指向水平方向的x、y軸和豎直方向z軸）應用于母豬運動量的統計計算中，根據運動的強度將母豬行為分為運動和靜止2類，其中側躺和臥躺組成了靜止休息類，而運動類則包括高強度運動如采食、走動行為和中等強度的站立、趴臥行為。利用x、y、z軸及其合成加速度4個數值來區分這2類行為，準確率分別為96%和100%[13]。應用RFID射頻技術，可實現對豬群中單個個體的識別，Naas利用RFID讀卡器和動物耳標，實現對群養母豬發情個體的自動標識和檢測[14]。

1.1.2公豬試情法采用公豬試情是養豬場內最經濟、實用的人工查情方法。母豬在試情公豬前出現尋找、靠近公豬、鼻-鼻接觸、靜立反射（back pressure test或呆立反應）等特征是確立母豬是否發情的行為表現。但人工查情方法工作量繁重，判定結果易受主觀因素干擾，因此國外養殖場多采用2種方式來計算母豬特征行為出現的頻率和時長，以此自動監測母豬探視公豬欄的感知行為。方式一，利用“接觸窗”，觀察母豬與公豬發生鼻-鼻接觸等親近行為。Houwers等在“接觸窗”內安裝感應裝置用于統計母豬的訪問頻率，數據顯示在發情期母豬的訪問頻率不斷增加最終達到峰值[15]；Korthals觀測了7 397頭母豬的日常滯留時長，試驗數據服從92 s/d的Poisson分布，其閾值為10 min/d，發情檢測的識別度為 76.4%[16]；Blair等設置滯留時長閾值為4.43 min/d，識別率達到100%[17]。方式二，建立1個通往公豬欄的專用通道作為特定檢測區域，在通道中安裝感應器或視頻監控裝置，計算行為感知指數。行為感知指數（boar visiting index，BVI）由頻率f和時長d組成，則有：

[JZ（]BVI=rf×f+rd×d。[JZ）][JY]（1）

式中：rf、rd為頻率和時長的相關系數。Ostersen等將RFID 讀寫器安裝在接觸窗口內，記錄通過接觸窗口親近公豬的母豬耳標值及親近行為開始、結束時間，用于計算BVI[18]。Bressers 等分別用時長d和BVI為特征的識別率為93%和96%[19]。

1.1.3監測飲食母豬在發情期血液中雌激素水平增加導致食物攝入量減少，出現食欲不振的現象，因此監測食物的攝取量變化是識別母豬發情的方法之一。可通過監測電子飼喂系統或觀察母豬采食時間的運動量變化來了解母豬的食物攝取量的變化。母豬電子飼喂系統（electronic sow feeders，ESF）利用控制中心的科學運算實現對多臺飼喂器終端精確投飼管理。ESF通過RFID對進食的豬進行自動識別，記錄進食量和進食時長并自動測量母豬的日增質量情況，通過ESF可發現處于發情期而采食異常的豬。Cornou等通過ESF觀察母豬交配后第18天至第22天的采食情況，發情預測的準確率為79%[20]。而劉龍申利用三軸加速度合成值觀察母豬的日常運動量，運動量曲線具有周期性且呈現2個波峰，分別對應著每日的采食時間[21]。發情期母豬的運動頻率明顯增加，而飲食時間的運動量減少，也說明母豬發情期食欲不振。

1.2母性行為

母性行為包括分娩、哺乳以及產前的筑窩和產后舔凈仔畜等一系列行為。良好的母性行為對子代的成活和生長非常重要。當今種豬育種目標主要是提高生長率、瘦肉率及增加產仔數等經濟性狀，但過于注重經濟性狀的選擇，會導致母豬產仔數與仔豬死亡率同步上升的負效應。特別是在大型現代化養殖企業中，在非人為干涉條件下母豬能否很好地哺育后代特別重要，此時，母豬母性能力對仔豬在哺乳期的存活率和日增質量具有非常重要的影響。

1.2.1分娩行為相比歐洲國家新生仔豬的的死亡率僅為9%，而我國高達17%～30%[22-23]，因而對母豬分娩行為的自動監測廣受關注，準確預測分娩時間、監控分娩行為，及時發現新生仔豬，有助于仔豬接生、避免因疏忽造成仔豬死亡。母豬分娩前常伴有銜草筑窩、躁動不安、食欲減退等行為。Oliviero等利用地毯式壓力傳感器監測母豬筑窩所表現的刨地、拱地等行為，利用光電傳感器計算筑窩行為導致的運動增量，以此作為參數來綜合預測分娩時間[24]；Cornou等采用三軸加速度傳感器結合多線程卡爾曼濾波方法進行行為分類，通過動態線性模型預測分娩時間，準確率達到89%[25]。劉龍申等同樣采用三軸加速度傳感器，利用K-均值聚類識別產前的筑窩行為，建立二值Logistic回歸的分娩預測模型，平均預測誤差為2.17 h[26]。同時，對于新生仔豬的自動監測可用于計算母豬的實際分娩時間。Labrecque等在分娩限位欄內仔豬活動區域設置熱紅外傳感器，監測新生仔豬的出現，并及時通知飼養員[27]。劉龍申等提出結合顏色和面積等圖像特征的運動目標監測方法，實現對第1頭新生仔豬的圖像識別算法，識別率達到100%[28]。

1.2.2哺乳行為哺乳期母仔之間彼此交流和認知主要通過聲音來進行，仔豬在出生后2 h通過母豬發聲的振幅和頻率來辨別自己的母親。仔豬出生的最初幾周，母豬多表現為主動授乳的側臥姿，并發出“呼叫看護聲”來吸引仔豬，直到最后一頭仔豬到達乳頭，母豬叫聲才轉換成“哼哼呼嚕”放乳聲，以此方式來建立仔豬的采食模式；放乳聲是由1個低頻范圍內不同頻率的無調的、嘈雜的聲音組成[29]，聲音的發出與母乳的排出之間存在固定的聯系，哺乳母豬最初以1次/s平緩的頻率哼叫，隨后頻率急劇加快至 3次/s，持續15～25 s之后頻率逐漸下降直到哼叫消失，此時哺乳過程結束[30]。

1.3異常行為

動物行為可在某種程度上緩解環境變化給個體造成的心理及生理的壓力。當環境改變超出一定限度，動物無法適應這一環境時，其行為常常會表現出異常。因此，異常行為的表達是環境“不適癥”在行為學上的體現。

1.3.1行為規癖隨著養殖規模化，為了減少擠壓仔豬的致死概率，后備母豬和分娩母豬生活在限位欄中，然而，限制環境里的母豬經常面臨環境刺激貧瘠的情況，自然行為表達被嚴重抑制，出現了行為規癖等心理問題。例如，分娩前的蹄刨地、嘴拱地等表現，限飼造成的啃欄、啃槽以及無食咀嚼等異常行為。行為規癖的出現常伴隨著心理挫折和心理應激過程，與母豬試圖逃出所處環境而不能成功所帶來的心理厭惡有關[31]。Bao等利用瞳孔對光反射技術觀察母豬在慢性應激下瞳孔的壓力反應，并將瞳孔收縮時間（PLRT）作為衡量母豬心里沮喪狀態的指標[32]。

同時，行為規癖也會引起下丘腦后側面積及觀察擴散的減少、殺傷細胞的細胞毒性減少，導致免疫力低下，從而引起其他生理疾病。疾病是在一定病因下，身體自穩調節紊亂而發生異常生命活動的過程，從而誘發一系列代謝、功能、結構的變化，表現為癥狀、體征和行為的異常。

1.3.2疾病診斷異常行為可用于進行環境調節預警或者及時發現動物疾病。適宜的環境是豬健康的基本保障，Shao等利用紅外攝像頭監測群養仔豬的圖像，使用最小歐幾里德距離計算豬群緊密程度評定豬舍溫度的舒適度，從而進行溫度調控。若因環境異常或自身免疫力低下，豬一旦生病，即長期處于病情應激狀態，胃腸道功能會發生變化，出現食量下降甚至不食的現象[33]。Kruse等研究了哺乳期母豬的飲水情況，發現在健康和患病期豬的飲水次數及飲水量存在顯著差異，用于識別患病母豬；而其消化系統的消化酶分泌不足也會導致腹瀉問題[34]。朱偉興等利用安裝于豬舍排泄區的嵌入式監控設備對群養豬的排泄行為進行24 h監控，對每天排泄次數異常的豬認為是疑似病豬，病豬檢測正確率為 78.38%[35-36]。與呼吸道有關的疾病是豬的常見、多發疾病，常伴有呼吸困難、咳嗽等癥狀。紀濱等利用Matlab對視頻中豬的脊腹線波動進行分析來判斷豬呼吸急促癥狀，脊腹線的識別精度高于85%，且其波動頻率與豬的人工呼吸急促癥狀估分值呈線性正相關[37]；Ferrari等通過臨床檢查篩選染病豬并采集其咳嗽聲，發現染病豬咳嗽音頻的標準化壓力均方差、峰值頻率均值、咳嗽持續時間及咳嗽頻率都異于健康豬[38]。對于豬的此類疾病及時發現、盡早隔離，可有效避免群體傳染和大量死亡，減少疫病傳播產生的經濟損失。

總之，對豬尤其是母豬行為的觀察方法已由人工觀察向電子測量、視頻監測和聲音監測方向發展，其中數字圖像處理技術通過對豬姿態、輪廓數據的計算，輔以運動的行為參數，用于判定豬形體姿態和行為趨勢，該方法實時、客觀，但易受到養殖場光照條件、視角及遮擋影響。為了更加精細、定量地研究豬的特定行為及其體征，引入低成本、高性能的電子測量設備，監測行為的運動趨勢來區分站立、躺臥，靠近或者遠離，通過運動強度的強弱區分靜止、小幅度運動和大幅度運動，以此計算運動量，應用于判定母豬的發情及分娩行為。如今，電子監測節點大致分為接觸式和非接觸式2種，接觸式節點以較合理的方式固定到豬軀體上，獲得更加精準的運動數據，行為種類的劃分也更加細致。然而，在高溫、高濕、高碰撞的養殖環境下，此類節點數據穩定性、電池續航尚需改進。聲音作為行為的重要特征之一，其識別有助于輔助圖像識別法和電子測量法進一步明確豬的生理狀況，同時，聲音作為家畜種群內交流的“語言”，母豬的哺乳叫聲有助于構建仔豬的采食模式。由于聲音分析對音頻質量要求高，因此，降低圈養母豬叫聲間的相互干擾及環境噪聲的影響將是后續研究中需要解決的問題。

2展望

[JP3]綜上，對于豬行為的研究，國內外動物學家和信息處理專家已經取得了相關的研究成果，但仍存在以下尚待解決的問題。

2.1電子測量節點的設計問題

目前實際使用的行為數據采集節點受佩戴方式、碰撞打斗等因素干擾，數據出現偏移、抖動及噪聲，需進一步改進數據校正和去噪算法實現對行為數據的預處理；且接觸式節點需固定在豬身體上，不便對芯片及電池進行維護操作，因此，必須研制工業級、輕型、低功耗的傳感器芯片以及微型、高容量的電池，確保電子測量節點長時間、穩定的使用。

2.2環境因素對視頻、音頻監測的影響

僅從畜牧信息的無損監測角度而言，圖像處理技術和聲音分析技術以無接觸方式記錄豬的行為信息，對豬活動無任何影響。但是機器視覺技術受養殖場光照、攝像機視距等條件影響較大，且圖像中柵欄阻擋的去除，粘連圖像的分割，豬個體識別與跟蹤，及視頻圖像的壓縮、感知、傳輸等問題是后續研究的重點。聲音分析對音頻質量提出較高的要求，去除碰撞柵欄、食槽的環境噪聲影響，有效降低群養母豬聲音的相互干擾，并研究母豬某類發聲的共性特征，是研究人員尚需解決的難題。

3結語

本研究著重闡述了母豬發情、分娩、哺乳各階段的行為特性及其異常行為表現，結合其行為特點，歸納和分析了現有的智能監測方法，進一步提出對現有監測技術的改進建議，為養殖人員掌握豬的行為習性，發現異常表現提供更加便捷的工具，以提高豬的生產性能。

[HS2][HT8.5H]參考文獻：[HT8.SS]

[1][ZK（#]Chen L D，Lim T T，Jin Y M，et al.Ventilation rate measurements at a mechanically-ventilated pig finishing quad barn[J]. Biosystems Engineering，2014，121（18）：96-104.

[2]Barbari M，Conti L.Use of different cooling systems by pregnant sows in experimental pen[J]. Biosystems Engineering，2009，103（2）：239-244.

[3]Bloemhof S，Waaij E H，Merks J W M，et al. Sow line differences in heat stress tolerance expressed in reproductive performance traits[J]. Journal of Animal Science，2008，86（12）：3330-3337.

[4]James K M，Blunden J，Rumsey I C，et al. Characterizing ammonia emissions from a commercial mechanically ventilated swine finishing facility and an anaerobic waste lagoon in North Carolina[J]. Atmospheric Pollution Research，2012，3（3）：279-288.

[5]Berckmans D. Precision livestock farming as a tool to improve the welfare and health of farm animals[C]. China，Chongqing：International Symposium on Animal Environment and Welfare，2013：206-214.

[6]朱增勇. 未來5年中國豬肉市場形勢展望[J]. 農業展望，2014（8）：18-21.

[7]Marchant-Forde J N. The welfare of pigs[M]. Dordrecht，the Netherlands：Springer，2009.

[8]Altmann M. Interrelations of the sex cycle and the behavior of the sow[J]. Journal of Comparative Psychology，1941，31：481-498.

[9]Freson L，Godrie S，Bos N，et al. Validation of an infra-red sensor for oestrus detection of individually housed sows [J]. Computers and Electronics in Agriculture，1998，20 （1）：21-29.

[10][ZK（#]Bressers H P M. Monitoring individual sows in group-housing：possibilities for automation[M]. Rappoort Instituut voor Veeteeltkundig Onderzoek ‘Schoonoord ，1993.

[11]Geers R，Janssens S，Spoorenberg S，et al. Automated oestrus detection of sows with sensors for body temperature and physical activity[C]. Japan，Kobe，：Proceedings of ARBIP95，1995.

[12]Serlet S. Optimalisatie van bronstdetectie bij zeugen[D]. 2004.

[13]Cornou C，Lundbye-Christensen S. Classifying sows activity types from acceleration patterns：application of a multi-process Kalman filter[J]. Applied Animal Behaviour Science，2008，111：262-273.

[14]Naas I. Applications of mechatronics to animal production[C]. USA，Chicago：the Club of Bologna meeting，2002.

[15]Houwers H W J，Unshelm J，Putten G，et al. Locality registration as a way of heat detection in an integrated group housing system for pigs[C]. Sweden，Skara：Proceedings of the International Congress on Applied Ethology in Farm Animals，1988：44-50.

[16]Korthals R L. The effectiveness of using electronic identification for the identification of estrus in swine[C]. Toronto，Canada：ASAE CSAE SCGR Annual International Meeting，1999.

[17]Blair R M，Nichols D A，Davis D L. Electronic animal identification for controlling feed delivery and detecting estrus in gilts and sows in outside pens[J]. Journal of Animal Science，1994，72（4）：891-898.

[18]Ostersen T，Cornou C，Kristensen A R. Detecting oestrus by monitoring sows visits to a boar[J]. Computers and Electronics in Agriculture，2010，74（1）：51-58.

[19]Bressers H P M，Te-Brake J H A，Noordhuizen J P T M. Oestrus detection in group-housed sows by analysis of data on visits to the boar[J]. Applied Animal Behaviour Science，1991，31（3/4）：183-193.

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

[21]劉龍申. 母豬行為體征實時監測系統關鍵技術研究與實現[D]. 南京：南京農業大學，2013.

[22]高婭俊，李保明，李明麗，等. 舍溫對母豬行為與仔豬保溫箱利用率的影響[J]. 農業工程學報，2011，27（12）：191-194.

[23]顧招兵，李明麗，高婭俊，等. 自由式分娩豬欄設計及應用效果[J]. 農業工程學報，2011，27（增刊2）：40-44.

[24]Oliviero C，Pastell M，Heinonen M，et al. Using movement sensors to detect the onset of farrowing[J]. Biosystems Engineering，2008，100（2）：281-285.

[25]Cornou C，Lundbye-Christensen S. Modeling of sows diurnal activity pattern and detection of parturition using acceleration measurements[J]. Computers and Electronics in Agriculture，2012，80（1）：97-104.

[26]劉龍申，沈明霞，姚文，等.基于加速度傳感器的母豬產前行為特征采集與分析[J]. 農業機械學報，2013，44（3）：191-196.

[27]Labrecque S，Labrecque R，Labrecque G. Birth monitoring system for piglets：US，2008/0266115 A1[P]. 2008-10-30.

[28]劉龍申，沈明霞，柏廣宇，等.基于機器視覺的母豬分娩檢測方法研究[J]. 農業機械學報，2014，45（3）：237-242.

[29]Rogerio G T，da Cunha. As good as it sounds：understanding piggish[J]. Pig progress. 2006，22（8）：13-15.

[30]Gill J C，Thomson W. Observations on the behaviour of suckling pigs[J]. The British Journal of Animal Behaviour，1956，4（2）：46-51.

[31]崔衛國，包軍. 動物的行為規癖與動物福利[J]. 中國畜牧獸醫，2004，31（6）：3-5.

[32]Bao J，Li X，Lü F L，et al.Prolonged latency of pupillary light reflex in confined sows：Possible stress-related symptom？[J]. Journal of Veterinary Behavior：Clinical Applications and Research，2013，8（6）：475-478.

[33]Shao B，Xin H W. 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.

[34]Kruse S，Traulsen I，Salau J，et al. A note on using wavelet analysis for disease detection in lactating sows[J]. Computers and Electronics in Agriculture，2011，77（1）：105-109.

[35]朱偉興，浦雪峰，李新城，等. 基于行為監測的疑似病豬自動化識別系統[J]. 農業工程學報，2010，26（1）：188-192.

[36]浦雪峰，朱偉興，陸晨芳. 基于對稱像素塊識別的病豬行為監測系統[J]. 計算機工程，2009，35（21）：250-252.

[37]紀濱，朱偉興，劉波，等. 基于脊腹線波動的豬呼吸急促癥狀視頻分析[J]. 農業工程學報，2011，27（1）：191-195.

[38]Ferrari S，Silva M，Guarino M，et al. Cough sound analysis to identify respiratory infection in pigs[J]. Computers and Electronics in Agriculture，2008，64（2）：318-325.