生豬數據與大數據相遇：精準養豬革命

大數據和機器學習可能會改變養豬業，對豬的福利和生產效率提高都有一系列的好處。

想象一下，在未來豬場里每頭豬的健康狀況和體重都可以通過手機應用程序單獨被訪問，傳感器網絡將持續實時監測豬的行為、飼料消耗和豬場環境，并在這些變量偏離正常范圍時向生產者發出警報。隨著精準畜牧業和大數據技術的出現，這一前景正迅速成為現實，這為養豬行業帶來了許多令人倍感興奮的機遇。

在精準畜禽養殖中，可以利用大數據技術挖掘和分析通過畜禽舍中的傳感器網絡生成的海量復雜數據集。持續的監測提供了全面的、詳細的信息，這些信息可以由計算機處理后供生產者利用，以優化其畜禽的管理。例如，使用信息技術根據豬躺在地上與活動的時間比例將其歸類為跛足，這比簡單地向養豬者提供豬躺在地上的總時間要有用得多。

機器學習的出現大大增強了大數據模式檢測能力。機器學習包括計算機程序和算法，這些程序和算法可以隨著時間的推移進行調整，通過接觸大量數據來識別數據集中的正常內容。然后，計算機可以識別出現的異常數據，并報告導致這種偏差的條件。設備核心接觸到的數據越多，預測就越準確。這樣就有能力預測疾病暴發等事件，或者在豬場中出現需要生產者介入的問題時及時通知養豬者。

最近，機器學習被用于人們識別美國養豬場此前未知的疾病傳播模式[《科學報告》(2019)9:457]。眾所周知，在農場之間轉移動物，例如將仔豬轉移到下一步養殖的豬場，會增加感染豬流行性腹瀉病毒（PEDv）的風險，但在沒有豬只移動的情況下，這種疾病在鄰近豬場之間的傳播原因尚不清楚。研究者懷疑這與氣候變化有關。為了驗證這一猜想，研究人員將來自332個母豬場的1 500多萬頭豬的運輸數據與同期的天氣模式、豬場的物理特征、附近的環境和豬只密度這些數據結合起來，以確定與疾病暴發有關的原因。機器學習算法證實，動物運輸是感染PEDv的一個高風險因素，同時也確定了天氣的某些方面，如季節和風速，與PEDv暴發有關。這些結果與這種疾病的空氣傳播相一致，這一發現是用傳統局限性統計方法不可能得到的。

回到未來的豬場方面，計算機遠程監測豬只行為變化的能力令人吃驚。例如，位于豬圈上方的攝像頭現在可以精確地跟蹤成群的豬只，以監測它們的行為，比如擠作一團、覓食、打架和咬尾巴。目前，這些行為監測必須在豬舍欄內進行，因為豬只躺在一起時阻礙了個體追蹤。對于單欄飼養的哺乳期母豬，視頻成像可用于監測哺乳行為和壓死仔豬的事件。圖像分析還可以用來估計育肥豬的體重，其誤差在1 kg以內，從而更準確地預測達到出欄體重的日齡。熱成像儀可以用來檢測身體溫度的變化，而音頻傳感器可以根據一群豬發出的聲音和咳嗽聲來檢測豬只熱應激、疼痛和呼吸道疾病。有些相機甚至可以通過面部識別技術來識別單個豬只。

有了適當的計算能力，這些豐富的數字信息可以用來快速檢測群體中的健康和福利問題。例如，帶有加速計的耳標可以跟蹤豬的運動，并可以在豬只出現中度跛行跡象的14 d前自動檢測出跛行。由于在大型群體中，通常很難在豬跛行由中度變成重度之前眼觀檢測到跛行，因此這項技術有可能縮短跛行豬只接受治療的時間，并縮短其痛苦的持續時間。對生產數據的個別監測，如飼料轉化效率和增長率，也可能有助于制定有針對性的管理決策和提高盈利能力。

精準畜牧業的興起是畜牧業發展的必然趨勢。盡管對生產者來說有明顯的好處，但在這項技術普及之前，必須克服一系列的物理和技術困難。例如，所使用的傳感器必須足夠堅固，能夠承受畜禽舍內的動物的日常活動的影響，而安裝這些傳感器的一次性投入可能會對一些發展項目構成障礙。設備生產商還需要能夠將大數據處理成可用輸出的計算機系統，而許多農村地區互聯網連接不良，可能會給依賴遠程技術的解決方案帶來進一步的障礙。但是，隨著這項技術在未來的發展，其中許多問題將得到解決。

要讓計算機開發出將大數據處理成有用輸出所需的算法，首先必須使用大型數據集對機器進行“訓練”，并根據其與豬只的健康和福利的生物學相關性對結果進行驗證。獲取用于機器學習的大數據需要行業內的協作和數據共享，這對養豬從業者來說既有好處也有壞處。一些形式的大數據是公開的，如動物疾病發生率數據或天氣數據。其他數據只能私下提供，其中包括生產數據和其他企業可能希望在競爭環境中保持私密的數據。用于存儲私密數據的外部管理的、受隱私保護的存儲庫未來的開發，可能有助于緩解這些問題，同時允許訪問這些數據進行機器學習。

總之，利用大數據和機器學習實時監測豬只的生理情況和行為，為改善豬的健康和福利提供了許多機會。使得豬場的問題可以更快地識別和糾正，潛在的問題可以更容易地預測。豬只對環境變化的即時反應，如提供營養物質或消除應激源，可以進行實時監測，并相應地調整對這些動物的飼養。精準畜牧業與機器學習技術相結合，可以幫助養豬從業者在大規模管理畜禽的同時，為畜禽提供個性化的護理。