畜禽設施精細養(yǎng)殖中信息感知與環(huán)境調(diào)控綜述

摘? ?要：畜禽設施精細養(yǎng)殖是現(xiàn)代畜牧業(yè)發(fā)展的前沿領域，其核心在于物聯(lián)網(wǎng)與傳統(tǒng)設施養(yǎng)殖的深度融合。近年來，隨著傳統(tǒng)家庭式養(yǎng)殖模式逐漸退出，中國畜禽養(yǎng)殖場的管理方式已逐步邁向集約化、規(guī)?；驮O施化，基于養(yǎng)殖動物個體管理和質(zhì)量保障且滿足動物福利要求的畜禽設施精細化養(yǎng)殖已成為畜禽養(yǎng)殖業(yè)的最新發(fā)展趨勢。本文在闡述畜禽設施精細養(yǎng)殖信息感知與環(huán)境調(diào)控的重要性的基礎上，介紹了信息感知與環(huán)境調(diào)控相關前沿技術，分析了面臨的問題與挑戰(zhàn)，指出智能傳感器技術將成為推動畜禽設施精細養(yǎng)殖進步的底層驅動技術，兼顧畜禽福利和生產(chǎn)性能的動物擬人化智能調(diào)控技術和策略等是面臨的重要挑戰(zhàn)。最后，就中國畜禽設施精細養(yǎng)殖關鍵技術如何落地提出了相關建議，旨在為中國畜禽設施養(yǎng)殖業(yè)的轉型升級和可持續(xù)發(fā)展提供理論參考和技術支撐。

關鍵詞：設施精細養(yǎng)殖;信息感知;環(huán)境調(diào)控;精細畜牧業(yè);智能傳感器

中圖分類號：S-1? ? ? ? ? ? ? ? ? 文獻標志碼：A? ? ? ? ? ? ?文章編號：201905-SA006

滕光輝. 畜禽設施精細養(yǎng)殖中信息感知與環(huán)境調(diào)控綜述[J]. 智慧農(nóng)業(yè)， 2019， 1（3）： 1-12.

Teng G. Information sensing and environment control of precision facility livestock and poultry farming[J]. Smart Agriculture， 2019， 1（3）： 1-12. （in Chinese with English abstract）

1? 引言

快速發(fā)展的移動互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算和人工智能等新一代信息技術與各行業(yè)的深度融合已成為當前和今后一段時期全球范圍內(nèi)各行各業(yè)創(chuàng)新發(fā)展的重要趨勢。在此大潮的沖擊下，世界畜禽養(yǎng)殖業(yè)正在迎來一場巨大的變革。

德國漢諾威國際畜牧展（EuroTier）是由德國農(nóng)業(yè)協(xié)會（DLG e.V.）主辦的全球規(guī)模最大、專業(yè)度最高、綜合性最廣、影響力最大的世界頂級畜牧展，被譽為全球畜牧行業(yè)發(fā)展的風向標。2018 EuroTier技術產(chǎn)品創(chuàng)新獎“Innovation Award EuroTier 2018”[1]已表明，以數(shù)字化、物聯(lián)網(wǎng)等為核心的精細養(yǎng)殖技術在整個畜牧養(yǎng)殖價值鏈中的作用快速提升，滿足動物福利要求的基于養(yǎng)殖動物個體管理和產(chǎn)品質(zhì)量、環(huán)境保障的數(shù)字化成套解決方案已成為日益重要的精細畜牧業(yè)技術的發(fā)展前沿領域。

精細畜牧業(yè)（Precision Livestock Farming，PLF）是指基于過程工程原理和技術，連續(xù)、實時自動監(jiān)測養(yǎng)殖動物健康、福利、生產(chǎn)、繁殖及其環(huán)境影響及動態(tài)變化，并將獲取的生物，環(huán)境信息直接轉化為養(yǎng)殖者所需的不同管理策略應用于畜禽生產(chǎn)管理的現(xiàn)代畜牧業(yè)理念。精細畜牧業(yè)也被稱為“基于傳感器”的個體動物養(yǎng)殖方法，已成為滿足養(yǎng)殖動物健康和福利以及畜牧業(yè)環(huán)境可持續(xù)發(fā)展的良好途徑[2-4]?？梢灶A見，未來我國畜禽養(yǎng)殖業(yè)行業(yè)將迎來以信息化、精細化養(yǎng)殖管理為特色的設施化精細養(yǎng)殖新模式[5]。信息化、精細化技術的快速發(fā)展，將會為畜禽生產(chǎn)、生態(tài)環(huán)境調(diào)控與自然資源的可持續(xù)利用等有機結合提供新的機遇。經(jīng)濟效益、動物健康與福利生產(chǎn)過程管理精細化和產(chǎn)品質(zhì)量這三大關鍵因素事關畜牧養(yǎng)殖業(yè)可持續(xù)發(fā)展，精細養(yǎng)殖已成為畜禽養(yǎng)殖業(yè)的最新發(fā)展趨勢。

本文在闡述畜禽設施精細養(yǎng)殖信息感知與環(huán)境調(diào)控的重要性的基礎上，介紹了畜禽設施精細養(yǎng)殖信息感知與環(huán)境調(diào)控前沿技術，并就我國畜禽設施精細養(yǎng)殖關鍵技術如何落地提出了相關建議，目的在于分析當前該行業(yè)面臨的問題與挑戰(zhàn)，指出智能傳感器技術將成為推動畜禽設施精細養(yǎng)殖領域進步的底層驅動技術，為我國畜禽設施養(yǎng)殖業(yè)的轉型升級和可持續(xù)發(fā)展提供理論參考和技術支撐。

2? 畜禽設施精細養(yǎng)殖

畜禽設施養(yǎng)殖主要涉及畜禽品種、核心裝備和設施環(huán)境3大要素（圖1），其中，畜禽品種是核心，核心裝備是支撐，設施環(huán)境是保障畜禽生產(chǎn)潛力充分發(fā)揮的基礎。畜禽設施養(yǎng)殖過程中，設施裝備通過養(yǎng)殖工藝、配套管理技術和專家經(jīng)驗滿足畜禽采食、飲水及生長過程所需運行條件;通過調(diào)控設施環(huán)境為畜禽生長提供適宜的生長小氣候環(huán)境，實現(xiàn)滿足畜禽生產(chǎn)力需要并發(fā)揮其最佳遺傳潛力的目標。

畜禽設施精細養(yǎng)殖是精細畜牧業(yè)的具體實踐。它是在設施養(yǎng)殖環(huán)境條件下，以動物行為學、動物營養(yǎng)學、設施養(yǎng)殖環(huán)境工程學理論為指導，以新一代信息科學技術為支撐，以滿足畜禽生理和福利需要為前提，以基于群體中個體差異按需、定點、定時飼養(yǎng)管理為特征的智能化養(yǎng)殖方法。

具體而言，以能夠滿足畜禽生長、生活和生產(chǎn)管理需要的舍內(nèi)籠具、圈欄、飼喂、通風、清糞等養(yǎng)殖全程機械化、信息化設備為基礎，應用物聯(lián)網(wǎng)技術全方位實時感知獲取與養(yǎng)殖畜禽群體或個體生態(tài)、生理及生產(chǎn)過程相關的數(shù)字化信息，包括體溫、體重、呼吸、活動量、采食量等體況及行為信息，基于構建的畜禽生長模型或生理調(diào)控算法，科學預測和實時響應畜禽的健康、發(fā)情或繁殖力等，運用閉環(huán)工業(yè)控制理論智能化調(diào)控畜禽舍內(nèi)小氣候環(huán)境，并基于獲取的數(shù)字化信息實施營養(yǎng)供給、疫病防控等全程全自動生產(chǎn)管理與決策服務。

畜禽設施精細養(yǎng)殖的核心在于物聯(lián)網(wǎng)與傳統(tǒng)設施養(yǎng)殖的結合。物聯(lián)網(wǎng)將“養(yǎng)殖工藝”與“環(huán)境調(diào)控”有機結合，最終通過精細調(diào)控設施裝備來實現(xiàn)畜禽的優(yōu)質(zhì)低耗生產(chǎn)。物聯(lián)網(wǎng)在設施畜禽養(yǎng)殖中的應用，就是在配備自動化養(yǎng)殖設施（通風換氣、飼喂、飲水和防疫消毒、畜禽排泄物處理等設施裝備）、飼料散裝配送設備的畜禽舍中，針對舍內(nèi)局部小氣候環(huán)境控制系統(tǒng)，運用“物聯(lián)網(wǎng)+”系統(tǒng)感知舍內(nèi)溫濕度、光照、CO2、NH3等傳感器設備，檢測設施養(yǎng)殖環(huán)境中的溫濕度、光照強度、有害氣體濃度等物理量參數(shù)，通過各種儀器儀表實時顯示或作為自動控制的參變量參與到自動控制中，保證畜禽有一個良好的、適宜的生長環(huán)境。

畜禽設施精細養(yǎng)殖成功的關鍵在于如何準確可靠感知、正確解讀、準確理解畜禽面對其生長環(huán)境變化展示的自然行為響應的內(nèi)涵，由此確定不同畜禽在不同生長生理階段的最適宜環(huán)境參數(shù)與閾值，并據(jù)此構建完善的畜禽生長生理控制模型[6]。此外，養(yǎng)殖設備遠程控制技術的實現(xiàn)使養(yǎng)殖管理人員不受時空的限制，就能對養(yǎng)殖舍內(nèi)環(huán)境進行遠程監(jiān)測控制，包括基于預設環(huán)境閾值的自動控制及遠程個性化的手動控制，從而形成畜禽舍環(huán)境精準調(diào)控的物聯(lián)網(wǎng)閉環(huán)，達到增產(chǎn)、改善品質(zhì)和提高經(jīng)濟效益的目的。

3? 畜禽信息實時感知

3.1? 專用感知技術及智能傳感器

實時在線監(jiān)測感知設施養(yǎng)殖過程中的畜禽行為與生長狀態(tài)，可方便養(yǎng)殖者及時發(fā)現(xiàn)和解決與畜禽健康相關的問題。在打通從感知畜禽生命體征行為，從行為推理過渡到認知畜禽自然行為內(nèi)涵，并最終為其提供舒適生存空間的系列流程中，傳感技術發(fā)揮著不可或缺的作用[7]。

近年來，畜禽養(yǎng)殖環(huán)境、生理和生長過程信息實時感知技術的發(fā)展十分迅速，機器視覺、GPS、電子鼻等先進傳感技術的應用為實施畜禽設施精細養(yǎng)殖提供了重要技術支撐[8，9]。表1列

出了各類先進感知技術在畜禽養(yǎng)殖領域中的應用情況[10]。

畜禽體征信息感知是傳感器檢測技術突破的難點。傳統(tǒng)的感知技術多采用光、聲、磁學等物理學原理，依據(jù)被測對象性質(zhì)和特點不同，選擇從X射線[11-13]、可見光[14-19]到（超）聲波[20-22]等不同電磁波段進行檢測，由檢測到的物理參量通過模型間接計算反映畜禽體征的生理（形態(tài)）參變量[3，6]。從圖像識別、生理檢測到聲音識別等一系列新型智能傳感器構成了物聯(lián)網(wǎng)技術在畜禽設施精細養(yǎng)殖領域的核心應用（圖2和圖3），其特點是將畜禽監(jiān)測模式由原來的常規(guī)周期性應激監(jiān)測發(fā)展至現(xiàn)今的非接觸、無應激實時監(jiān)測，極大地提高了對畜禽行為的感知能力[23]。

通過音、視頻自動識別技術，已經(jīng)可以實現(xiàn)無應激感知畜禽體尺、體況、體溫、采食以及飲水等一系列畜禽生態(tài)、生理及生產(chǎn)過程行為[24]。由于畜禽活體特征非常復雜，實現(xiàn)畜禽體征信息非接觸、無應激實時準確感知，必須在其生長周期的物理表征機理和計量模型上實現(xiàn)突破。反之，無論是以經(jīng)典的經(jīng)驗模型或是類似深度學習為特色的數(shù)學新算法創(chuàng)建感知信息的反演模型及系統(tǒng)，準確感知信息都將是反演模型或算法能否成功推理或準確理解畜禽行為的關鍵。

3.2? 面臨的問題與挑戰(zhàn)

當前，在制約我國精細畜牧業(yè)發(fā)展的多項短板硬件技術中，排在首位的就是專用傳感器技術落后且穩(wěn)定性差[25]。量值定義世界，精準決定未來。信息感知技術的突破首先在于智能傳感器技術的開發(fā)與應用。主要是指常規(guī)傳感器的智能化，即具有信息處理功能的傳感器，結合單片機運作，具有采集、處理、交換信息的能力，這是傳感器集成化與單片機相結合的產(chǎn)物[26]。與一般傳感器相比，智能傳感器具有以下3個優(yōu)點：一是通過軟件技術可實現(xiàn)高精度的信息采集，而且成本低;二是具備一定的編程自動化能力;三是功能多樣化，具備連續(xù)監(jiān)測多項特征參數(shù)的聯(lián)動能力，可同步了解整個系統(tǒng)運行的機理。近年來，該類傳感器多以嵌入式、微形化的形式異軍突起。另外，基于光學、（超）聲波等原理的“非接觸式傳感器”一改“接觸式傳感器”對畜禽監(jiān)測時造成應激的缺點，在畜禽生產(chǎn)中前景廣闊[27]。智能傳感器所具備的快速檢測、連續(xù)監(jiān)測、實時反饋能力，將為系統(tǒng)認知提供基礎數(shù)據(jù)，賦予人類“防患于未然”的能力，即在出現(xiàn)問題前就能及早發(fā)現(xiàn)和解決問題。如何能在畜禽生長要素的利用環(huán)節(jié)既可精準發(fā)現(xiàn)和定量識別可能出現(xiàn)的風險問題，又能夠實時進行優(yōu)化調(diào)控，此類傳感器技術引入設施養(yǎng)殖業(yè)用于畜禽生長環(huán)境及體征信息感知，將極大改善專用傳感器落后的局面。相關傳感器技術的升級換代將帶動“物聯(lián)網(wǎng)+”的升級換代，換句話說，智能傳感器技術將是推動設施養(yǎng)殖領域進步的底層驅動技術。

4? 畜禽養(yǎng)殖環(huán)境調(diào)控

4.1? 環(huán)境精細調(diào)控及設備

在影響畜禽生產(chǎn)性能方面，畜禽設施養(yǎng)殖行業(yè)具有品種、飼養(yǎng)、環(huán)境三分天下的共識，三者共同作用于畜禽生產(chǎn)性能的提升，同等重要，但各有側重點[28]。

養(yǎng)殖環(huán)境是影響畜禽健康和生產(chǎn)力的重要因素之一。國內(nèi)外設施養(yǎng)殖領域中，畜禽品種、生產(chǎn)工藝雖趨于相同，但不同國家畜禽設施養(yǎng)殖生產(chǎn)性能水平卻存在較大差異。究其原因，很大程度上是設施養(yǎng)殖環(huán)境差異所致。例如，就同等規(guī)模的養(yǎng)豬場而言，相同類型圈欄中所養(yǎng)殖的生豬品種、養(yǎng)殖工藝基本相同，但國外母豬的斷奶仔豬數(shù)（Piglets weaned/ Sow/ Year，PSY）最高可達30頭左右，而我國母豬PSY則長期徘徊在18頭左右[29]。其原因是國內(nèi)引進的豬品種往往對其生長溫度環(huán)境要求較高，以長白豬為例，其最佳適宜生長環(huán)境溫度一般要求在20℃左右[30]。而我國各地氣候環(huán)境差異極大，如果舍內(nèi)常年保持上述環(huán)境溫度，則必然夏天需要降溫及冬天需要采暖，而規(guī)?；i場按此實施運行費用必然不菲，使得養(yǎng)殖企業(yè)往往做不到溫度精細調(diào)控，豬場舍內(nèi)環(huán)境常達不到上述最佳溫度范圍要求。

此外，畜禽養(yǎng)殖環(huán)境狀態(tài)與動物體征和行為又互為因果且連續(xù)變化。影響畜禽業(yè)可持續(xù)發(fā)展的生物安全問題、畜牧環(huán)保問題和畜禽產(chǎn)品質(zhì)量安全問題都與養(yǎng)殖環(huán)境控制密切相關。為畜禽營造舒適的生長、生產(chǎn)環(huán)境，不僅關系到畜禽本身的福利健康，更與畜禽產(chǎn)品質(zhì)量、食品安全和養(yǎng)殖場經(jīng)濟效益息息相關。滿足畜禽福利、生理、健康及生產(chǎn)過程等需求，需要實時監(jiān)測畜禽舍內(nèi)生態(tài)環(huán)境參數(shù)的動態(tài)變化，實時感知舍內(nèi)畜禽個體或群體的行為變化，并借助相應動物的環(huán)境、營養(yǎng)、生長及健康模型給出調(diào)控決策，為實現(xiàn)畜禽精細飼喂和環(huán)境動態(tài)精細控制奠定基礎（圖4和圖5）[31，32]。

設施養(yǎng)殖環(huán)境調(diào)控的技術發(fā)展可劃分三個階段：機電一體化時代[33]，其特點是傳統(tǒng)感知技術的應用;工廠化農(nóng)業(yè)時代[34，35]，其特點是專家決策、模糊控制等具備學習、推理能力的調(diào)控設備應用;未來畜禽設施精細養(yǎng)殖乃至無人值守時代[36-38]?，F(xiàn)代物聯(lián)網(wǎng)技術的快速發(fā)展，為畜禽養(yǎng)殖設施環(huán)境精細調(diào)控提供了一個很好的發(fā)展契機[39]。人工智能技術將大規(guī)模應用，通過感知、學習、推理，準確獲取動物自然行為的含義并進行深度感知，使得畜禽設施養(yǎng)殖設備具有智能性，從而代替人工完成一些復雜繁瑣或危險的工作，真正實現(xiàn)基于“物聯(lián)網(wǎng)+”的設施精細養(yǎng)殖全過程的無人操作。

大數(shù)據(jù)、人工智能、深度學習等技術的發(fā)展，提供了高效感知、分析、存儲、共享和集成異構數(shù)據(jù)的能力和分析手段。現(xiàn)代畜禽精細養(yǎng)殖系統(tǒng)首先借助安全可靠的現(xiàn)場數(shù)據(jù)感知技術獲取生產(chǎn)一線的真實數(shù)據(jù)，通過4G、5G等無線網(wǎng)傳輸上傳到云平臺，借助強大的云計算能力，通過專業(yè)算法進行決策，再將相關調(diào)控規(guī)則下行到配備在智能養(yǎng)殖裝備上的現(xiàn)場控制器上進行設施養(yǎng)殖全過程的智能調(diào)控[40]。

智能調(diào)控是在解決感知信息獲取的可靠性與算法的基礎上，在動態(tài)變化條件下自動整合感知獲得的設施養(yǎng)殖多因子數(shù)據(jù)并進行實時建模，與傳統(tǒng)設施養(yǎng)殖裝備（環(huán)控、清糞、采食、飲水等）相結合，構建具備精細環(huán)控、精細飼喂等功能的智能化養(yǎng)殖設備體系，促進形成數(shù)據(jù)驅動的畜禽養(yǎng)殖精細管控能力。實現(xiàn)在感知傳輸層，主要基于不同類型的傳感器感知畜禽舍內(nèi)環(huán)境參數(shù)（溫濕度、光照強度、CO2、NH3濃度等）及體征行為（聲音、體重、體溫及運動行為等）;在數(shù)據(jù)傳輸層，主要采用無線（4G/5G）網(wǎng)絡將來自上述感知傳輸層的環(huán)境數(shù)據(jù)、生產(chǎn)過程數(shù)據(jù)及個體生理、行為狀態(tài)數(shù)據(jù)信息遠程傳輸?shù)较嚓P數(shù)據(jù)庫;在數(shù)據(jù)應用層，主要是通過嵌入式控制器，依據(jù)對相關數(shù)據(jù)庫信息的分析決策，對畜禽舍內(nèi)環(huán)境控制設備（風機、光照、水泵等）進行自動調(diào)控（圖6）。換言之，數(shù)據(jù)科學和信息技術極大地提高了對復雜問題的解決能力，其核心是共享基于可靠獲取及存儲原始數(shù)據(jù)的大數(shù)據(jù)信息系統(tǒng)，將人工經(jīng)驗的試錯積累及一線技術人員、管理人員的專業(yè)知識數(shù)字化，通過歷史數(shù)據(jù)的回溯及結果評判逐步去偽存真，優(yōu)化專業(yè)算法。借助于多媒體及觸摸屏實現(xiàn)“能說的就不寫”的人機交互方式、卡通化其控制規(guī)律便于普通人使用，利用云計算、模糊識別等各種智能計算技術對海量的數(shù)據(jù)和信息進行分析和處理，以達到對設施養(yǎng)殖環(huán)境實施智能化精準控制的目標。

4.2? 設施環(huán)境精細調(diào)控面臨的問題與挑戰(zhàn)

本節(jié)闡述在養(yǎng)殖品種和工藝確定后，為設施養(yǎng)殖畜禽提供性價比可接受的適宜生長環(huán)境所面臨的挑戰(zhàn)。

4.2.1? 基于畜禽福利和生產(chǎn)性能的環(huán)境調(diào)控新策略

就養(yǎng)殖生產(chǎn)環(huán)境而言，各類畜禽生存所需的環(huán)境條件對其生長發(fā)育速度、健康狀態(tài)及生產(chǎn)性能的發(fā)揮具有重要影響[41]。但是，2012年以來，針對傳統(tǒng)規(guī)?；笄蒺B(yǎng)殖方式，歐洲率先立法，采取禁止蛋雞籠養(yǎng)[42]、母豬限位欄飼養(yǎng)[43]等一系列措施，并開始在設施養(yǎng)殖中強制增加滿足動物福利的一系列配套設施，尤其是在降低養(yǎng)殖密度、強化通風質(zhì)量方面提高了相應的檢測標準要求，力度之大，對世界畜禽養(yǎng)殖業(yè)未來發(fā)展影響深遠。

從經(jīng)營者的角度來看，畜禽養(yǎng)殖場經(jīng)營的目的是為了獲取養(yǎng)殖盈利，增加收入和控制成本同樣重要，經(jīng)營更追求簡單化。當前大型規(guī)?；O施養(yǎng)殖生產(chǎn)工藝一方面生產(chǎn)效率高，但另一方面很少考慮動物福利，設施養(yǎng)殖畜禽健康水平不容樂觀，進而影響人類食品安全[44]。從消費者的角度而言，價廉物美、食品安全是其首要考慮?；诓煌嵌鹊男枨蠖呷绾斡行ЫY合、博弈，亦即在充分考慮技術可用性、可靠性及成本可控性的前提下，如何解決這一需求矛盾，是當前面臨的困境。因此，畜禽設施精細養(yǎng)殖環(huán)境調(diào)控策略，首先需要在不降低現(xiàn)代規(guī)?；B(yǎng)殖生產(chǎn)效益的前提下，從現(xiàn)有規(guī)模化養(yǎng)殖工藝僅重視生產(chǎn)效益、方便組織管理的“以人為本”的技術路線，轉變?yōu)椤耙孕鬄楸尽?，探求在滿足基本動物福利需求下尋求如何發(fā)揮其最大遺傳潛力的技術路線。

4.2.2? 現(xiàn)代工業(yè)控制理論不完全適用于畜禽養(yǎng)殖

畜禽設施精細養(yǎng)殖是基于現(xiàn)代控制理論的原理與技術，對工廠化（或規(guī)?；┬笄萆a(chǎn)系統(tǒng)進行智能化管理的一種機制。它通過對畜禽生長環(huán)境及畜禽動態(tài)生理響應進行持續(xù)監(jiān)測，并生成畜禽生產(chǎn)過程決策所需的數(shù)學模型，以負反饋形式（閉環(huán)控制）合理調(diào)節(jié)和控制舍內(nèi)生態(tài)環(huán)境，使養(yǎng)殖者及時發(fā)現(xiàn)和控制與畜禽優(yōu)質(zhì)高產(chǎn)相關的生長環(huán)境問題，進而獲得預期的生產(chǎn)結果[45]。

在現(xiàn)代品種選育、規(guī)范養(yǎng)殖工藝條件下，全球同品種畜禽的生產(chǎn)性能好壞與其生長環(huán)境密切相關。因此，從環(huán)境控制的角度而言，引入在工業(yè)界有著成功應用的相關控制理論與成熟技術方案來實現(xiàn)對設施養(yǎng)殖環(huán)境的調(diào)控顯得順理成章。但從控制論的觀點來看，相比工業(yè)領域控制對象的整齊劃一和標準化，畜禽生命體作為相對復雜的控制對象，其多變、獨特性使其控制難度驟然增加，實現(xiàn)完全、最優(yōu)控制的難度極大，主要挑戰(zhàn)表現(xiàn)在以下方面[46]：一是如何實時動態(tài)感知獲取畜禽生理變化信息并準確判斷畜禽生長環(huán)境是否適宜，并且如何從傳統(tǒng)的經(jīng)驗型“定性”評判進化到基于數(shù)字化模型的“定量”評判。二是如何且能否在性價比合適的條件下，采用適宜的控制手段實現(xiàn)預期的控制目標。

4.2.3? 設施養(yǎng)殖控制的人性化或擬人化要求

以人類的思維代替畜禽的思維，只能是一種虛妄的想象。子非畜禽，安知畜禽之苦樂？解決設施養(yǎng)殖環(huán)境下的畜禽福利問題，不是因為我們確實了解畜禽的痛苦，而是知道一旦養(yǎng)殖的畜禽生存環(huán)境遭到破壞，合理利用畜禽產(chǎn)品和制品的人類也會隨之遭殃[47，48]。唯有按照自然法則滿足畜禽的基本生理、行為需求，善待它們，以此促進畜禽健康生產(chǎn)，才能使生產(chǎn)者獲得高品質(zhì)、安全的畜禽產(chǎn)品并為人類安全享用[49]。

一直以來，養(yǎng)殖業(yè)成功之處在于將工業(yè)化生產(chǎn)成熟的技術手段大量應用于畜禽生產(chǎn)，尤其是設施養(yǎng)殖實施的機電一體化設備控制體系，成就了以規(guī)?；a(chǎn)效率高、成本低為特色的價廉物美、欣欣向榮的規(guī)?；笄蒺B(yǎng)殖產(chǎn)業(yè)。但隨著生產(chǎn)規(guī)模的不斷擴張，這種大型規(guī)?；笄萆a(chǎn)工藝“重群體輕個體”的弊端也隨之顯現(xiàn)。亦即伴隨養(yǎng)殖規(guī)模越來越大，畜禽個體在生長環(huán)境、生理健康等方面的需求無法及時得到滿足或響應，群體中弱勢個體營養(yǎng)需求跟不上，禽流感、非洲豬瘟、瘋牛病等畜禽群體性疫病時有爆發(fā)。究其原因，重生產(chǎn)效率、輕動物福利的現(xiàn)今規(guī)?；B(yǎng)殖生產(chǎn)方式難辭其咎。這迫使人們重新審視現(xiàn)代養(yǎng)殖模式的利弊[44]，諸如在設施養(yǎng)殖環(huán)境下如何準確理解圈養(yǎng)畜禽對其生長環(huán)境、營養(yǎng)的需求，究竟是以人們現(xiàn)在追求的工業(yè)化高生產(chǎn)效率的“以人為本”的養(yǎng)殖模式為先，還是“基于動物需求為本”來配置設施裝備并服務于人工養(yǎng)殖環(huán)境下的畜禽？若以養(yǎng)殖動物的需求為本，則需要將控制對象擬人化或畜性化，其出發(fā)點在于如何正確理解圈養(yǎng)環(huán)境下養(yǎng)殖動物對生長環(huán)境狀況的所思所想，而非依賴目前多由人們主觀認定為“有利于畜禽健康”而采取的一系列動物福利措施，減少所謂“好心辦錯事”事件的發(fā)生概率。若想實現(xiàn)“以動物需求為本”的理念，其前提則是正確感知身處設施養(yǎng)殖環(huán)境中的畜禽對其生長環(huán)境的真實反映[50]。針對畜禽活體特征控制的復雜性、多樣性，探求如何將工業(yè)領域以“剛性”控制為特點的控制理論及方法“人性化”使之適用于“柔性”控制畜禽群體及個體的養(yǎng)殖過程，或許值得探究[51]。

4.2.4? ?缺乏有效、準確的畜禽生長模型與智能決?策算法

盡管收集了大量畜禽生態(tài)、生理及生長過程等各類數(shù)據(jù)，但由于實驗室研究和生產(chǎn)實踐中的數(shù)據(jù)一直處于彼此脫節(jié)的狀態(tài)，實際生產(chǎn)仍缺

乏有效的工具來廣泛使用已有的數(shù)據(jù)、知識和模型[52]。因此，畜禽養(yǎng)殖行業(yè)相關控制系統(tǒng)多采用“時序控制”而非“按需決策控制”。應用專家決策、模糊評判、大數(shù)據(jù)解析等新興技術將行業(yè)知識數(shù)字化并上升為模型化，通過軟件匹配技術實現(xiàn)對傳統(tǒng)傳感器的參數(shù)調(diào)節(jié)、校準數(shù)字化，將感知到的各種物理量儲存起來并按照指令處理這些數(shù)據(jù)，從而派生出新數(shù)據(jù)，實現(xiàn)傳感器之間的信息交流、異常數(shù)據(jù)的舍棄等傳輸數(shù)據(jù)的自我決定，并完成分析和統(tǒng)計計算等，此乃智能傳感器的核心價值所在[53]。

5? 我國畜禽設施精細養(yǎng)殖發(fā)展建議

當前，我國畜禽養(yǎng)殖主體逐步向規(guī)?；皹藴驶绞竭^渡，總體機械裝備水平不高，畜禽養(yǎng)殖的機械化率尚不到1/3，畜禽設施精細養(yǎng)殖尚處于起步階段[54]?；凇拔锫?lián)網(wǎng)+”的畜禽設施精細養(yǎng)殖技術的應用在我國更多體現(xiàn)在環(huán)境信息感知、數(shù)據(jù)傳輸和畜禽監(jiān)測環(huán)節(jié)?；谛笄萆L生理調(diào)控模型按需決策控制相關技術水平尚處于工廠化農(nóng)業(yè)控制階段，代表精細養(yǎng)殖先進水平的物聯(lián)網(wǎng)技術在部分規(guī)?；潭缺容^高的養(yǎng)殖企業(yè)才剛剛開始推廣應用。有感知無決策、有決策無控制的單因子應用比較普遍，尚未形成“感知—學習—決策—負反饋”的應用“閉環(huán)”，從而大大降低了畜禽設施精細養(yǎng)殖對改造傳統(tǒng)農(nóng)業(yè)的作用。

面向未來，我國畜禽設施精細養(yǎng)殖技術應與不同區(qū)域、不同養(yǎng)殖模式、不同養(yǎng)殖規(guī)模的標準化圈舍設計、養(yǎng)殖工藝參數(shù)相配套，基于可靠獲取及存儲原始數(shù)據(jù)的大數(shù)據(jù)信息系統(tǒng)，將領域專業(yè)知識數(shù)字化，優(yōu)化專業(yè)算法，利用云計算、模糊識別等各種智能計算技術對海量的數(shù)據(jù)和信息進行分析和處理，合理匹配“養(yǎng)殖工藝—設施設備—環(huán)境控制技術”之間的關聯(lián)度，以達到對畜禽設施養(yǎng)殖精細管控的目的，在信息感知層面的各類傳感器的智能化，在應用層面將專家經(jīng)驗模型化，促使最終用戶受益最大化。

從粗放養(yǎng)殖、注重數(shù)量，到保障畜禽產(chǎn)品的供給安全，再到減少環(huán)境污染、提高動物福利，我國畜牧業(yè)正在加速升級，當今世界數(shù)字化、網(wǎng)絡化技術的快速發(fā)展，為動物福利、信息管理與自然資源永續(xù)利用的融合發(fā)展創(chuàng)造了新的發(fā)展空間。數(shù)字畜牧、動物福利、精細養(yǎng)殖等新技術、新設備不斷涌現(xiàn)，已成為國際畜牧業(yè)發(fā)展的前沿領域。國家相關部門應高度重視并主動作為，抓住機遇盡快布局并加快開展相關科技創(chuàng)新，加快提升畜牧業(yè)生產(chǎn)、管理和服務的數(shù)字化、信息化水平，以便在未來競爭中立于不敗之地。

參考文獻

[1]? ? DLG， Innovation Magazine 2018[EB/OL]. [2019-04-10] https：//www.eurotier.com/fileadmin/eurotier/download/innovations/ET_NH_Magazin_2018_e_IT.pdf.

[2]? ?Halachmi I， Guarino M. Editorial： precision livestock farming： a “per animal” approach using advanced monitoring technologies[J]. Animal， 2016， 10（9）： 1482-1483.

[3]? ?Berckmans D. General introduction to precision livestock farming[J]. Animal Frontiers， 2017， 7（1）： 6-11.

[4]? ?Tullo E， Fontana I， Diana A， et al. Application note： Labelling， a methodology to develop reliable algorithm in PLF[J]. Computers and Electronics in Agriculture， 2017， 142： 424-428.

[5]? ?中華人民共和國農(nóng)業(yè)村部. 關于印發(fā)《“十三五”全國農(nóng)業(yè)農(nóng)村信息化發(fā)展規(guī)劃》的通知[EB/OL]. （2016-08-29） [2018-09-09]. http：//www.gov.cn/xinwen/2016-09/09/

content_5106840.htm

[6]? ?付為森. 基于雙目視覺的豬體尺檢測與體重預估方法研究[D]. 北京： 中國農(nóng)業(yè)大學， 2011.

Fu W. Study of pig’s body dimensions detection and weight estimation based-on binocular stereovision [D]. Beijing： China Agricultural University， 2011.

[7]? ?何東健， 劉冬， 趙凱旋. 精準畜牧業(yè)中動物信息智能感知與行為檢測研究進展[J]. 農(nóng)業(yè)機械學報，2016， 47（5）： 231-244.

He D， Liu D， Zhao K. Review of perceiving animal information and behavior in precision livestock farming[J]. Transactions of the CSAM， 2016， 47（5）： 231-244.

[8]? ?汪開英， 趙曉洋， 何勇. 畜禽行為及生理信息的無損監(jiān)測技術研究進展[J]. 農(nóng)業(yè)工程學報， 2017， 33（20）： 197-209.

Wang K， Zhao X， He Y. Review on noninvasive monitoring technology of poultry behavior and physiological information[J]. Transactions of the CSAE， 2017， 33（20）： 197-209.

[9]? ?熊本海， 楊振剛， 楊亮， 等. 中國畜牧業(yè)物聯(lián)網(wǎng)技術應用研究進展[J]. 農(nóng)業(yè)工程學報， 2015， 31（Supp.1）： 237-246.

Xiong B， Yang Z， Yang L， et al. Review on application of Internet of Things technology in animal husbandry in China [J]. Transactions of the CSAE， 2015， 31（Supp.1）： 237-246.

[10]? Halachmi I， Guarino M， Bewley J， et al. Smart animal agriculture： application of real-time sensors to improve animal well-being and production[J]. Annual Review of Animal Biosciences， 2019， 7： 403-425.

[11]? Papachristodoulou C， Stamoulis K， Tsakos P， et al. Liver concentrations of copper， zinc， iron and molybdenum in sheep and goats from northern greece， determined by energy-dispersive X-ray fluorescence spectrometry[J]. Bulletin of Environmental Contamination and Toxicology， 2015， 94（4）： 460-467.

[12]? 石冬冬， 王海紅， 李盈盈. X射線熒光光譜法快速測定雞糞中的銅、鐵、錳、鋅、硒[J]. 分析儀器， 2018（2）： 37-42.

Shi D， Wang H， Li Y. Rapid determination of Cu， Fe， Mn， Zn and Se in chicken manure using X-ray fluorescence spectrometry[J]. Analytical Instrumentation， 2018（2）： 37-42.

[13]? 和友， 肖體喬， Michel M. 同步輻射硬X射線成像用于小動物腦血管結構與功能的研究[J]. 生命科學， 2013， 25（8）： 803-811.

He Y， Xiao T， Michel M. Application of synchrotron hard X-ray based imaging on small animal’s cerebral vasculature and function studies[J]. Chinese Bulletin of Life Science， 25（8）： 803-811.

[14]? Eddy A L， Van Hoogmoed LM， Snyder J R. The role of thermography in the management of equine lameness[J]. Veterinary Journal， 2001， 162（3）： 172-181.

[15]? Tsai D M， Huang C. A motion and image analysis method for automatic detection of estrus and mating behavior in cattle[J]. Computers and Electronics in Agriculture， 2014， 104： 25-31.

[16]? Kim H T， Choi H L， Lee D W， et al. Recognition of individual Holstein cattle by imaging body patterns[J]. Asian-Australasian Journal of Animal Sciences， 2005， 18（8）： 1194-1198.

[17]? Kim H T， Ikeda Y， Choi H L. The identification of Japanese black cattle by their faces [J]. Asian-Australasian Journal of Animal Sciences， 2005， 18（6）： 868-872.

[18]? Lambe N R， Navajas E A， Schofield C P， et al. The use of various live animal measurements to predict carcass and meat quality in two divergent lamb breeds[J]. Meat Science， 2008， 80（4）： 1138-1149.

[19]? Lambe N， Navajas E， Fisher A， et al. Prediction of lamb meat eating quality in two divergent breeds using various live animal and carcass measurements [J]. Meat Science， 2009， 83（3）： 366-375.

[20]? Yajuvendra S， Lathwal S S， Rajput N， et al. Effective and accurate discrimination of individual dairy cattle through acoustic sensing[J]. Applied Animal Behaviour Science， 2013， 146（1）： 11-18.

[21]? McLaren D G， McKeith F M， Novakofski J. Prediction of carcass characteristics at market weight from serial real-time ultrasound measures of backfat and loin eye area in the growing pig[J]. Journal of Animal Science， 1989， 67（7）： 1657-1667.

[22]? Ikeda Y， Ishii Y. Recognition of two psychological conditions of a single cow by her voice[J]. Computers and Electronics in Agriculture， 2008， 62（1）： 67-72.

[23]? Lao F， Brown T， Stinn J， et al. Automatic recognition of lactating sow behaviors through depth image processing[J]. Computers and Electronics in Agriculture， 2016， 125： 56-62.

[24]? 楊艷， 滕光輝， 李保明， 等. 基于計算機視覺技術估算種豬體重的應用研究[J]. 農(nóng)業(yè)工程學報， 2006， 22（2）： 127-131.

Yang Y， Teng G， Li B， et al. Measurement of pig weight based on computer vision[J]. Transactions of the CSAE， 2006， 22（ 2）： 127-131.

[25]? 趙春江. 智慧農(nóng)業(yè)發(fā)展現(xiàn)狀及戰(zhàn)略目標研究[J]. 智慧農(nóng)業(yè)， 2019， 1（1）： 1-7.

Zhao C. State-of-the-art and recommended developmental strategic objectives of smart agriculture [J]. Smart Agriculture， 2019， 1（1）： 1-7.

[26]? 劉同海. 基于雙目視覺的豬體體尺參數(shù)提取算法優(yōu)化及三維重構[D]. 北京： 中國農(nóng)業(yè)大學， 2014.

Liu T. Study of pig's body size parameter extraction algorithm optimization and three-dimensional reconstruction based-on binocular stereo vision[D]. Beijing： China Agricultural University， 2014.

[27]? 李卓. 基于立體視覺技術的生豬體重估測研究[D]. 北京：中國農(nóng)業(yè)大學， 2016.

Li Z. Research of pig weight estimation based on stereo vision technology[D]. Beijing： China Agricultural University， 2016.

[28]? 崔引安. 農(nóng)業(yè)生物環(huán)境控制[M]. 北京： 中國農(nóng)業(yè)出版社， 1994.

[29]? 吳德. 母豬采食量的營養(yǎng)調(diào)控與泌乳力的提高[C]. 中國豬業(yè)科技大會暨中國畜牧獸醫(yī)學會2015年學術年會論文集， 2015： 6-9.

[30]? 蘇振環(huán). 現(xiàn)代養(yǎng)豬實用百科全書[M]. 北京： 中國農(nóng)業(yè)出版社， 2003.

[31]? Cornou C， Vinther J， Kristensen A. Automatic detection of oestrus and health disorders using data from electronic sow feeders[J]. Livestock Science， 2008， 118（3）： 262-271.

[32]? Elmore M， Garner J， Johnson A， et al. Getting around social status： motivation and enrichment use of dominant and subordinate sows in a group setting[J]. Applied Animal Behaviour Science， 2011， 133： 154-163.

[33]? 滕光輝， 崔引安. 密閉式雞舍環(huán)境控制的“虛擬系統(tǒng)”[J]. 中國農(nóng)業(yè)大學學報， 2000， 5（2）： 59-62.

Teng G， Cui Y. A study on the environment control “virtual system” of poultry house[J]. Journal of China Agricultural University， 2000， 5（2）： 59-62.

[34]? Cornou C， Kristensen A. Monitoring individual activity before， during and after parturition using sensors for sows with and without straw amendment[J]. Livestock Science， 2014， 168： 139-148.

[35]? Peter A， Torben G， Henrik K. Development of a real-time computer vision system for tracking loose-housed pigs[J]. Computers and Electronics in Agriculture， 2013， 76： 169-174.

[36]? Hansen M， Smith M， Smith L， et al. Towards on-farm pig face recognition using convolutional neural networks[J]. Computers in Industry， 2018， 98： 145-152.

[37]? He K， Zhang X， Ren S， et al. Deep residual learning for image recognition[J]. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition， 2016：

770-778.

[38]? Yu Q， Teng G. Pig behavior research and its application in breeding-landrace pigs as an example[J]. Biomedical Research-India， 2017， Special Issue： s111-s117.

[39]? Simona M， Porto C， Umberto A， et al. A computer vision-based system for the automatic detection of lying behaviour of dairy cows in free-stall barns[J]. Biosystems Engineering， 2013， 115： 184-194.

[40]? Chen H， Xing H， Teng G， et al. Cloud-based data management system for automatic real-time data acquisition from large-scale laying-hen farms[J]. Int J Agric & Biol Eng， 2016， 9（4）： 106-115.

[41]? 顧憲紅. 畜禽福利與畜產(chǎn)品品質(zhì)安全[M]. 北京： 中國農(nóng)業(yè)科學技術出版社， 2005.

[42]? Damien M. 歐盟健康養(yǎng)殖現(xiàn)狀及未來發(fā)展趨勢[J]. 中國畜牧業(yè)， 2015， 23： 28-29.

[43]? 李衛(wèi)華. 農(nóng)場動物福利研究[D]. 北京： 中國農(nóng)業(yè)大學， 2005.

Li W. Study on the farm animal welfare[D]. Beijing： China Agricultural University， 2005.

[44]? 時建忠. 動物福利若干問題的思考[J]. 中國家禽， 2008， 30（8）： 1-3.

[45]? Shao B， Xing H. A real-time computer vision assessment and control of thermal comfort for group-housed pigs[J]. Computers and Electronics in Agriculture， 2008， 62（1）： 15-21.

[46]? Yu L， Teng G， Li B， et al. A remote-monitoring system for poultry production management using a 3G-based network[J]. Applied Engineering in Agriculture， 2013， 29（4）： 595-601.

[47]? Mallin A， Mclver R， Robuck R， et al. Industrial swine and poultry production causes chronic nutrient and fecal microbial stream pollution[J]. Water， Air， Soil Pollution， 2015， 226： 407.

[48]? Emanuela T， Alberto F， Marcella G. Review： environmental impact of livestock farming and precision livestock farming as a mitigation strategy[J]. Science of the Total Enironment， 2019， 650： 2751-2760.

[49]? Hemsworth P， Barnett J， Hansen C， et al. Effects of social environment on welfare status and sexual behaviour of female pigs II. Effects of space allowance[J]. Applied Animal Behaviour Science， 1986， 16： 259-267.

[50]? Du X， Lao F， Teng G. A sound source localisation analytical method for monitoring the abnormal night vocalisations of poultry[J]. Sensors ， 2018， 18（9）： 2906.

[51]? Shi C， Zhang J， Teng G. Mobile measuring system based on labview for pig body components estimation in a large-scale farm[J]. Computers and Electronics in Agriculture， 2019， 156： 399-405.

[52]? 楊艷， 滕光輝， 李保明. 利用二維數(shù)字圖像估算種豬體重[J]. 中國農(nóng)業(yè)大學學報， 2006， 11（3）： 61-64.

Yang Y， Teng G， Li B. Determination of pig weight from 2D images[J]. Journal of China Agricultural University， 2006， 11（3）： 61-64.

[53]? Shi C， Teng G， Li Z. An approach of pig weight estimation using binocular stereo system based on Labview[J]. Computers and Electronics in Agriculture， 2016， 129： 37-43.

[54]? 楊飛云， 曾雅瓊， 馮澤猛， 等. 畜禽養(yǎng)殖環(huán)境調(diào)控與智能養(yǎng)殖裝備技術研究進展[J]. 中國科學院院刊， 2019： 163-173.

Yang F， Zeng Y， Feng Z， et al. Research status on environmental control technologies and intelligent equipment for livestock and poultry production[J]. Bulletin of the Chinese Academy of Sciences （BCAS）， 2019， 34（02）： 39-49.

Information sensing and environment control of precision facility livestock and poultry farming

Guanghui Teng

（College of Water Resources & Civil Engineering， China Agricultural University， Beijing 100083， China）

Abstract： The fine breeding of livestock and poultry facilities is the frontier of the development of modern animal husbandry. The core of the fine breeding of livestock and poultry facilities lies in the deep integration of the "Internet of Things+" with traditional farming facilities. In recent years， with the withdrawal of more and more individual family-based breeding models， the management methods of livestock and poultry farms in China have gradually moved towards intensification， large scale，and automated facilitation. The traditional family-style livestock and poultry management experience is falling behind and gradually withdrawing from the historical stage. The refined farming of livestock and poultry facilities based on the individual animal management and quality assurance of farmed animals and animal welfare requirements have become the latest development trend of livestock and poultry farming industry. The rapid development of digital and network technology will provide new opportunities for the organic combination of animal husbandry production， animal welfare， information management and sustainable utilization of natural resources. Economic benefit， animal health and welfare， refinement of production process management and product quality are three key factors that affect the sustainable development of animal husbandry. In this paper， based on expounding the importance of the information sensing and the environmental regulation and control of the fine breeding livestock and poultry facilities， a cutting-edge technology of the information sensing and the environmental regulation and control of the livestock and poultry facilities was introduced; problems and challenges to be faced with were analyzed; and it was concluded that the smart sensor technology would become the base driving force for progress of livestock and fine poultry breeding facilities， taking account of the welfare of livestock and animal performance of animal anthropomorphizing intelligent control technology and strategy is facing significant challenges. In the field of pig farming， the core direction is mechanized production mode， which is light simplification， feed hygiene and animal health. In the field of cattle farming， the main direction is the automation of the whole chain of forage and the safety of its enclosure facilities. In the field of milking technology， the frontier of technological innovation is to further improve milking efficiency and quality， milking process， low disturbance milk metering， and cow individual milk production prediction. In the field of poultry production， similar to cattle farming， more attention is paid to the improvement of engineering processes such as bedding， environment and drinking water. Finally the paper put forward suggestions on how to implement the key technologies of fine farming of livestock and poultry facilities in China， with purpose of providing theoretical reference and technical support for the transformation， upgrading sustainable development of livestock and poultry breeding industry.

Key words： precision facility farming; information sensing; environmental control; precision livestock and poultry farming; intelligent sensors