基于精準養殖提升肉羊生產效益及福利化水平研究進展

張麗娜 武佩 宣傳忠

摘要：以內蒙古地區肉羊生產為例，綜述基于精準養殖降低飼養員勞動強度、提升肉羊生產效益及福利化水平的相關研究。闡述精準養羊的概念，列舉基于智能信息感知的羊只精準養殖中的身份識別、體質量監測、形態評價、行為分析、健康監測及環境監控方面的研究，討論精準養羊對提升肉羊生產效益和福利化水平的優勢，并總結內蒙古地區精準養羊中存在的問題及未來研究的方向。

關鍵詞：肉羊;精準養殖;生產效益;福利化水平;監測管理;研究進展

中圖分類號： S826.9+2? 文獻標志碼： A? 文章編號：1002-1302（2019）12-0043-05

內蒙古及周邊西部地區是我國養羊業的主產區，養羊方式主要以放牧式、放牧兼舍飼式（養殖小區）及全舍飼式存在。傳統的放牧飼養方式致使草原大面積退化、資源浪費，且養殖效益低。近年來，為了恢復草原生態平衡及實現草地資源可持續利用，內蒙古及西部地區實行“禁牧、休牧、輪牧”政策，提倡糧改飼，國家也對實行舍飼圈養給予糧食和資金補助，因此利用農業資源發展畜牧業，實施集約化設施養羊成為自治區及西部地區養羊業的發展趨勢[1]。但在規模化設施圈養條件下，羊的飼養密度大、活動范圍受限、環境調控不到位等，抑制了羊只放牧時的很多行為表現，給羊只的生理與心理健康造成了嚴重影響[2-3];人工、飼料、糞污處理等成本，對養殖效益提出挑戰;食品安全問題及綠色貿易壁壘事件的頻發，對養羊管理方式提出更高的要求。同時，提升人口的健康素質、營養素質，提高動物性食品的人均占有率，實現人與資源、人與動物的良性互動，發展高產、優質、高效、安全、生態的生產方式，促進可持續發展，成為集約化養羊業的必然趨勢，因此以健康為導向的舍飼精準養羊成為關注的焦點。

1 精準養羊

精準畜牧（precision livestock farming，PLF）主要指利用信息技術對現代畜牧業進行精細的管理，它被定義為使用過程工程的技術對動物進行管理[4]。它同時也被認為是依賴于自動監測動物相關生理過程的一套整合管理系統，是研究以信息技術為核心的高新技術在畜牧業應用中的一個專門領域，代表著畜牧業未來的發展方向[5]。羊屬精準畜牧養殖中的大型動物，其經濟價值高，與人類營養、健康關系密切，是精準畜牧研究的重點領域之一[6]。

精準養羊（precision sheep management，PSM）中將羊作為個體或小群體進行管理，而非以群體方式進行管理[7]。利用各種傳感器持續地獲取羊只個體各時段信息，如體溫、體質量、行為（站立、趴臥）、飲食（飲水、進食）、情緒、環境參數等指標，應用個體自動識別技術（如射頻識別）、大數據技術、專家決策技術等對個體進行生長評估、營養水平評估、情緒預測、疾病診斷等，實現高效率、低成本、福利化的現代生態養羊。

目前，精準養殖在豬、牛的研究中用于疾病的早期預防、生產性能的評估、日糧的精準控制、行為的實時監測、環境的控制等，但是，在羊的領域相應的研究還處在初級階段，雖然在發聲、圖像方面已經有一些探索，但是離應用這些技術在舍飼養羊中進行監測和管理還有一段距離。隨著勞動力成本的成倍提高，及信息新技術的豐富和普及，精準養羊將贏得更為廣闊的發展空間。

2 精準養羊研究現狀

羊是哺乳綱偶蹄目家畜。肉羊體型較胖，身體豐滿，體毛綿密，頭短，具有很強的群居行為，通過頭羊和群體內的優勝序列維系群體成員之間的活動。肉用羊喜歡溫暖、濕潤、全年溫差較小的氣候。羊的嗅覺比視覺和聽覺靈敏，靠嗅覺辨別飲水的清潔度，拒絕飲用污水、臟水。肉羊體型較大，運動空間廣、關節多，相較于其他大型動物，更加柔韌靈活，體姿多變，并伴有與心理相關的高級行為。基于羊的特性，國內外學者以精準養殖、提升羊只福利為目標，開展了多方面的研究。

2.1 羊只個體身份識別技術與體質量監測

羊只身份的自動識別是精準養羊中重要的組成部分，是信息采集、分析、決策自動化的技術關鍵之一。目前，羊只個體身份識別的主要方法包括基于生物特征信息的身份識別和基于承載羊只個體信息的耳標身份識別[8-10]，各種識別方法的特點見表1。

對活體羊而言，基于生物特征信息的身份識別特征圖像獲取較難，且單一的生物特征受各種因素的限制，很難滿足羊只個體識別實際應用的需求，且成本高。射頻識別（radio-frequency identification，RFID）技術成熟，廣泛應用于肉品溯源、畜牧管理等方面，將RFID技術、無線傳感器網絡（WSN）技術和3G技術融合，能方便地建立基于物聯網的肉羊管理平臺。

羊只增質量是育肥羊飼養的直接目標，而體質量一般是在早晨空腹進行，用臺秤或磅秤測得其質量，將羊蹄綁起來，然后放在秤上稱;或抱著羊稱，然后減去自質量;或掛稱。然而，在羊只稱質量過程中保定困難，因此包鵬甲等設計了專門的保定裝置[11]。上述測量方式工作量大、效率低、羊的應激反應大，存在人與羊的直接接觸。隨著內蒙古及西部周邊地區實施草原“禁牧”“輪牧”“休牧”及糧改飼等政策，集約化、規模化設施養羊成為趨勢，以提高測量效率、節約勞動力為目的的行走中稱量設備正被采用，設備以限位通道、稱重傳感器及計算機處理軟件相結合實現體質量自動稱量。劉艷秋等將RFID身份識別技術與行走中自動稱量結合，設計了活體羊體質量自動采集裝置，實現活體羊自動、福利化體質量測量[12]。

2.2 羊只形態測量

羊只形態用于描述羊只在空間尺度上表達的狀態，內容集中于生長發育特性、生長發育間相關關系及遺傳性能[13]。由于以上的形態值不能直接通過度量得到，而能直接度量的參數只有家畜表型值，因此，常用統計分析方法通過表型值間接評價形態，進而獲得羊的生長發育狀況及各部位之間的相對發育關系，指導生產、選育[14-15]，評估羊只的生長速度、飼料利用率和胴體品質[16]，以及預測活羊體質量等[17-20]。其中，常用的表型參數包括長、寬、高和維度4類指標，具體參數有體長、胸寬、胸深、體高、臀高、臀寬、胸圍、腹圍等[21-26]。

然而，羊只體尺的測量常采用手工方式，即使用測杖、卷尺和圓形測量器等工具，對體高、體長、胸圍、管圍、臀高、胸深、胸寬等參數進行測量。體尺測量時要求羊站立在平坦的地方，左右兩側的前后肢在同一直線上，前后的左右肢在同一直線上，頭自然前伸，一人固定羊，另一人進行測量并記錄。對于體型較大、身體豐滿、體毛綿密、具有很強的群居行為、膽小易驚的羊，這樣的測量方式，不僅羊的保定困難，測量工作量大，而且需要人與羊體直接接觸，羊的應激反應大，對羊尤其是孕產母羊產生嚴重的不良影響，如生產性能下降、發病，甚至死亡，影響個體羊及羊群的生長發育。另外，人與羊的直接接觸，也增加了人畜共患病的傳播概率。

隨著自動化技術、信息與傳感技術的進步，基于計算機視覺技術的檢測方法被應用于活體家畜體尺測量。如基于光學和聲學設備（超聲波）測定動物骨骼構造特征[27]，X光影像技術也可用于骨骼尺寸測定。然而，超聲成像依然無法實現無接觸式測量;X光有破壞細胞作用，對試驗環境要求較高。因此，目前基于視覺原理的動物體尺測量開始應用，并受到廣泛關注。如劉同海等基于機器視覺測量豬的體寬、體長等[28];Zwertvaegher等采用CCD成像及圖像計算機分析方法測量奶牛乳頭形態[29]。公開發表的相關研究中，國內外學者對基于視覺的羊只體尺測量做了有益探索，如朱林等應用嵌入式機器視覺技術測量羊的體高、體長，平均相對誤差不超過3%[30];Khojastehkey等基于圖像處理技術估計新生羔羊體尺[31];Vieira等開發了基于圖像的奶山羊視覺評分系統[32];Menesatti等構建雙目立體視覺系統評估活體羊的體尺及體質量[33]。但相關研究中體尺參數測量的自動化程度不高。張麗娜等提出了基于限制性空間的羊只體尺測量，即通過建立結構化限位專用裝置，將活體羊確定在特定空間相對穩定的位置，繼而使用事先布置在裝置上的CCD相機獲取其三維圖像，后通過圖像處理算法對感興趣測點進行線性測量（圖1）[34]。

2.3 羊只行為分析

動物行為是動物心理、生理健康狀況的外在表現。在規模化設施圈養條件下，由于羊只飼養密度大，活動時間、空間受限，環境調控技術不到位等因素，抑制了羊只放牧時的很多行為表現，一些羊只長時間處于趴、臥狀態，甚至出現相互撕咬和啃吃異物等異常行為，且羊群極易感染疾病[35-36]。相關研究表明，通過對羊只行為的研究，能夠獲得其身體、生理狀況以及外界對其產生的影響[37-42]。

有鑒于此，為了提高集約化養殖環境下羊只的精準養殖和福利化水平，國內外學者就羊只行為分析做了大量的研究。如阿根廷學者Galli等對羊的采食行為進行分析[43-44]。法國學者Sebe等對母綿羊和幼仔之間的聲信號進行識別[45]。丹麥學者Nadimi等提出基于ZigBee技術的無線傳感器網絡羊只行為檢測，對羊只的牧食、躺臥、行走、站立等行為進行分類識別[46]。國內學者郭東東利用三軸加速度傳感器對半封閉圈養的波爾山羊行為數據進行采集[47]，為建立山羊福利化養殖及疾病預測模型奠定了基礎。對于集約化養殖環境下的羊只行為分析，宣傳忠等以小尾寒羊為例，采集母羊在尋羔、饑餓和驚嚇3種應激行為的發聲信號，進行自回歸（auto-regressive，AR）功率譜估計和共振峰分析提取相應的特征參數，并利用BP神經網絡進行母羊發聲信號的分類識別，實現了依據母羊的發聲信號監測羊只行為的目的[48]。劉艷秋等以小尾寒羊為例，利用MPU6050三軸加速度傳感器和無線傳輸技術對距分娩日約為1周的6只經產小尾寒羊母羊的趴臥、站立、躺臥3種行為進行特征分析與識別[49]。

2.4 羊只健康監測

羊只健康與經濟效益、羊只福利及食品安全息息相關。

宣傳忠等以杜泊羊為研究對象，通過檢測、分析羊的咳嗽聲監測羊只的呼吸道疾病，進行疾病預警和健康狀況診斷[50]，如圖2所示。

2.5 羊舍環境監測

在規模養羊中，影響舍飼養羊的環境因素包括（1）物理因素，如溫度、相對濕度等;（2）化學因素，包括空氣中的氨氣NH3、二氧化碳CO2、揮發性化合物硫化氫H2S等;（3）生物因素，如微生物、病原體等。所有這些因素構成了羊舍內的復雜小氣候。隨著養羊業規模化、集約化程度的不斷提高，環境因素對畜禽繁殖、生長、發育、健康及畜產品產量所起的制約作用也越來越大[51]。因此，羊舍環境監測被廣泛關注。

然而，我國養羊業多處于落后山區，這些地區經濟欠發達，飼養經費、人力等投入不足，多數羊舍建筑結構也未能充分考慮對環境的調控功能，致使羊舍環境的調控主要取決于環境調控裝備的性能。近年來，隨著物聯網技術的興起，以及無線傳感網絡的廣泛應用，羊舍環境監測實施技術成本與難度降低。邢小琛等基于物聯網技術開發了羊舍智能環境監控系統[52]，如圖3所示。

3 基于精準養羊在提升肉羊生產效益及福利化水平方面的優勢? 近30年來，我國養羊業取得了很大成績，羊肉價格持續走高，價格居高不下的羊肉也被昵稱為“羊貴妃”。但受到經濟下行壓力的影響，從2014年下半年開始，羊肉價格普遍下降，飼料價格不斷攀升，致使廣大養殖戶利潤微薄，蓬勃發展的養羊業面臨巨大挑戰，因此，提高羊肉產品質量、提升養羊業生產效益對養羊產業的健康發展具有重要意義。就肉羊產業而言，集約化生產條件下，繁殖技術（人工授精技術、同期發情技術）、營養技術（分階段營養的制定、飼料飼草搭配）、疫病防控（疫苗的研發與應用、藥品的的研發與應用、日常保健技術）等科學的規劃設計以及借助現代化、自動化的先進機械設備提升養殖生產效率，成為肉羊產業發展的主導方向。

精準養羊實現了借助信息技術、依據動物科學、根據個體差異，定時、定量實施科學養殖與管理。如通過生長評估、體脂測定對羊只品質優化、遺傳選擇;通過體況評分反映羊只個體的飲食狀況、繁殖能力、健康以及福利水平，并根據評估結果制定相應的生產策略，從而提高生產效益;通過行為分析獲知羊只身體、生理狀況以及外界對其產生的影響，從而預估發情時間，及時、準確地跟進人工授精，從而降低產犢間隔和受精成本;根據產前行為評估產前狀況等，及時發現難產并人工助產，減少分娩時間、初乳攝入間隔，提高母羊和羔羊的健康水平;通過健康監測，及時發現病況并人工干預，降低生產風險;而有效的環境調控，使羊只能在羊舍舒適地休息和睡眠，降低群羊的疫病傳播。這一整套的科學養殖和管理方法優化了個體貢獻，促使養羊業高效益、低成本、生態、可持續發展[6]，在提高肉羊生產效益的同時，確保了羊肉產品的質量和安全。

4 精準養羊中存在的問題及未來的研究方向

從近年來國內外在畜禽精準養殖的研究看精準養羊，可以借鑒國內外在其他家畜（如豬、牛等）方面的研究成果，但羊作為獨立的畜種，有其特殊性，需要根據羊只的生長、環境、習性等出發，進一步探索和研究羊只的精準養殖問題。

4.1 羊只行為檢測智能裝備存在的問題及未來研究方向

羊通常協同游走、采食、躺臥，行進中前后相繼，這樣的生活習性使得羊只極易相隨，因此，基于RFID個體身份識別、日常稱質量或體尺監測時，常需要人為引導，常采用特定體位限制裝置，并設計狹窄、封閉過道，以使羊以單列方式依次進入測量系統。此方式提高了羊只個體信息采集的自動化程度和精度，大幅降低了信息檢測的人工投入，但依然存在一些問題，如當發生彼此相隨時，在自動化測量模式下，容易發生2只羊同時進入體位限制裝置，或后羊被夾在入口門禁處;RFID閱讀器同時檢測到2個或2個以上的信源時，無法正確識別個體。因此，在實測時需要操作員在入口處人為干預。研發有效、安全的羊只“分揀”裝置是準確、高效、智能地獲取“個體”羊信息的基礎。

羊屬大型家畜，但羊的精細動作，如羊的反芻行為，可作為其健康狀況的分析依據。羊每天反芻時間約為8 h，分4～8次，每次40～70 min。一旦反芻停滯則多為羊的健康出現了問題。鄔娟等開展了基于壓力傳感器檢測羊只的反芻行為的研究，但反芻作為羊只的細部動作，實現無應激、精確地檢測這一行為的智能檢測方法還需進一步探索，計算機視覺技術或聲傳感器在精細動作檢測方面的應用有待進一步開發[53]。

此外，目前在羊只精準養殖的行為智能檢測研究中，由于是該檢測活體行為檢測，因此常采用可穿戴的、無線數據傳輸方式的設備，這就對設備的電源供給、功耗、數據傳輸效率等提出了挑戰。研發體積小、功耗低、便于佩戴，且不會激發羊只異常行為（如頻繁搖頭、剮蹭圍欄等現象）的智能化設備是未來精準養羊中的重要課題。

4.2 羊只生長智能監測中存在的問題及未來的研究方向

在畜禽生長狀況評價研究中，學者們提出的基于表型參數（如體高、體長、胸寬、管圍等參數）的評價機制被廣泛認同，而這些參數的測量在經歷人工測量[54]、計算機輔助測量[55]階段后，向基于圖像分析和機器視覺的全自動化方向發展[56]。對于內蒙古地區的肉羊而言，優良的肉羊品種包括烏珠穆沁羊、蘇尼特羊、呼倫貝爾羊、巴美肉羊等，采用圖像分析的生長狀況參數測量中，隨著羊只的生長，厚重的羊毛直接對表型參數的測量及基于表型參數的生長狀況的評價的可信度提出挑戰。

針對這一客觀存在的問題，可從如下幾個方向研究：（1）建立完善的羊只管理系統，對羊只的剪毛時間客觀記錄，并觀測不同品種、不同時期羊只羊毛生長情況，對體尺數據進行校正;（2）研發可以無接觸測量體毛長度的智能設備;（3）探索包含被毛的體尺與生長發育的關系模型。

4.3 基于聲信號的健康監測中存在的問題及未來的研究方向

基于聲信號的健康監測經實踐證明具有有效性，但也存在許多現實的約束，如設施羊舍中采集的聲音信號包含大量無效聲音以及風機、飼喂設備等噪聲數據，且羊只發聲具有隨機性，難以預見羊只發聲時刻，因此，需要研究適用于設施羊舍聲音的自動采集和去噪方法，實現噪聲環境下羊只聲音的自動檢測;在羊群中，頭羊高叫時，其他的羊也會隨著叫起來，這就需要從混疊的聲信號中提取有效的待識別信號;到目前為止，學者們還尚未找到簡單可靠的聲學特征參數，也沒有找到簡單的聲學參數可靠地識別羊聲音信號的變異性;羊只叫聲信號的特征具有時變性，與設施養殖場的環境以及家畜的健康狀況和情緒相關，并且隨著家畜年齡的增加而發生變化。因此，從混雜、重疊、變異的信號中提取有效信號是基于聲信號的健康監測的核心。基于單一聲信號的健康監測受環境因素的制約，而運動行為是家畜心理、生理健康狀況的外在表現，具有較強的可檢測性，可將聲信號與羊只運動行為結合，綜合評價羊只的健康。

4.4 羊舍環境監測中存在的問題及未來的研究方向

羊舍要求保持干燥、清潔、溫暖，因此在羊舍的環境監測中，多數情況下，溫度、濕度、CO2的濃度常常受到關注。

由于羊舍相對結構簡陋，基于單點的環境參數無法反映羊舍的全面信息，因此基于多點信息融合的環境監測系統具有較好的適應性;羊舍中高密度的羊只飼養過程中，羊群呼吸、生產過程將產生大量的有害氣體，包括氨氣（NH3）、硫化氫（H2S）、甲烷（CH4）、一氧化碳（CO）、揮發性硫化物和粉塵等，造成羊舍惡臭，誘發支氣管炎、結膜炎等疾病，而這些有害氣體的分布和擴散形式存在較大差異，研究羊舍有害氣體濃度分布和排放規律，有利于未來羊舍的環境調控。

4.5 基于信息智能感知的羊只群體效應的研究

“羊群效應”指羊群在通常情況下處于一種散亂的組織結構，羊只在羊群中的行為是盲目的左沖右撞，但一旦有一只頭羊動起來，其他的羊會不假思索的一哄而上，從而也把羊群效應稱為“從眾效應”。強烈的“從眾效應”導致了羊群中羊只大多采取集體行為，當某只羊“不從眾”時，則很有可能該羊為病羊，或體弱羊，從而對其重點觀測。這樣即可及時發現“異常”，而無需投入大量的監測設備對每只羊無目的地長時間監測。此外，羊群的群體行為代表著整個羊群的生產水平，對群體效應的監測可用于評價羊群生產性能。

參考文獻：

[1]宣傳忠. 設施羊舍聲信號的特征提取和分類識別研究[D]. 呼和浩特：內蒙古農業大學，2016.

[2]楊曉磊. 舍飼對寒羊生產性能的影響[J]. 當代畜牧，2015（33）：4-5.

[3]喻顯發，王 輝. 標準化規模羊場的建設布局[J]. 養殖與飼料，2014（1）：24-26.

[4]Wathes C M，Kristensen H H，Aerts J M，et al. Is precision livestock farming an engineers daydream or nightmare，an animals friend or foe，and a farmers panacea or pitfall？[J]. Computers and Electronics in Agriculture，2008，64（1）：2-10.

[5]Banhazi T M，Lehr H，Black J L，et al. Precision livestock farming：an international review of scientific and commercial aspects[J]. International Journal of Agricultural and Biological Engineering，2012，5（3）：1-9.

[6]何東健，劉 冬，趙凱旋. 精準畜牧業中動物信息智能感知與行為檢測研究進展[J]. 農業機械學報，2016，47（5）：231-244.

[7]Atkins K D，Besier B，Colditz I G，et al. Integrated animal management system and method：AU，WO/2005/101273[P]. 2005-10-27.

[8]錢建平，楊信廷，吉增濤，等. 生物特征識別及其在大型家畜個體識別中的應用研究進展[J]. 計算機應用研究，2010，27（4）：1212-1215.

[9]Rusk C P，Blomeke C R，Balschweid M A，et al. An evaluation of retinal imaging technology for 4-H beef and sheep identification[J]. Journal of Extension，2006（5）：1-10.

[10]Kinard W B. Animal / pet identification system and method based on biometrics：USA Patents，9443166[P]. 2016-9-13.

[11]包鵬甲，裴 杰，王宏博，等. 一種羊用野外稱重保定裝置：201420110553[P]. 2014-10-29.

[12]劉艷秋，武 佩，楊建寧，等. 活體羊自動稱重裝置：201620189657.1[P]. 2016-3-14.

[13]張麗娜，武 佩，宣傳忠，等. 羊只體尺參數測量及其形態評價研究進展[J]. 農業工程學報，2016，32（增刊1）：190-197.

[14]張 帆，顏亭玉，楊佐君，等. 多元統計分析方法在羊體質量與體尺研究中的應用[J]. 北京農學院學報，2012，27（4）：16-19.

[15]Janssens S，Vandepitte W. Genetic parameters for body measurements and linear type traits in Belgian Bleu du Maine，Suffolk and Texel sheep[J]. Small Ruminant Research，2004，54（1）：13-24.

[16]Wynn P C，Thwaites C J. The relative growth and development of the carcass tissues of Merino and crossbred rams and wethers[J]. Australian Journal of Agricultural Research，1981，32（6）：947-956.

[17]Aziz M，Sharaby M A. Collinearity as a problem in predicting body weight from body dimensions of Najdi sheep in Saudi Arabia[J]. Small Ruminant Research，1993，12（2）：117-124.

[18]Mohammed I D，Amin J D. Estimating body weight from morphometric measurements of Sahel（Borno White）goats[J]. Small Ruminant Research，1997，24（1）：1-5.

[19]Varade P K，Ali S Z. Body measurements of sheep in field conditions[J]. Indian Journal of Small Ruminants，1999（5）：59-61.

[20]Atta M，Elkhidir O A. Use of heart girth，wither height and scapuloischial length for prediction of liveweight of Nilotic sheep[J]. Small Ruminant Research，2004，55（1/2/3）：233-237.

[21]達布西，金 鳳，德慶哈拉，等. 蘇尼特成年母羊體重與體尺的通徑分析[J]. 內蒙古畜牧科學，2002，23（5）：15-17.

[22]王高富，黃勇富，羅 藝，等. 重慶黑山羊體尺和體重與胴體凈肉率的回歸分析[J]. 中國畜牧雜志，2009，45（21）：9-12.

[23]陳永軍，趙中權，張家驊，等. 大足黑山羊初產母羊產羔數與體重體尺通徑分析[C]//中國畜牧獸醫學會獸醫產科學分會第五屆全體會議第十次學術研討會論文集. 楊凌：中國畜牧獸醫學會獸醫產科學分會，2009：211-214.

[24]白俊艷，張省林，龐有志，等. 大尾寒羊體尺指標的主成分分析[J]. 湖北農業科學，2011，50（14）：2912-2914.

[25]Riva J，Rizzi R，Marelli S，et al. Body measurements in Bergamasca sheep[J]. Small Ruminant Research，2004，55（1）：221-227.

[26]Lopez-Carlos M A，Ramirez R G，Aguilera-Soto J，et al. Size and shape analyses in hair sheep ram lambs and its relationships with growth performance[J]. Livestock Science，2010，131（2/3）：203-211.

[27]John C. System and method for measuring animals：USA Patents，8036429[P]. 2011-10-11.

[28]劉同海，滕光輝，付為森，等. 基于機器視覺的豬體體尺測點提取算法與應用[J]. 農業工程學報，2013，29（2）：161-168.

[29]Zwertvaegher I，Baert J，Vangeyte J，et al. Objective measuring technique for teat dimensions of dairy cows[J]. Biosystems Engineering，2011，110（2）：206-212.

[30]朱 林，張 溫，李 琦，等. 基于嵌入式機器視覺的羊體體征測量系統[J]. 計算機測量與控制，2014，22（8）：2396-2398，2408.

[31]Khojastehkey M，Aslaminejad A A，Shariati M M，et al. Body size estimation of new born lambs using image processing and its effect on the genetic gain of a simulated population[J]. Journal of Applied Animal Research，2016，44（1）：326-330.

[32]Vieira A，Brando S，Monteiro A，et al. Development and validation of a visual body condition scoring system for dairy goats with picture-based training[J]. Journal of Dairy Science，2015，98（9）：6597-6608.

[33]Menesatti P，Costa C，Antonucci F，et al. A low-cost stereovision system to estimate size and weight of live sheep[J]. Computers and Electronics in Agriculture，2014，103：33-38.

[34]張麗娜，楊建寧，武 佩，等. 羊只形態參數無應激測量系統設計與試驗[J]. 農業機械學報，2016，47（11）：308-315.

[35]楊曉磊. 舍飼對寒羊生產性能的影響[J]. 當代畜牧，2015（33）：4-5.

[36]喻顯發，王 輝. 標準化規模羊場的建設布局[J]. 養殖與飼料，2014（1）：24-26.

[37]董嘉鵬. 賀蘭山巖羊不同性別晝間行為時間分配和活動節律研究[D]. 哈爾濱：東北林業大學，2014：15-25.

[38]臧 強，李保明，施正香，等. 規模化羊場羊舍夏季環境與小尾寒羊的行為觀察[J]. 農業工程學報，2005，21（9）：183-185.

[39]劉振生，王小明，李志剛，等. 賀蘭山巖羊不同年齡和性別晝間時間分配的季節差異[J]. 動物學研究，2005，26（4）：350-357.

[40]臧 強，趙亞軍，李保明，等. 夏季舍飼散養環境下三個發育期小尾寒羊的行為差異[J]. 動物學研究，2005（3）：279-286.

[41]劉振生，王小明，曹麗榮. 圈養條件下巖羊冬季晝間的行為及活動規律[J]. 東北林業大學學報，2005（1）：41-43，51.

[42]Ceyhan A，Sezenler T，Yüksel M A，et al. Maternal and lamb behaviour of the Karacabey Merino ewes at pre-and post-parturition[J]. Research Opinions in Animal & Veterinary Sciences，2012，2（6）：402-409.

[43]Galli J R，Cangiano C A，Milone D H，et al. Acoustic monitoring of short-term ingestive behavior and intake in grazing sheep[J]. Livestock Science，2011，140（1/2/3）：32-41.

[44]Milone D H，Rufiner H L，Galli J R，et al. Computational method for segmentation and classification of ingestive sounds in sheep[J]. Computers and Electronics in Agriculture，2009，65（2）：228-237.

[45]Sebe F，Aubin T，Boue A，et al. Mother-young vocal communication and acoustic recognition promote preferential nursing in sheep[J]. Journal of Experimental Biology，2008，211（22）：3554-3562.

[46]Nadimi E S，Jorgensen R N，Blanes-Vidal V，et al. Monitoring and classifying animal behavior using ZigBee-based Mobile ad hoc wireless sensor networks and artificial neural networks[J]. Computers and Electronics in Agriculture，2012，82（1）：44-54.

[47]郭東東. 基于三軸加速度傳感器的山羊行為特征識別研究[D]. 太原：太原理工大學，2015：1-46.

[48]宣傳忠，武 佩，馬彥華，等. 基于功率譜和共振峰的母羊發聲信號識別[J]. 農業工程學報，2015，31（24）：219-224.

[49]劉艷秋，武 佩，張麗娜，等. 母羊產前行為特征分析與識別——基于可穿戴檢測裝置構架[J]. 農機化研究，2017，39（9）：163-168.

[50]宣傳忠，武 佩，張麗娜，等. 羊咳嗽聲的特征參數提取與識別方法[J]. 農業機械學報，2016（3）：342-348.

[51]柳平增，畢樹生，苗 良，等. 畜禽規模養殖環境智能調控系統的研制[J]. 計算機測量與控制，2009，17（7）：1316-1319.

[52]邢小琛，劉 宇，武 佩，等. 設施羊舍環境信息監控系統的設計[J]. 黑龍江畜牧獸醫，2017（3）：100-103，293-294.

[53]鄔 娟，宣傳忠，武 佩，等. 基于Arduino和LabVIEW的羊只反芻行為無線采集系統設計[J]. 黑龍江畜牧獸醫，2016（11上）：10-13，289.

[54]Minagawa H，Taira O，Nissato H. A color technique to simplify image processing in measurement of pig weight by a hands-off method[C]//Proceedings of swine housing Ⅱ. North Carolina：ASAE，2003：166-173.

[55]Green D M，Brotherstone S，Schofield C P，et al. Food intake and live growth performance of pigs measured automatically and continuously from 25 to 115 kg live weight[J]. Journal of the Science of Food and Agriculture，2003，83（11）：1150-1155.

[56]Kashiha M，Bahr C，Ott S，et al. Automatic weight estimation of individual pigs using image analysis[J]. Computers and Electronics in Agriculture，2014，107：38-44.黃 藩，王 云，熊元元，等. 我國茶葉機械化采摘技術研究現狀與發展趨勢[J]. 江蘇農業科學，2019，47（12）：48-51.