我國生豬產業鏈智能化技術與裝備的研究及應用進展

史 懷 張海峰 葉鼎承

（1.福建省農業科學院農業生物資源研究所 福州 350003；2.福建省農業科學院畜牧獸醫研究所 福州 350013）

生豬產業是我國畜牧業的重要組成部分， 也是農業經濟的主要收入來源之一， 是國家食品戰略安全的支柱產業[1]。 生豬產業的發展帶動了上下游產業，包括飼料、獸藥、肉制品加工以及相關器械設備等產業的發展， 構成了完善的產業鏈。 目前我國生豬產業鏈主要包括七個主要環節：飼料生產、種豬繁育、育肥豬生產、販運、屠宰加工、批發零售以及消費環節。

現代養豬業已逐步朝集約化、 自動化模式轉型升級。 而隨著中國信息技術的突飛猛進， 未來養殖產業也必將實現智能化。目前，我國已在生豬產業鏈的各個環節不同程度開展了智能化技術與裝備的研究，一些技術裝備已投入實際生產應用，取得了較好的效果。 本文闡述我國生豬產業鏈智能化技術與裝備的研究及應用進展，以期為其發展提供參考。

1 飼料生產環節

1.1 飼料加工生產設備 張琴等設計開發出由故障診斷、知識庫管理、信息查詢等模塊組成的飼料機械故障診斷專家系統，通過人機對話，用戶可快速找出故障原因，并實現知識庫維護和信息查詢[2]。 江蘇牧羊控股有限公司構建了基于圖像識別原理的粉碎機篩片智能檢測技術、 基于配方智能分析的混合工藝智能調控技術及基于啟發式規則的制粒全程智能控制技術等，研發了資源智能調度、交叉污染防治、成套線能源優化及生產管理控制技術， 并在此基礎上研制大型智能化飼料加工裝備并配套飼料生產全流程智能控制系統[3]。

1.2 飼料加工過程控制 為達到節約生產成本、提高飼料質量和提高生產效率， 很多飼料行業已經投入了不同自動化程度的生產設備。 目前我國大部分飼料生產過程中的控制體系主要體現在稱量部分、給料部分和配料控制部分。

張兢開發了一套自動配料系統， 利用PROFIBUS-DP 現場總線實現各設備的控制和通信，并通過WinCC 組態對生產過程進行監控[4]。吳慧子設計了一種飼料生產在線自動取樣裝置， 并與機器視覺技術相結合， 構建飼料原料自動取樣與種類識別系統，通過提取飼料原料顏色信息，實現飼料原料的自動取樣以及種類識別[5]。 王林生等設計了一種帶加肋板的飼料粉碎機，通過PID 控制器對喂入量進行控制，提高了飼料粉碎機的智能化調節[6]。

2 種豬繁育環節

2.1 精子檢測 豬的繁殖性能受母豬狀態、配種技術等多種因素的影響， 優良品質的精液是提高受胎率的重要手段之一。近年來，計算機輔助精子質量分析受到廣泛關注， 國內多家科研單位和企業也進行了一定的研究和開發。

張潔等比較了國產的偉力彩色精子質量檢測系統（WLJY-9000 型）與人工分析公豬精液密度和活力的差異， 結果表明自動檢測系統可達到人工分析的檢測水平， 計算機輔助精子質量分析可更準確地判斷精子的運動狀態與畸形率[7]。 雷正達等設計了豬精液品質智能檢測系統， 其主機為加樣超微芯片和數據分析處理組成， 采用正態高斯動態圖像智能算法來識別精子運動軌跡，實現精子的密度、活力、運動性以及形態學分析， 從而實現精液品質的快速智能檢測[8]。 石家莊亮昊種豬商貿有限公司完成的豬精液自動分析及聯網檢測系統通過了河北省科技成果轉化服務中心的鑒定，可以直觀、快捷進行豬精液質量檢測，并可以實現遠程監控、信息共享[9]。

2.2 誘情車 鐘偉朝等、張鐵民等分別研制了一種誘情車，采取遙控或手動方式進行作業，將公豬趕進公豬車內并運送至配種舍， 在舍內通道上移動以刺激母豬發情。 可節約人工成本并減少工人與母豬的接觸，增加母豬與公豬的接觸機會，提高母豬受孕率和產仔數[10-11]。

2.3 種豬性能測定 在生豬育種工作中，對種豬選擇性狀的測定方法至關重要， 也是現代生豬育種的重要研究內容之一。

陳君梅等設計的9ZC-170 智能型種豬測定系統由1 臺中央管理計算機、 中間服務器及多個飼養測定站組成， 系統根據FRID 耳牌對每個測定種豬個體建立測定記錄， 并生成日增重和料肉比等測定報告，為種豬選育提供科學依據[12]；該系統填補了國內同類產品空白，并已在多個種豬場得到實際應用。熊本海等設計了一種種豬生產性能智能測定系統，該系統包括豬只耳標識別、精準下料控制、料槽及豬只個體稱質量、 現場數據通訊及遠程中央控制等模塊，試驗結果表明可較好反映測定對象的生產性能，系統達到了種豬生產性能測定的要求[13]。 張利娟等將全卷積神經網絡（FCN）技術應用于種豬背膘厚和眼肌面積的B 超圖像自動測量，初步搭建了種豬性能智能測定技術的AI 神經網絡，并進行了訓練圖集標注[14]。

2.4 母豬生產相關行為智能分析 李頎等、劉龍申等通過給母豬佩戴加速度傳感器采集節點， 張光躍等基于超聲波傳感器， 分別設計了產前母豬行為特征監測系統， 實時監測母豬的行為， 并分別通過K均值聚類算法、 支持向量機以及K-means 聚類算法建立模型，分類識別母豬的站立、躺臥、進食、筑巢等典型行為特征， 從而建立母豬分娩時間預測模型[15-17]。 劉龍申等建立了CMOS 攝像頭和FPGA 進行視頻圖像采集的軟硬件系統， 通過機器視覺技術實現母豬分娩檢測[17]。張弛等通過機器視覺技術，采用Canny 算子與團序列檢測算法從分娩圖像信息中識別新生仔豬并提供預警信息[18]。 施宏等利用Microsoft 公司的Kinect 體感器設備采集限位欄內哺乳期小梅山母豬數據，使用DBSCAN 密度聚類算法識別側臥與趴臥； 使用基于脊背線提取的識別算法識別站立與坐立，通過哺乳期母豬姿態識別，為母豬哺乳能力的評判與健康狀況的分析提供技術支持[19]。薛月菊等基于Faster R-CNN 和隱馬爾科夫模型（Hidden markov model，HMM）， 構建母豬深度視頻姿態轉換識別方法，識別母豬在哺乳過程中的姿態、行為以及高危動作[20]。

2.5 母豬群養管理 段棟梁等、趙培杰等利用射頻識別與自動化控制、計算機管理技術，分別開發了母豬智能化管理系統，從自動飼喂、發情鑒定以及智能分離等方面實現群養母豬的個體精細化管理， 實現妊娠母豬生產全過程的自動化， 顯著提高母豬群的繁殖生產效率和豬場的養殖效益[21-22]。

3 育肥環節

3.1 群飼管理 利用智能飼喂系統，規模化生豬養殖中可實現對個體針對性的喂養， 減輕飼養員工作強度，節省飼養成本，提高生產效率。同時，通過智能群飼系統下料，可減少人員進出，降低生豬疫病感染風險。

易烈運等、 劉星橋等分別以PLC 作為控制核心，結合電子耳標讀取裝置，根據設定數據以及生豬狀況計算進食量， 繼而控制下料飼喂裝置投放相應種類和數量的飼料， 實現對群養生豬的智能化飼養管理[23-24]。 鄧凱熠等設計的液態飼料智能飼喂系統包括飼料配制、飼料輸送及控制三部分，通過系統自動計算控制參數，實現液態飼料智能配制、輸送、分配[25]。 張建龍等研究開發了一套基于機器視覺技術的育肥豬分群系統， 以機器視覺技術和卷積神經網絡模型代替傳統地磅對豬體質量進行估測， 并按照長勢快慢引導豬只分別進入不同的采食區域進行喂養， 結果表明采用該系統對豬只進行分群飼喂控制效果等同于人工調欄[26]。

3.2 環境控制 保持豬舍環境的衛生整潔是實現高效養殖生產的基本條件。 豬舍環境的管理包括空氣凈化、地面清潔、環境溫濕度控制、飲水衛生、光照調節以及排泄物處理等，是一項系統性工作。

在養豬生產實踐中， 目前已廣泛采用自動控制裝備、信息技術與智能管理系統，與此相關的研究也較多。 例如黃官平運用傳感器技術、自動檢測技術、通訊技術和微型計算機技術開發了一套適應我國南方氣候的豬舍小氣候環境調控系統， 以溫濕度指數（THI）結合濕度、墊料溫度及氨濃度為主控參數，并結合豬的生理特性，為豬舍環境制定控制方案，從而有效地改善豬舍環境， 同時減輕豬舍對環境造成的污染[27]。李嘉熙等以IAP15W4K58S4 單片機為核心，集成多種傳感器， 設計了一種仔豬保育箱環境智能控制系統，通過傳感器采集環境參數，單片機處理數據并發送指令，從而控制保育箱內環境因子[28]。鄭小南等提出一種基于物聯網的智慧豬舍養殖系統，通過5G、 互聯網、NB-IoT、ZigBee 等技術實現了生豬養殖環境的監測、遠程調控和遠程監控[29]。

3.3 健康管理 在規模化、集約化養殖中，動物疾病的預防顯得更為重要。 對單個個體健康狀況的精準評估，有利于減少疾病的發生，實現生產性能的最大化。

馬麗等利用機器視覺技術， 識別視頻中豬呼吸時的脊腹輪廓波動， 對疑似呼吸急促豬只進行自動預警， 結果顯示機器法和人工法相關系數達到98%[30]。 Jiao 等利用Kinect 傳感器和紅外熱成像儀建立了一種豬體表溫度測定方法， 溫差范圍為0.03～1.2 ℃， 可用于生豬體溫的準確檢測和健康監控[31]。 張文文綜合機器視覺、聽覺、超聲波和微慣性傳感器4 種監測技術手段對生豬行為進行數字化綜合監測， 在4 種監測手段依據各自的算法分別判定生豬異常行為后， 采用基于綜合加權相似度的區間值模糊推理技術對生豬異常行為進行綜合分析判斷[32]。 楊震倫等以部署自動飼喂機的中小規模養殖場為應用場景， 提出了一套基于新型高性能數據采集設備的生豬健康監測系統方案， 實現對生豬個體的體溫及步態實時監測[33]。

3.4 糞污處置

3.4.1 糞污清理收集 張連冠設計了一款履帶式清糞裝置，結合PLC 控制和傳感器技術，實現了豬糞的自動化清理以及裝置的人機交互[34]。 姚騰飛等設計的豬舍糞污智能清掃小車， 由行走機構、 清掃機構、噴氣機構、無線通訊模塊、氣體傳感器、光電和超聲波傳感器等構成車體， 通過在豬舍漏縫地板上鋪設軌道行走，清掃車驅散生豬的同時清掃糞污，還可自動檢測有害氣體濃度[35]。 佘德勇等設計了一種自動化智能化控制的樓房式豬舍刮板清糞裝置， 可大幅提高清糞效率[36]。

3.4.2 糞污資源化處理 常見的糞污資源化處理方式包括厭氧發酵、好氧堆肥以及罐式筒倉發酵等。楊麗等設計了沼氣工程的智能控制系統，通過PLC 結合以太網通訊，實現沼氣動態發酵[37]。孫曉曦等設計了一種智能型膜覆蓋好氧堆肥系統， 通過傳感系統實現堆肥關鍵參數的高精度實時監測， 通過風控系統實現通風供氧的靈活智能反饋控制， 并通過總控系統實現多設備無線通訊[38]。 陳孝照等根據工作參數和時間、發酵筒倉內溫度以及含氧量等，通過人機界面監控畫面設計，實現PLC 對畜禽糞便智能發酵處理機的進料、出料以及加溫、補氧、抽濕、除臭等環節的自動控制[39]。

4 販運環節

我國生豬主要采用集中養殖， 因各地生豬養殖量與需求量不匹配，需進行生豬的調運。 目前，國內傳統的生豬長途運輸車，基本上都是采用貨車改裝，采取貨車上焊籠架的方式， 在生豬運輸過程中易產生應激綜合征，出現猝死、高熱、水腫等病癥，受此影響，患豬宰殺后豬肉品質下降。

范兵雷設計了一款智能運輸車， 廂體內設有換氣室、風機、水簾等，通過環境控制器自動控制廂體內的溫濕度，并設置飲水器和食槽，適用于豬苗的長途運輸[40]。甘露萍等設計了一款含液壓升降平臺、視頻監控系統和北斗衛星定位系統的智能化物流運輸車， 該運輸車通過網格單元劃分與液壓升降平臺做到合理隔離與平穩上下車，結合PLC 控制滑動門與折疊機構，提升車內空間的隔絕性與易清洗性，便于減少生豬應激反應； 司機可通過監控設備對車內生豬進行實時監控，在出現病情時及時采取措施；買賣雙方可通過北斗衛星定位系統， 在物流平臺或APP上實時查詢運輸車的實際位置[41]。

5 屠宰加工環節

目前丹麥、德國、荷蘭、澳大利亞和新西蘭等國家在智能化屠宰設備的生產中占據主要地位。 我國的畜禽屠宰加工尤其畜禽肉品分割生產線， 在現階段是典型的勞動密集型行業， 使用智能裝備相對較少。 隨著生產制造技術與信息技術的發展， 我國的畜禽加工智能裝備也進入了快速發展的創新階段。

5.1 生豬屠宰 劉毅等設計了由6 自由度工業機器人、定制工具、PC、攝像機以及懸掛支架等組成的自動化剖切系統， 工業機器人在豬腹剖切的切割質量與效率上超越了手工剖切， 可以滿足豬肉生產線要求[42]。王鶴設計的豬腹剖切機器人系統，由工業機器人本體、執行組件、圖像識別系統、控制系統、消毒系統、周邊設備等組成，在順利完成劈開恥骨和剖切豬腹操作的同時，不會對胴體內臟器官造成損傷，具有良好的工藝性和實用性[43]。 濟寧興隆食品機械制造有限公司研發的豬體自動劈半機，通過數控、機電儀一體化技術實現作業過程的自動化， 在一定程度上填補了國內技術空白[44]。 青島建華食品機械制造有限公司公開了一種全自動劈半機器人系統， 通過旋轉編碼器采集線速度的信息， 劈半線速度與胴體線同步，并發送控制指令到機器人本體，實現全自動劈切控制[45]。

5.2 胴體分級 豬的胴體性狀包括胴體長度、背膘厚度、眼肌面積、瘦肉率等。 鄭麗敏等構建了基于機器視覺技術的豬胴體等級在線無損評定系統， 應用支持向量機技術建立豬胴體等級分類模型， 實現屠宰線上的豬胴體等級評定系統[46]。 冷晟等提出一種適用于自動化生豬屠宰線上智能化胴體肉品分級方法，依據生豬養殖信息、胴體特性和肉質特性這三類信息建立兩階段分級模型， 采用灰色AHP-白化權函數聚類綜合分級評定模型， 實現豬胴體肉品綜合智能分級[47]。 李青等采用機器視覺及圖像處理技術測量豬胴體背膘厚度，檢測正確率為93.5%，平均檢測時間為0.3 s，能滿足在線檢測的需求[48]。中國農機院丁有河等設計開發了一種適合中小型企業的家畜胴體自動分級系統，由信號采集、數據傳輸、執行設備等組件構成，該系統已在實際生產中得到應用[49]。

5.3 肉品分割與分級 孫鑫針分析了豬胴體分割過程中的運動學與軌跡， 結合機器視覺與運動控制技術，構建了6-DOF 混聯豬胴體自動分割機器人系統[50]。 孫寶等利用改進算法結合模糊C 聚類（FCM）對豬肉圖像進行處理分割， 提取相應的顏色特征參數， 運用多元線性逐步回歸分析法建立了顏色等級預測模型， 對豬肉顏色等級的正確判定率達到94.25%[51]。 但以上技術仍處于實驗室理論基礎研究階段，與生產應用還有一段距離。

5.4 屠宰過程智能化系統平臺 何玲等開發了生豬屠宰自動化監管系統， 運用物聯網技術實現生豬屠宰全程數據的自動采集、自動判定，驅動豬體灼印和打印出廠合格證，防止屠宰廠私宰問題生豬；運用圖像識別技術自動判定豬是否注水， 防止屠宰廠屠宰注水豬。 同時還可為屠宰企業、消費者、政府監管部門提供生豬來源去向備案、屠宰數據統計、銷售去向掃碼追溯等功能[52]。

6 銷售環節

6.1 新鮮度檢測 豬肉新鮮度是豬肉品質的一個重要指標，在豬肉的貯運和銷售環節中，快速、智能檢測豬肉新鮮度十分必要。 傳統肉類新鮮度評價方法包括理化分析、 微生物數量檢測和感官評定等，操作復雜、耗時費力，需要實驗人員具有較高的技術水平。

王文秀等、齊亮等、潘婧等、郭淼等、任夢佳等、邱洪濤等、張凡等結合機器視覺、可見/紅外光譜、抗組譜、電子鼻、電子舌等多種單一或復合檢測手段，采用主成分分析、 向量機、BP 神經網絡、Caffe 框架與ResNet 殘差神經網絡等人工智能算法，建立了豬肉新鮮度的無損快速檢測方法[53-59]。

6.2 貨架期預測 生鮮豬肉的有效貨架期較短，傳統的食品感官評價方法結果準確，但存在周期長、成本高的缺點，因此，智能化預測鮮肉剩余貨架期對肉品銷售企業具有重要意義。

宋星霖將動力學模型與高光譜技術相融合，并利用RS485 總線技術對豬肉貨架環境進行網絡監控，從而建立了冷鏈物流貨架期預測系統，可實時預測冷鮮肉貨架期， 為智能預測技術在冷鮮肉供應鏈中的品質監測和管理提供可行性依據[60]。 劉飛等依據微生物呼吸作用的電子傳遞規律， 制作了生鮮豬肉剩余貨架期的電化學預測設備， 并采用Labview編程語言開發了信號采集和數據分析軟件， 可快速檢測并預測4～30 ℃范圍內生鮮肉的剩余貨架期[61]。胡云峰等自行制作了一種指示吸水墊， 通過色差儀測定指示吸水墊色差值， 建立模型， 可以用于預測5～35 ℃范圍內冷鮮豬肉TVB-N 值、指示吸水墊ΔE值的變化以及托盤包裝冷鮮豬肉的貨架期[62]。

6.3 豬肉價格預測 豬肉的價格隨時間具有周期波動的特性，利用人工智能技術進行價格預測，對于合理安排豬肉的生產、 銷售等生產活動具有重要的指導意義和參考價值。

Li Zhe-min 等提出了一種混沌神經網絡算法，用于預測短期豬肉價格[63]。馮叔君等統計了2005 年1 月至2018 年3 月間的豬肉價格， 分析其波動規律，認為ENN 模型更適用于豬肉月度價格的預測和預警[64]。姜百臣等對支持向量機進行改進，通過改進的SVM 獲得了精度更高的豬肉價格預測模型[65]。 吳培等通過ARIMA-GM-RBF 組合模型得到較好的預測結果， 并對豬肉市場的監測預警機制提出了相應的建議[66]。 黃增躍等通過奇異譜分析方法分解豬肉價格， 采用ARIMA 模型、SVM 模型和BP 神經網絡模型對分解后的豬肉價格進行組合預測， 結果表明組合模型預測結果總體上優于基準模型預測結果[67]。 張大斌等結合互補集合經驗模態分解（CEEMD） 的分解能力和基于遺傳算法的支持向量回歸（GA-SVR）的自適應預測功能，構建豬肉價格集成預測模型， 預測精度和方向性指標顯著優于其它單預測模型和分解集成預測模型[68]。

6.4 產品溯源 自2002 年農業部頒布施行 《動物免疫標識管理辦法》以來，我國已推行豬肉質量安全可追溯體系近20 年。

農業農村部可追溯體系以耳標結合條形碼為載體， 利用移動智能識讀設備讀取養殖至屠宰環節中動物免疫、檢疫等相關信息，通過無線網絡將數據傳輸至省級、 中央數據庫存儲。 商務部從2010 年在58 個城市試點建設肉類蔬菜流通追溯體系，對屠宰至加工、流通等環節的信息進行追溯。