我國智能養豬現狀、問題及趨勢

王金環 陳湘云 褚帥令 楊玉含 魯錫峰 薛素金 于 瑩

（北京農信互聯科技集團有限公司，北京 100080）

1 工廠化養豬的發展歷程

從目前來看，我國的工廠化養豬大致經歷了機械化、信息化和智能化3個階段。機械化階段通過控制設備執行各類操作，系統完全不感知外部信息，是信息孤島的系統；信息化階段可以通過人工錄入或傳感器技術感知外界各類狀態信息，通過基本的數據分析指導操作，是簡單的信息反饋和交互的系統；智能化階段將各類數據信息互聯互通，相互融合形成智能決策和控制網絡，這個階段實質是一種全新的、復雜協同的知識自動化系統。

1.1 機械化階段

養殖機械化即在生豬養殖全程各個生產環節（飼喂、環境控制、消毒、防疫、清糞、廢棄物處理等）使用機械化作業代替人工操作。機械的使用節約了人工，降低了養殖成本，提高了養殖的規模化、集約化、標準化生產水平。

養殖機械化存在的問題：⑴畜牧養殖個別環節的機械化水平很高，而有些主要環節卻很低，各個環節機械化水平呈“斷崖式”差別，全程機械化水平被拉低。⑵養殖機械在不感知外部環境的情況下執行標準劃一的操作，不能針對具體環境變化做出調整，更加沒有考慮通過長期積累經驗數據指導決策。目前我國大部分中小規模豬場處于這一階段或向信息化轉型的階段。

1.2 信息化階段

早期數據采集主要依靠人工錄入完成，隨著物聯網和信息技術的發展，逐漸實現了數據自動采集，同時利用信息管理軟件高效地完成基本信息統計和分析，開啟養殖行業的信息化高速發展。采集的數據包括環境信息、豬只體征數據、豬只運動行為特性和生產管理數據，甚至屠宰、分銷物流信息等。

信息化面臨的困境：⑴采集數據間缺乏互聯互通機制，各種信息沒有高效的融合。⑵數據信息缺乏有效算法模型來形成閉環控制，難以實現實時、動態的精準操作和決策。⑶沒有建立精細養殖模型，決策和處理主要基于人的經驗，與實際需求仍有差距。目前我國集團化養豬企業大多處于這一階段。

1.3 智能化階段

隨著移動互聯網、物聯網、大數據、云計算、人工智能等技術的不斷成熟，新技術與豬場生產更廣泛、更深入地結合，并逐步嘗試替代人的操控來自主智能化決策，使智能養殖的應用環境愈發成熟。智能養殖模式是畜牧行業的第3次革命，傳統的養殖技術和管理經驗將被精準化的養殖管理體系和經營模式取代，從而提高勞動生產率，降低勞動成本，為畜牧業發展帶來更多效益。

2 智能養豬概述

工業領域認為恒定智能系統的特征包括4方面，即：狀態感知、實時分析、自我決策、精準執行。

⑴狀態感知：通過圖像及視頻識別、聲音識別、步態識別、RFID技術、智能設備等技術及設備進行數據采集。

⑵實時分析：以大數據為基礎，構建不同的應用場景下的算法模型，通過云計算實時分析出最佳的方案。

⑶自我決策：通過專家系統及網絡傳輸，無需人工進行確定即可自動向設備、系統或人發出決策指令。

⑷精準執行：根據實時收到的指令，設備、系統自動進行操作。

3 智能養豬的涵義

智能養豬是把工業上智能制造的理念遷移到養豬業，圍繞養豬管理構建更廣泛的網絡化平臺，在此平臺基礎上可以更廣泛地協同集成各類軟硬件和最新的技術，從而基于養豬產業生產等多場景開發相應的產品和服務，帶動整個行業的轉型升級。

3.1 智能養豬是圍繞養豬管理構建更廣泛的信息網絡

智能養豬是圍繞著數據信息采集網絡、數據互聯網絡和決策智能網絡不斷建網的過程。數據信息采集網絡是通過各種傳感器技術采集多種狀態信息，有如人的眼、鼻、耳等感覺器官；數據互聯網絡完成各種數據信息的互聯互通，有如遍布人體的神經傳導和連接；決策智能網絡則是在萬物互聯的數據信息融合基礎上，實現智能決策和驅動控制，有如人的大腦匯聚所有信息并進行處理和計算。這3個網絡構建的是感知智能、數據融合智能、預測決策智能的合體，實現在知識層面的思考，自動、自覺地完成系統知識自動化功能。

3.2 智能養豬是一系列技術和設備在養豬管理的集成

智能是一個相對泛化的概念，需要實現多種技術的集成，主要包含生產設備與嵌入式設備數據互通、嵌入式設備邊緣計算及通信設備數據傳輸、服務端大數據存儲、計算與分析等，是通訊與信息、物聯網、人工智能、區塊鏈、通信、數學、統計學以及行業技術等各種技術與軟硬件的大集成。

核心技術和設備主要包括：

⑴軟件系統：包括企業云、豬場生產管理軟件、ERP系統、OA系統等；

⑵硬件設備：包括各類智能傳感器、攝像頭、紅外深度相機、可穿戴設備、智能控制系統、智能芯片、GPU、NPU等；

⑶基礎技術：包括移動互聯網、物聯網、人工智能、大數據、云計算、區塊鏈等；

⑷算法模型：包括監督學習、無監督學習、遷移學習、決策樹、關聯規則學習等。

3.3 智能養豬是技術基于養豬管理各種場景的實踐應用

技術必須發掘生產上的需求，找到具體的應用場景，才能有“用武之地”，否則即是“無本之木”。實現智能養豬，要將最新的設備和技術應用到養豬業的生產場景中，不斷加強對養豬業各種場景、各種事物的多層次特征提取、描述、還原及控制能力，主要應用場景及技術實現見表1。

4 國內企業在智能養豬領域的發展現狀

目前國內的智能養豬市場主要包括豬場大數據服務

表1 智能養豬的主要應用場景及技術實現平臺、豬場物聯網平臺與設備、人工智能技術及解決方案等領域，主要細分領域、產品和典型企業見表2。

表1 智能養豬的主要應用場景及技術實現

4.1 豬場大數據服務平臺

豬場大數據服務平臺主要服務中小規模豬場，這部分豬場對于數字化管理有強烈的需求，又無力自己搭建信息化平臺。豬場大數據服務平臺為數字化、移動互聯網、物聯網、大數據、云計算等新模式、新理念、新技術在養豬業的普及和推廣做出了重要貢獻。如果說以BAT為代表的傳統互聯網企業完成了對消費領域的互聯網化啟迪和培育，那么以農信互聯為代表的最早一批豬場大數據服務平臺則完成了對生豬產業的信息化、互聯網化的培育。在智能養豬時代，這些平臺也將成為推動行業向智能化邁進的重要力量。

4.1.1 豬產業互聯網平臺

豬產業互聯網，即通過互聯網的思維和技術手段，將與生豬有關的主體、資源、產品、品牌、渠道、金融、服務連接起來，在大數據引擎下構建產業生態協同運營新平臺。平臺的主要職責在于制定平臺規則，整合各類行業資源，為生態圈中的合作伙伴提供信息、金融、物流等公共服務。通過互聯網、移動互聯網、大數據的思維和技術解決信息不對稱問題，大幅降低市場交易費用，優化資源配置。同時，與傳統的龍頭企業不同，平臺不以自身企業的利益最大化為核心，而是力求與整個生態圈的合作伙伴互利共生，因此能夠帶動整個行業產業鏈降低成本、提高效率。

4.1.2 豬場管理軟件

軟件的提供方有傳統農資企業、生豬養殖企業和豬場托管公司，也有專業的軟件開發公司。前者如傲農集團（豬OK）、安佑集團（安佑云），有多年的生豬行業從業經驗，產品主要服務于集團自身和客戶的豬場，同時也向集團外部豬場推廣，但由于有同業競爭的可能，豬場特別是大型豬場用戶會有所顧慮；后者如南寧久翔軟件（豬場管家）、微豬科技（微豬科技）、銀合科技（銀合ERP）等，軟件開發能力較強，也在作為獨立的第三方軟件平臺進行推廣。

軟件的模塊主要包括育種分析、豬舍環境監控、疫病診斷、精準飼喂、財務管理、銷售管理等內容，通過對智能管理系統的使用，幫助豬場節本增效，同時根據積累的行業大數據幫助豬場、農資企業等制定生產決策，進一步推動行業升級。大多數軟件有獨立的手機端和PC端版本，也有部分軟件搭建在微信平臺上，所有的軟件均根據豬場用戶的飼養規模和養殖方式設計了不同的版本。盈利模式上，與產業互聯網平臺相比較為單一，大部分軟件以付費使用為主，部分軟件還通過信息推送、出售設備、大數據增值服務等收取服務費。但目前，所有軟件均需要飼養員手動錄入數據，不僅費時費力，還存在信息錄入不準確、更新不及時等問題。

4.2 豬場物聯網平臺與設備

豬場物聯網即是利用感知技術與智能裝置，對豬場內的環境監測、個體識別、自動稱重、精準飼喂、自動

飲水、發情鑒定、糞污處理、能源消耗等進行感知識別，并通過網絡傳輸互聯，進行計算、處理和知識挖掘，實現人與設備、人與豬、設備與豬之間的信息交互，以對養殖場實時控制、精確管理和科學決策。豬場物聯網領域細分領域較多，以下選取物聯網云平臺、智能穿戴設備、智能飼喂設備、小型智能設備和智能環境監控設備5個細分領域進行詳細闡述。

表2 智能養豬主要細分領域、產品和典型企業

4.2.1 物聯網云平臺

物聯網云平臺是一個物聯網信息服務的集合。主要提供以下幾個方面的服務：

⑴連接服務：將養豬業的各類通信資源接入并匯聚，以及進行網絡接口之間協議的轉換，包括大量的豬場物聯網軟/硬件設備、各類相關信息應用系統、網絡資源、各類數據接口、軟件功能模塊等資源。

⑵技術服務：為豬場客戶提供大數據、云計算、邊緣計算、人工智能的計算服務和數據庫云存儲的服務。

⑶數據服務：實現系統間數據交互，實時整合數據分析工具，對外輸出大數據應用。

4.2.2 智能穿戴設備

畜禽的智能穿戴設備類似于人的智能手環、智能眼鏡、智能手表等，一般佩戴在畜禽的耳朵、脖子、四肢或者尾巴上，這類設備除了能夠認證畜禽的身份，還可以隨時感知畜禽的體溫、心率、活動量等生理信息和位置信息，實時上傳到服務器。系統通過相關的算法對這些數據進行處理，得到畜禽的發情、疾病、采食量、活動量等信息。

畜禽智能設備及其管理系統的核心技術包括兩方面：一是智能穿戴設備的集成度，即集成各種感知、傳輸、供電設備和技術的能力；二是人工智能算法，能否將設備和技術與具體的生產場景相結合，實現對生產中各種場景、各種事物的特征提取、描述、還原及控制能力。

4.2.3 智能飼喂設備

隨著現代科技的發展，豬場的飼喂方式逐漸由傳統的人工給料、自動化飼喂，向智能化飼喂發展。智能化飼喂設備不僅可以減少勞動力，還可以提升管理水平、降低飼料成本。

⑴母豬電子飼喂站。母豬電子群養飼喂系統通過無線射頻識別技術對電子耳標進行識別，通過中央處理器識別母豬個體檔案，進而制定飼喂計劃，實現精確的個體飼喂，有利于妊娠母豬個體膘情的控制。與傳統的飼喂方式相比，母豬電子飼喂站有節省勞動成本、減少飼料運輸過程污染、減少飼料浪費、提高精準飼喂管理水平等優點。母豬電子飼喂站設備在國外較為成熟，由于我國起步較晚，國內研究機構較少。另外，這種設備適用于群養模式，而我國規模化豬場大多采用單體限位欄飼養母豬。因此，目前母豬電子飼喂站設備在我國規模化豬場應用較少，但正逐漸地被廣大養殖戶認可，普及范圍將越來越廣。

⑵自動供料系統+智能飼喂器。自動供料系統與智能飼喂器結合有利于節水、節能和提高勞動生產率。自動供料系統采用密閉飼料罐車將飼料從飼料廠直接運送到豬場飼料塔中，可有效降低疾病被傳入的風險，而且能滿足不同豬群對飼料的需求。按照飼喂飼料的狀態，可以分為干飼料飼喂系統和液態飼料飼喂系統兩種。其中液態飼料飼喂系統不僅節省了人工費用，還具有普通干料飼喂無法比擬的特點，飼喂濕拌料具有顯著提高采食量、提高飼料轉化率、減少飼料浪費、減少各種疾病發生、顯著提高生長性能等優點。

4.2.4 小型智能設備

豬場小型智能設備主要用于生豬發情、懷孕識別、疾病診斷、精子檢測、個體素質輔助檢測等，主要包括電子耳標和閱讀器、智能B超儀、發情監測儀、智能背膘及眼肌測定儀、精子分析儀、智能體溫計、呼吸心跳偵測儀等設備。這類設備大多攜帶輕便、操作便捷、結果自動傳輸到終端或云端，極大地提高了豬場的生產效率。

目前背膘檢測、體溫檢測、精子檢測、個體素質輔助檢測方面的各個廠商應用手段較統一、技術相對成熟，懷孕識別設備間差距較大，發情監測準確率還不足。未來這類小型設備的發展趨勢是設備設計輕量化，提高操作便捷性、維護簡便性、網絡傳輸穩定性和識別結果準確率，同時兼顧與其他各類設備的集成、協同以及與各類軟件、云平臺的連接、整合。

4.2.5 智能環境監控設備

在過去，管理者要獲取環境數據，或者先由生產者進行統計、再將統計結果上傳到網絡，或者定期將設備取出、導入到電腦中。但在物聯網時代，只需要將每個豬舍進行聯網，就能夠實現舍內環境數據的即時上傳，實現人與物的直接對話，進而實現聯網后的自主決策，可謂是給豬裝上了“智能家居”。

一般來說，通過各種傳感器采集豬舍內與豬生長密切相關的環境參數，與預設值進行自動比較，當超過預設值上下限或斷電時，系統會自動報警，并通過短信或電話通知管理員。系統也可自動采集各類設備的性能和運轉數據，便于管理人員進行維護與保養。同時，配套開發的PC端和手機端APP，讓用戶可以遠程查看即時數據。調研中發現，大多數國外企業提供的設備不對用戶開放后臺數據，而國內企業則抓住了豬場用戶對數據的需求，紛紛開始向無線傳輸、云端存儲轉型。

4.3 人工智能技術

近年來，人工智能的研究如火如荼。我國的養豬業正處在由勞動力密集傳統養殖方式向現代化轉型的路上，為人工智能等新技術提供了絕佳的發展機遇和應用場景。在養豬領域，目前的研究與應用主要集中在視覺識別和聲音識別領域。

4.3.1 視覺識別

視覺識別即利用傳感器、攝像頭等采集豬的視頻、圖像，結合豬的行為學特征，為每一頭豬建立檔案，并對豬的行為特征、進食特征、料肉比等進行綜合全面分析，為智能建模提供更多的依據。

典型的應用場景如下：

⑴場景1：豬只識別。功能描述：基于深度神經網絡等人工智能技術，通過豬只體型、外貌、紋理、面部特征等細節的識別，抽象每一頭豬只的特征，精準定位每一頭豬只。同時，可以對豬只個體的身份進行核驗，為豬只標識唯一的ID，從而實現每頭豬只的實時跟蹤。

研究進展：國內多家公司如京東金融、佳格紛紛開展了豬臉識別技術的研究，從目前來看，大多數仍處于探索階段，有許多問題需要攻克，如豬的外形從小到大變化較快、豬只實時運動以及豬只的清潔程度都會加大圖像采集的難度等；豬只面部特征關鍵點差異小，識別難度相比人臉識別難度更大；目前的識別只能在已錄完的視頻中進行，基本還不具備對實時視頻進行采集和輸出的算法應用，且將算法應用到實際產業還需要很長一段時間的探索。

⑵場景2：智能估重。功能描述：利用傳感器采集豬的視頻、圖像，繪制成豬體3D模型，根據模型進行估重。同時估算豬只的體長、體高、體寬、臀部肥厚程度，繪制仔豬生長圖譜，同時篩選出優良種豬、提前分類優養。

⑶場景3：行為監測。功能描述：視頻圖像監測不同環境條件下豬只的行為，如監測不同環境條件下群豬的躺臥行為，分析豬只冷熱舒適度；記錄豬群的移動軌跡，建立豬群活動指數；利用視頻流分析豬群的攻擊行為，檢測攻擊事件特征，鎖定高侵略性豬只；檢測豬只進食時間、進食習慣，為精準投喂提供重要依據。

研究進展：利用視頻圖像監測豬舍早已有之，但與動物行為學的結合程度還很低。此外對豬的行為學特征研究也有不足，如目前集中研究豬只個體行為特征，對群體行為研究較少。

⑷場景4：體溫監測。功能描述：利用紅外成像獲取豬只的體溫，結合豬群的行為，監測豬只健康狀況。

研究進展：紅外成像技術較為成熟，市場也有專業的紅外成像儀，但儀器的性能差異很大，價格相差也很懸殊，從幾十元到幾萬元不等。

⑸場景5：疾病診斷。功能描述：建立豬病大數據庫，將病豬的照片上傳到數據庫，系統自動識別照片，給出初步的診療方案。

⑹場景6：懷孕識別。功能描述：根據B超儀拍攝的B超圖片自動判斷出母豬是否懷孕，類似于人類的醫學影像智能診斷。

研究進展：目前市場上尚沒有這樣的成熟產品。從人類的智能醫療發展現狀來看，智能圖像診斷的算法相對成熟，很多學校和商業研究團隊分別在不同病種的病理圖像自動識別上取得了不錯的成果，在識別準確率上接近或超過了人工識別，目前已經形成成型產品、在各應用場景實現小范圍推廣。因此，筆者相信智能影像診斷應用到養豬上也是指日可待。

4.3.2 聲音識別

聲音識別即結合聲學特征、語言識別技術和豬的行為學特征，對豬只的生長狀態和健康狀況做出判斷。

典型應用場景包括：

⑴場景1：對豬只的情緒、饑餓、發情、咳嗽等狀況做出判斷，為生產決策和疾病防控提供指導。

⑵場景2：在小豬被母豬壓住后，語言識別技術通過小豬的尖叫聲，去判斷小豬的位置，并通知管理員去把小豬救下來。

研究進展：國內一些科研院所、企業在開展這方面的研究。在實驗室環境下，對養豬場現場采集的聲音進行分析，對多種狀態的聲音進行聲音去噪、端點檢測、加窗分幀后，提取聲音的特征參數，并利用提取的聲音特征訓練分類模型，建立豬聲音識別系統[1]，可以有效地識別豬不同狀態的聲音且精度較高。雖然盡量模擬現實場景，但與真實的養殖情況還有一定差距。

4.4 區塊鏈技術

區塊鏈即去中心化、分布式數據存儲、點對點傳輸、共識機制、加密算法等計算機技術的新型應用模式。區塊鏈的不可篡改性在食品安全領域將有廣泛的應用空間，例如將區塊鏈、物聯網和防偽技術相互結合，實時記錄豬只位置和生長信息，追溯豬的成長過程，保證每頭豬從豬仔到成豬的所有數據都被真實記錄，打通信息壁壘，通過區塊鏈進行流轉，使消費者買到豬肉后可以通過App或二維碼進行防偽溯源信息查詢。需要指出的是，區塊鏈的不可篡改性指的是數據上鏈后被篡改的概率極低，而上鏈前的真實性則仍需要輔以其他手段加以保證。

研究進展：目前國內的區塊鏈市場整體上還處于研發投入階段，除了數字貨幣，其他領域尚沒有現象級的應用出現。部分技術型公司已經開展了將區塊鏈技術應用到農產品溯源的項目，如阿里、京東紛紛宣布利用區塊鏈建立食品追溯體系，中南建設攜手北大荒集團開發了一整套“區塊鏈大農場”平臺基礎架構，但這些項目仍處于搭建平臺和基礎技術研發的階段，尚未給行業帶來實質性改變。

5 問題反思與趨勢展望

5.1 問題反思

5.1.1 農業物聯網標準化程度低

物聯網標準是實現物聯網技術應用的關鍵。目前我國還沒建立完整的農業物聯網技術標準體系，感知層、傳輸層、應用層均沒有統一的技術規范，使得物聯網技術在農業領域產業化應用發展受到很大制約，具體表現為：農業傳感器標準化程度不夠，可靠性難以保證，難于實現廣泛的集成應用；傳輸網絡建設缺乏統一的指導規范，多采用自定義傳輸協議，隨意性較大；上層應用系統的開發也沒有標準可循，數據無法互聯共享，難以指導生產[2]。

5.1.2 豬場智能設備普及率不高

我國的智能農業設備發展比較滯后，投放市場前缺乏嚴格質量檢測，設備穩定性差、故障率高、維護成本高，后續技術服務不到位。設備對于惡劣環境的耐受能力也是個重要因素，養殖設備智能化升級遠遠落后于工業智能化進程，除了工業信息化條件優于養殖業的原因之外，最大的限制條件就是相關智能化設備要能夠在較為惡劣的現場條件下穩定運行，如豬場內粉塵大、腐蝕性大、濕度大、蚊蟲多、通訊條件差，這些不利條件都可能影響設備元器件的性能。此外，目前豬場智能設備的成本對于中小規模的豬場仍然偏高，但整體性價比有待提高，因此豬場采購智能設備的動力不夠強勁。

5.1.3 應用模型實用性有待加強

雖然通過豬場物聯網設備和管理軟件匯集了大量的豬場生產管理數據，但這些實時感知的數據沒有得到充分挖掘利用。首先，目前在豬場的個體識別、精準飼喂、智能環控等方面的機器學習方面已取得一系列進展，但部分的模型、算法還達不到指導豬場精準生產的需求，無法應用到實際生產中。其次，現階段的自動化控制或局部的智能化還是基于人的經驗，而人的經驗有2個局限性：并不精準，可能與實際情況有出入；受限于具體的環境，不同的環境下經驗不能通用。再次，目前主要還是時序控制、單一指標控制，難于實現按需控制和多指標控制，應用系統的智能化程度需要提高[3]。

5.2 趨勢展望

5.2.1 機器自我學習是突破點

智能是要實現軟件系統與硬件設備能夠按照不同的場景進行自主計算、并實現自主精準的決策和互動，最終達到智能化、無人化操作。下一個階段的發展方向是機器自我學習，即在人的經驗的基礎上，機器通過深度學習，積累養殖經驗，構建精細化養豬模型，如精準飼

（）（）喂模型、母豬發情監測模型、疾病預警模型、環境控制模型等，修正人的經驗，從而實現精細化管理。例如，按照人的經驗，哺乳母豬的最適溫度范圍為16～18℃，機器通過不斷的自我學習，能夠將母豬的適宜溫度數值區間鎖定在更準確、更科學的范圍，如16.5～18.5℃，并以此指導系統調節豬舍的環境狀況，帶動養殖效率的提升。

5.2.2 數據是最終驅動力

從人工智能技術發展的歷程來看，早期的發展主要由算法驅動，但缺少海量數據支撐與高水平的運算力保證，無法對算法模型進行持續的優化、迭代。隨著科技的發展，算法模型日益優化，現代計算機的性能逐年提升。當算法和計算力不能支撐實際產業需求或者未來技術壁壘很低的時候，數據將成為核心驅動力。以深度學習為例，深度學習是海量數據+人工神經網絡，其效果取決于兩個因素，即計算能力和數據量的大小。全球科技巨頭如Google、Facebook、IBM、阿里、百度都有開源平臺，所以隨著時間推移，技術壁壘最終會大幅降低，真正的痛點在數據量。因此，未來掌握更多數據的企業或平臺在行業內將更有話語權。

5.2.3 平臺化優勢將不斷凸顯

未來，隨著技術的不斷成熟和與產業的深度融合，平臺化的優勢會更加突出，一方面，豬場大數據服務平臺擁有龐大的豬場用戶群體，能夠提供廣泛的應用場景和海量的行業數據，為技術的發展提供豐富的分析、訓練與應用資源；另一方面，平臺能夠整合軟件服務商、技術服務商、設備提供商等各類行業主體，提供優質高效、低成本的運算能力和服務。通過海量優質的多維數據結合大規模計算力的投入，以應用場景為接口，平臺將構建起覆蓋全產業鏈生態的商業模式，滿足用戶復雜多變的實際需求。