機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘在動(dòng)物養(yǎng)殖行業(yè)中的應(yīng)用研究進(jìn)展

白永平 彭江紅 王延卓

（烏蘭察布職業(yè)學(xué)院，內(nèi)蒙古烏蘭察布 012000）

隨著現(xiàn)代技術(shù)的發(fā)展，動(dòng)物飼養(yǎng)者可以使用較少的時(shí)間，持續(xù)的監(jiān)控和收集動(dòng)物和農(nóng)場的信息。特別是基于數(shù)字圖像、傳感器、聲音、無人系統(tǒng)和實(shí)時(shí)非侵入性計(jì)算機(jī)視覺產(chǎn)生的大數(shù)據(jù)，可大幅度提高動(dòng)物相關(guān)產(chǎn)品的質(zhì)量，維持可持續(xù)發(fā)展和維持動(dòng)物的健康。結(jié)合動(dòng)物的基因組學(xué)、轉(zhuǎn)錄組學(xué)和微生物組等分子信息，實(shí)現(xiàn)精準(zhǔn)動(dòng)物農(nóng)業(yè)的可行性強(qiáng)。此外，全球?qū)?dòng)物產(chǎn)品的需求量日益增加，預(yù)計(jì)到2050年對動(dòng)物產(chǎn)品的需求量將增加70%，世界糧農(nóng)組織呼吁擴(kuò)大和高效生產(chǎn)動(dòng)物產(chǎn)品。深度開發(fā)動(dòng)物養(yǎng)殖過程中相關(guān)的大數(shù)據(jù)，通過動(dòng)物種質(zhì)資源數(shù)據(jù)信息和動(dòng)物質(zhì)量的信息監(jiān)管以及網(wǎng)上服務(wù)系統(tǒng)的數(shù)據(jù)深度解讀，有利于推動(dòng)動(dòng)物產(chǎn)品的高效生產(chǎn)[1]。大數(shù)據(jù)的采集及其分析，是養(yǎng)殖業(yè)面臨的一個(gè)新的挑戰(zhàn)，該挑戰(zhàn)可以通過使用機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘予以解決。本文闡述了在大數(shù)據(jù)分析背景下機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘的意義。本文還列舉了機(jī)器學(xué)習(xí)在動(dòng)物科學(xué)相關(guān)領(lǐng)域用于預(yù)測分析精準(zhǔn)動(dòng)物農(nóng)業(yè)的典型的例子。

1 大數(shù)據(jù)

現(xiàn)代技術(shù)的出現(xiàn)允許我們以更低的成本收集更多的數(shù)據(jù)。“大數(shù)據(jù)”是近年來媒體關(guān)注的重點(diǎn)。然而，它的意義往往因研究領(lǐng)域的不同而差異較大。該數(shù)據(jù)中通常有多個(gè)行數(shù)或列數(shù)，因此限制了視覺對數(shù)據(jù)的觀察。由于數(shù)據(jù)“大小”的定義取決于可用的計(jì)算資源，因此，對“大”的定義是不斷變化的，而且大數(shù)據(jù)量增加與科學(xué)家對數(shù)據(jù)管理技能之間的差距還在加大[2]，大數(shù)據(jù)的屬性，包括數(shù)量，多樣性和低價(jià)值密度等等都是呈現(xiàn)了大數(shù)據(jù)不斷增長的復(fù)雜性。并且與傳統(tǒng)的數(shù)據(jù)集合相比較而言，大數(shù)據(jù)通常包含非結(jié)構(gòu)化數(shù)據(jù)，而且需要對大量數(shù)據(jù)進(jìn)行實(shí)時(shí)分析[3]。大數(shù)據(jù)的分析方法在大數(shù)據(jù)信息的分析中尤為重要。洞悉大數(shù)據(jù)或?qū)⒋髷?shù)據(jù)轉(zhuǎn)化為知識(shí)的有效方法是使用數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)方法。通過在分析大數(shù)據(jù)的機(jī)器學(xué)習(xí)算法過程中，對大數(shù)據(jù)中的信息進(jìn)行深度挖掘，找到具有社會(huì)價(jià)值的信息，從而發(fā)揮數(shù)據(jù)的最大潛力[4]。

2 機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)，也稱為統(tǒng)計(jì)學(xué)習(xí)，是人工智能的一個(gè)領(lǐng)域，專門用于研究預(yù)測和推理算法。從數(shù)據(jù)中學(xué)習(xí)是機(jī)器學(xué)習(xí)的核心。數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)具有類似之處，經(jīng)常相同的背景下做推論。在大多數(shù)實(shí)際情況中，機(jī)器學(xué)習(xí)的最終目的是學(xué)習(xí)或者選擇一組能夠最好地預(yù)測未觀測數(shù)據(jù)的候選概率模型。例如，假設(shè)我們的任務(wù)是根據(jù)基因型預(yù)測動(dòng)物的表型，并且我們有一個(gè)由一對表型和相應(yīng)的基因型組成的數(shù)據(jù)集。在機(jī)器學(xué)習(xí)中，這種類型的任務(wù)稱為監(jiān)督學(xué)習(xí)，其預(yù)測目標(biāo)（表型）稱為監(jiān)督信號(hào)。如果表型是離散的，例如疾病狀態(tài)，那么這里的任務(wù)更具體地稱為分類任務(wù)。如果表型是定量的，則稱為回歸任務(wù)。相比之下，當(dāng)數(shù)據(jù)集不完整且只有基因型可用于所選個(gè)體（無表型）時(shí)，該任務(wù)稱為無監(jiān)督學(xué)習(xí)。神經(jīng)網(wǎng)絡(luò)是實(shí)現(xiàn)機(jī)器學(xué)習(xí)任務(wù)的一種主要的方法，它是由多種單元組成的類似于生物神經(jīng)系統(tǒng)的網(wǎng)絡(luò)結(jié)構(gòu)，用來模擬生物與自然環(huán)境之間的交互，其具有強(qiáng)大的數(shù)據(jù)處理能力和自主學(xué)習(xí)能力，可以進(jìn)行精準(zhǔn)的識(shí)別，從而對分類數(shù)據(jù)進(jìn)行有效的處理[5]。計(jì)算機(jī)處理速度較慢、存儲(chǔ)容量不足是當(dāng)前機(jī)器學(xué)習(xí)在處理大數(shù)據(jù)時(shí)所遇到的主要問題，為了解決該問題，并降低機(jī)器學(xué)習(xí)算法的復(fù)雜度，研究者提出了三類并行處理機(jī)器學(xué)習(xí)算法的方式，即基于多核的并行機(jī)器學(xué)習(xí)算法，基于集群的并行機(jī)器學(xué)習(xí)算法和基于混合體系結(jié)構(gòu)的并行機(jī)器學(xué)習(xí)算法[6]。

3 動(dòng)物科學(xué)方面應(yīng)用的實(shí)例

我們現(xiàn)在介紹大數(shù)據(jù)分析預(yù)測在動(dòng)物科學(xué)應(yīng)用方面的例子。這些示例的概述與大數(shù)據(jù)分析的相關(guān)內(nèi)容如圖1所示。

圖1 機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘在動(dòng)物養(yǎng)殖行業(yè)中的應(yīng)用

3.1 基因預(yù)測

動(dòng)物科學(xué)的遺傳學(xué)分析可以說是最早使用機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘的領(lǐng)域，在基因表型預(yù)測使用最早是在2007年[7]。大數(shù)據(jù)被稱為國家層面的常規(guī)遺傳評估，涉及數(shù)百萬具有大量分子信息的動(dòng)物，如基因多態(tài)性。這方面的研究是遺傳界的一個(gè)熱門話題，有研究者對機(jī)器學(xué)習(xí)在動(dòng)物繁殖與培育中的應(yīng)用進(jìn)行了深入的討論[8]。鄒國英等人還研究了機(jī)器學(xué)習(xí)在人類基因重組位點(diǎn)及DNase I高敏位點(diǎn)（DHSs）的預(yù)測問題[9]。在當(dāng)今基因組和表型數(shù)據(jù)量快速增加的情況下，機(jī)器學(xué)習(xí)對非結(jié)構(gòu)化的育種產(chǎn)生越來越大的影響。

3.2 乳腺炎檢測

乳腺炎是影響奶牛產(chǎn)奶和哺乳期健康的主要疾病，每年導(dǎo)致巨大的經(jīng)濟(jì)損失。發(fā)病原因比較復(fù)雜，除了病原微生物感染引起外，擠奶不當(dāng)、中毒病和代謝等疾病也會(huì)誘發(fā)乳腺炎。目前，通過測量奶牛的產(chǎn)奶量，新鮮乳汁的電導(dǎo)率，乳酸脫氫酶和體細(xì)胞分?jǐn)?shù)是乳腺炎檢測的常規(guī)方法。但是這類方法存在靈敏度低，檢測復(fù)雜，需要昂貴的儀器等缺點(diǎn)。最近十年，一種非監(jiān)督訓(xùn)練的神經(jīng)網(wǎng)絡(luò)訓(xùn)練后，成功地應(yīng)用于診斷農(nóng)場的奶牛乳腺炎的發(fā)生。一個(gè)典型的例子是，我國的研究者左月明團(tuán)隊(duì)，基于奶牛的新鮮乳汁的電參數(shù)，建立了神經(jīng)網(wǎng)絡(luò)模型。結(jié)果表明，與沒有電參數(shù)的神經(jīng)網(wǎng)絡(luò)模型相比，該方法的靈敏度顯著提高，正確檢出率為100%[10]。該研究提示，無監(jiān)督的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)可以用來檢測奶牛的乳腺炎，為農(nóng)戶提供管理和診斷乳腺炎的工具，可以達(dá)到早期發(fā)現(xiàn)，早期干涉的目的。

3.3 動(dòng)物流行病防控

機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘技術(shù)在動(dòng)物流行病的防控中主要有3個(gè)方面[11]，即動(dòng)物流行病預(yù)警、輔助檢測與流行病的應(yīng)急處理以及輔助動(dòng)物醫(yī)學(xué)專家對流行病做出正確的防控決策。其中，前2項(xiàng)內(nèi)容，主要是由國家和地方動(dòng)物衛(wèi)生與流行病學(xué)機(jī)構(gòu)進(jìn)行分析應(yīng)用，第三項(xiàng)多為動(dòng)物醫(yī)學(xué)專家關(guān)注。付雯等報(bào)道的偉嘉集團(tuán)，通過將檢測云平臺(tái)、互聯(lián)網(wǎng)以及云計(jì)算中心將檢測實(shí)驗(yàn)室、檢測養(yǎng)殖場和獸醫(yī)資源專家進(jìn)行整合，通過大數(shù)據(jù)挖掘以提供疫病診斷、用藥安全以及流行病學(xué)調(diào)查等技術(shù)服務(wù)[12]。大數(shù)據(jù)在動(dòng)物流行病防控中的潛在價(jià)值遠(yuǎn)遠(yuǎn)大于小規(guī)模數(shù)據(jù)，能夠通過大數(shù)據(jù)來評估疾病風(fēng)險(xiǎn)和預(yù)測大規(guī)模爆發(fā)時(shí)間，以及發(fā)生疫情后通過大數(shù)據(jù)進(jìn)行緊急防控和應(yīng)急處置，并在疫情結(jié)束后通過大數(shù)據(jù)來分析總結(jié)疾病原因，制定更加全面的保護(hù)措施。

3.4 圖像分析

雖然動(dòng)物行為一直是動(dòng)物科學(xué)中圖像數(shù)字分析的核心內(nèi)容，但是動(dòng)物的體重測定是圖像分析的一個(gè)新興領(lǐng)域[8]。動(dòng)物體重是營養(yǎng)與育種管理的一項(xiàng)關(guān)鍵的指標(biāo)，它是動(dòng)物生長，健康狀況和市場準(zhǔn)備的直接指標(biāo)。因此準(zhǔn)確的動(dòng)物體重確定，對畜牧業(yè)研究至關(guān)重要。傳統(tǒng)測量動(dòng)物體重的方法是靠地磅測量，但是該方法具有費(fèi)力和準(zhǔn)確度低的缺點(diǎn)。采用圖像分析獲得動(dòng)物的體重參數(shù)是一項(xiàng)可行的技術(shù)，可以減少常規(guī)方法測量體重的缺陷，它可以自動(dòng)測量動(dòng)物圖像的尺寸，然后利用預(yù)測方程來建立圖像參數(shù)與活體動(dòng)物體重之間的關(guān)系。

一般來說，有研究報(bào)告基于數(shù)字圖像的生物識(shí)別的可行性。基于紅外光的深度傳感器，例如微軟公司的一款MK設(shè)備，是一個(gè)用于此目的的合適的視覺系統(tǒng)。該系統(tǒng)使用深度映射圖像技術(shù)，最大限度的減少了圖像捕獲過程中由于環(huán)境背景和動(dòng)物皮毛顏色的干擾造成的負(fù)面效應(yīng)[14]。通過特定的計(jì)算工具，如MATLAB中的圖像獲取工具箱，對MK相機(jī)生成的圖像進(jìn)行分析。在該工具中，必須指定深度圖通道，以確保在測量過程中能夠獲得良好的圖像。例如研究者分別假設(shè)每次采集50幀和20幀的深度圖，應(yīng)用在豬和肉牛的體重研究中[13，14]。

根據(jù)不同的研究目的，可以使用不同的圖像部分。比如，Gomes等人使用動(dòng)物胸部寬度、腹部寬度、體長和背高的圖像，他們發(fā)現(xiàn)動(dòng)物的胸部寬度與體重呈現(xiàn)非常好的相關(guān)性[13]。Kongsro等人使用選定的圖像部分進(jìn)行估計(jì)豬的體積，發(fā)現(xiàn)其與豬的體重呈現(xiàn)良好的相關(guān)性。他們報(bào)告了在不同大小和品種的豬的體重預(yù)測中有一個(gè)小的平均誤差[14]。楊威等人通過混合高斯模型對背景進(jìn)行建模，并利用圖像局部特征ORB關(guān)鍵點(diǎn)作為分類的屬性對圈養(yǎng)的豪豬進(jìn)行行為識(shí)別，準(zhǔn)確率能夠達(dá)到93.23%，為信息采集、智能監(jiān)控在動(dòng)物養(yǎng)殖業(yè)的應(yīng)用提供了參考[15]。雖然上述研究表明了通過MK系統(tǒng)拍攝的數(shù)字圖像用于畜牧業(yè)體重估算有很大的應(yīng)用潛力，但是仍存在一些挑戰(zhàn)。因此，神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別和預(yù)測性能方面具有靈活性和高效性，是一種可行的解決方案。

3.5 微生物組應(yīng)用

隨著下一代測序方法的進(jìn)步，動(dòng)物農(nóng)業(yè)的發(fā)展出現(xiàn)了許多機(jī)遇，在動(dòng)物農(nóng)業(yè)的發(fā)展過程中有很多新型的方法會(huì)出現(xiàn)。其中，微生物組的研究與應(yīng)用是一個(gè)典型的例子。大量的研究表明，對牲畜種類的宏基因組研究已經(jīng)展現(xiàn)出了微生物組對飼料效率，動(dòng)物健康，動(dòng)物繁殖等的重要性[16，17]。然而，盡管這些宏基因組研究已經(jīng)使人們更好地了解牲畜的健康和生產(chǎn)中的微生物組，但是大多數(shù)微生物產(chǎn)生的遺傳信息目前并沒有充分利用起來。新的數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)方法對于未來微生物組的研究至關(guān)重要，以改善動(dòng)物農(nóng)業(yè)中的動(dòng)物生產(chǎn)和表型預(yù)測。

迄今為止，少量研究嘗試了使用動(dòng)物微生物組預(yù)測動(dòng)物表型。Shabat等人調(diào)查了78只奶牛的種群，研究表明動(dòng)物瘤胃微生物的種類和微生物基因組可用于預(yù)測飼料的飼喂效率表型，精確度高達(dá)91%。更重要的是，研究表明微生物組的特征可以高度預(yù)測動(dòng)物的生理特征，如牛奶乳酸和牛奶產(chǎn)量[18]。例如，在腸道中注釋微生物功能相關(guān)性的能力尚處于起步階段。在腸道中注釋微生物組功能相關(guān)性的研究尚處于起步階段。此外，大多數(shù)研究確定了微生物組的變化和宿主表型之間的關(guān)系，但未能解釋其因果關(guān)系。由于目前預(yù)測微生物組對動(dòng)物腸道環(huán)境的變化和操縱的反應(yīng)能力有限，人工調(diào)節(jié)腸道微生物菌群的途徑也非常有限。需要多學(xué)科方法以及新穎的數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)方法。

4 總結(jié)和結(jié)論

完全自動(dòng)化的數(shù)據(jù)收集或表型平臺(tái)，能夠?qū)崿F(xiàn)精準(zhǔn)的動(dòng)物農(nóng)業(yè)，其特征不僅在于數(shù)據(jù)量增加，而且也表現(xiàn)為實(shí)時(shí)收集的復(fù)雜性和動(dòng)態(tài)特性。有了支持?jǐn)?shù)據(jù)密集型的技術(shù)，在養(yǎng)殖過程中，我們可以持續(xù)監(jiān)控動(dòng)物，有助于提高動(dòng)物的健康狀況、性能和環(huán)境負(fù)荷等。目前，動(dòng)物科學(xué)界缺乏可以充分利用這些新型類型數(shù)據(jù)的基礎(chǔ)設(shè)施和工具。當(dāng)這些數(shù)據(jù)與體動(dòng)物的基因組學(xué)，轉(zhuǎn)錄組學(xué)和微生物組等分子信息結(jié)合起來，新型的機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘技術(shù)可以提取關(guān)鍵的信息，推進(jìn)實(shí)施精準(zhǔn)動(dòng)物農(nóng)業(yè)。此外，具有互補(bǔ)背景的跨學(xué)科領(lǐng)域，如計(jì)算機(jī)科學(xué)，經(jīng)濟(jì)學(xué)，工程學(xué)，數(shù)學(xué)和統(tǒng)計(jì)學(xué)，以及工業(yè)，對于有效開發(fā)分析高通量和異質(zhì)數(shù)據(jù)的前沿方法是必不可少的。精準(zhǔn)動(dòng)物農(nóng)業(yè)領(lǐng)域內(nèi)，養(yǎng)殖人員定制管理實(shí)踐，采用具有預(yù)測用途的機(jī)器學(xué)習(xí)方法將驅(qū)動(dòng)動(dòng)物養(yǎng)殖大數(shù)據(jù)實(shí)現(xiàn)精準(zhǔn)動(dòng)物養(yǎng)殖。