精准畜牧业研究脉络、主题演进与趋势展望

精准畜牧业应用信息技术实时监控和管理动物,改善其健康、福利、生产力和环境影响,促进畜牧业可持续发展,已成为多学科关注的重要议题。为厘清精准畜牧业研究的知识演变和热点更替情况,本研究基于2003-2022年Web of Science和CNKI数据库收录的相关文献数据,利用CiteSpace工具提取国家、机构、作者、关键词等信息绘制图谱,以可视化的方法展示精准畜牧业的研究进展,探测其研究的主要特征、研究脉络及热点主题。结果表明:国内外精准畜牧业研究发文数量呈增长趋势,欧美发达国家发文数量较高且国际合作密切,各国高校是研究的主要力量,Berckmans Daniel是全球研究的领军者,何东健是国内研究的有力推动者,研究主要涉及动物科学、兽医学、计算机科学、农业工程等学科;国外研究热点是智能系统和机器学习,研究方向集中在计算机视觉、机器学习和动物福利,研究前沿为动物形态;国内研究热点是物联网和机器视觉,研究方向集中在物联网、精准奶牛养殖和信息化,研究前沿包括行为识别、深度学习和目标检测。未来精准畜牧业研究应加强机构、学者间的交流与合作、注重多学科与多方法结合研究,并加强计算机视觉、机器学习、物联网、深度学习等技术的应用。

精准畜牧业中动物信息智能感知与行为检测研究进展

动物个体信息和行为的智能感知与分析是精准畜牧业的核心。牛、猪、羊等大型动物因与人类关系密切、经济价值高受到国内外学者的广泛关注。为了促进中国精准畜牧业的发展,分别从国外和国内视角,详细总结、分析了精准畜牧业中动物信息感知与行为检测的研究现状、尚待研究的问题。包括个体识别、生长状况评估及体况评价各种方法的优势和不足,呼吸频率与异常检测、肢蹄运动评分与跛行检测等异常和疾病检测,发情检测、产前检测及高危动作识别等动物生理周期关键时间段的行为感知方法等。结合精准畜牧的发展趋势和应用需求,在分析的基础上指出,动物信息智能感知与行为检测未来将向无接触、高精度、高自动化程度方向发展,结合动物病理学的早期肢蹄病灶自动化检测方法、不依赖评分结果的具有普遍性的状态参数、接触式传感器对动物的应激作用、动物高级行为的识别理论与方法、动物身体区域精细识别研究、检测设备/系统的有效性验证及效益研究与评估等将成为未来研究的方向。

精准畜牧业对奶牛养殖场的影响

精准畜牧业是未来牧业的发展趋势,越来越多的奶牛养殖户开始采用精准养殖技术对奶牛场进行精细化管理。在对奶牛养殖场工作的影响方面,精准养殖技术的采用节约了工作时间、改变了工作性质、创造了新的时间关系、提高了工作的准确性,但同时也损害奶农对奶牛行为观察的敏感性,增加了奶农的精神工作量。在对人畜关系影响上加入了机器设备作为媒介,形成奶农、奶牛、机器设备相互影响的三角关系,但同时也弱化了奶农和奶牛之间的直接联系。因此,在精准养殖技术推广和使用上,必须要考虑奶农的接受程度和学习能力,减少技术给奶农和奶牛带来的负面影响。

什么是精准畜牧业?

精准畜牧业(Precision Livestock Farming)即对畜牧业的健康和福利进行连续自动实时监控的畜牧业管理。精准畜牧业意味着通过对牲畜的图像、声音、追踪数据、体重和身体状况以及生物指标的实时分析,实现连续自动远程检测和监测动物的健康和福利状况。精准畜牧业技术具有改变畜牧业的潜力,让传统的畜牧业活动更加高效和增益。随着全球对肉制品的需求不断增长,也有助于盈利能力的提高和养殖实现高产,以及达到对环境和气候变化的最小影响。

“精准畜牧业”框架下物联网技术的多维度牛群健康监控系统设计与实现的研究

文章探讨了在“精准畜牧业”框架下,物联网技术在牛群健康监控中的设计与实现。首先解释了精准畜牧业并强调了物联网技术的重要性,随后详细描述了物联网技术在牛群健康监控系统中的具体应用,包括系统的架构设计、关键技术模块与功能的实现以及技术难题及其解决方案。通过一个实际案例,本研究展示了系统实施后的效果,并进行了效果评估和经济效益分析,证明了物联网技术在提高生产效率、降低成本、提高动物福利以及推动整个畜牧业可持续发展方面的潜力和效果。文章的研究不仅为精准畜牧业提供了切实可行的技术解决方案,也为畜牧业现代化提供了理论和实践的参考。

基于注意力网络的长时牦牛个体识别研究

为推动精准畜牧业的发展及探讨长时间跨度下的动物个体识别,构建间隔6个月和12个月的同一批牦牛个体图像数据集。试验采用引入注意力机制的PCB+SE-ResNet50识别模型,实现短时和长时牦牛个体识别,从而分析影响长时牦牛个体识别的因素,并在该长时数据集上与ViT和PGCFL模型识别结果进行比较。结果表明:该模型在间隔6个月和12个月的数据集上识别平均精度均值达到60.37%、41.56%。相较于ViT,分别提高1.64%、5.82%;相较于PGCFL,分别提高12.40%、11.22%。该研究可为长时牦牛个体识别、养殖信息化及牲畜精准管理等提供理论依据和方法指导。

物联网技术在畜牧业中的应用

简述了物联网的技术特点,并结合畜牧业养殖、生产、加工和畜产品安全的特殊环境和条件,介绍了物联网技术在畜牧业各主要环节应用情况和注意事项;分析了物联网技术在现代畜牧业发展的应用前景,以及目前推广物联网技术所存在的问题和建议。

机器视觉技术在畜牧业中的应用

随着机器视觉技术的发展,特别是2010年以后,我国的机器视觉技术逐渐受到市场的关注,机器视觉的应用呈逐年上升趋势。畜牧业也正在从传统放养向集约化、智能化方向转型,机器视觉技术与畜牧业结合交叉最早应用在20世纪六七十年代,由于受当时的养殖环境、图像处理技术和计算机硬件的制约,仅仅停留在初级研究阶段。如今,图形图像、视频信息和自动控制等现代高新技术的发展,应用先进的人工智能技术以改善目前传统落后的养殖模式迎来了新的挑战。从机器视觉在家畜的个体跟踪、性能测定和行为判定3个方面的应用角度进行了阐述,最后对机器视觉在畜牧业中的发展进行了总结和展望。

基于坐标注意力机制和YOLO v5s模型的山羊脸部检测方法

山羊的脸部检测对羊场的智能化管理有着重要的意义。针对实际饲养环境中,羊群存在多角度、分布随机、灵活多变、羊脸检测难度大的问题,以YOLO v5s为基础目标检测网络,提出了一种结合坐标信息的山羊脸部检测模型。首先,通过移动设备获取舍内、舍外、单头以及多头山羊的图像并构建数据集。其次,在YOLO v5s的主干网络融入坐标注意力机制,以充分利用目标的位置信息,提高遮挡区域、小目标、多视角样本的检测精度。试验结果表明,改进YOLO v5s模型的检测精确率为95.6%,召回率为83.0%,mAP0.5为90.2%,帧速率为69 f/s,模型内存占用量为13.2 MB;与YOLO v5s模型相比,检测精度提高1.3个百分点,模型所占内存空间减少1.2 MB;且模型的整体性能远优于Faster R-CNN、YOLO v4、YOLO v5s模型。此外,本文构建了不同光照和相机抖动的数据集,来进一步验证本文方法的可行性。改进后的模型可快速有效地对复杂场景下山羊的脸部进行精准检测及定位,为动物精细化养殖时目标检测识别提供了检测思路和技术支持。

非植入性传感器在动物福利中的应用

随着畜牧行业的快速发展,在保证经济效益的同时还要额外注重动物福利的实践。在世界范围内,推动动物福利提升的管理和技术手段仍需不断开发和探索。传感器作为一种新兴技术,为持续、实时地测量农场动物的行为、心理和生理参数提供了很好的平台。非植入性传感器技术在未来的需求将会逐步增长,尤其是对注重成本的养殖者和有福利意识的消费者来说,更是具有巨大的潜力。本文介绍了非植入性传感器技术及其应用场景,在此基础上,综述了以营养、环境、健康、行为和情绪五方面为出发点,探讨非植入性传感器对动物福利的运作方式和研究进展,并总结了传感器技术尚存的不足。

基于深度学习的群养鸡只行为监测方法研究

畜禽的行为能够反映其健康状况、环境舒适度等福利信息,是评价畜禽福利状况的重要指标。为了实时自动监测鸡舍中鸡群的行为状况,提出了1种基于深度学习的鸡群行为监测方法。用摄像头连续4个月每天7:00—17:30记录散养鸡群在鸡舍内的活动,筛选7988幅图片对鸡只的采食、站立、趴卧、梳羽、啄羽和打架行为进行标注,利用YOLO v4目标检测模型识别,各行为平均精确率分别为采食96.67%、站立90.34%、趴卧78.46%、梳羽82.01%、啄羽63.38%、打架67.14%,模型总体平均精确率为79.69%。为进一步提高啄羽行为检测结果,采用了时间序列分析方法提取持续时间大于30 s的啄羽行为。实验结果表明,该方法可以实现群养鸡只行为的实时自动监测,解决人工不能全天实时监测的问题,为精准化养殖提供了可能。

奶牛跛行自动识别技术研究现状与挑战

奶牛跛行是奶牛发生肢蹄病的外在表现。人工识别跛行奶牛存在效率低、成本高、主观性强等问题。奶业对奶牛跛行自动识别技术需求日益强烈。本文从机器视觉技术、压力分布测量技术、可穿戴技术、行为分析技术和跛行分类技术5个方面,分析了奶牛跛行自动识别技术的原理、功能、特点及研究现状。总结发现,当前奶牛跛行自动识别技术研究大多集中在传感器研发和算法开发,而性能验证和决策支持的研究较少,面临的主要挑战包括高质量跛行识别数据获取难度大,缺乏早期跛行识别技术手段,奶牛个体差异干扰模型识别精度,牧场非结构化环境对识别系统性能要求高,以及技术应用效果难评估等。因此,为促进奶牛跛行自动识别技术的发展,建议推动牧场跛行监测数据共享,研究奶牛个体跛行判别模型的构建方法,开发融合跛行检测、体况评分等多功能的一体化智能通道,并分析评价跛行自动识别技术应用在保障动物福利、环境生态、粮食安全等方面的重要意义。

基于穿戴传感器的牛日常行为识别研究进展

牲畜个体行为信息是评价动物福利和健康养殖的关键指标。实时、准确、高效的动物日常行为识别、繁殖预警和疾病检测是精准畜牧业的重要内容。穿戴传感器被广泛用来监测动物个体行为。该文以牛为例,总结了不同类型的穿戴传感器识别进食、反刍、饮水、运动和休息等日常行为的研究现状,并详细阐述了日常行为特征在发情、产犊、跛足和疾病检测等方面的应用。在此基础上,结合传感器网络的发展和现实需求,分析了穿戴传感器目前存在的问题以及未来的发展趋势,为深入研究自动监测与识别牛的行为信息提供参考。

应用大数据和互联网技术的养猪生产新模式

养猪业正进行着包括软件、设备、系统、标准操作程序、分析和通信在内的数字化转变,数字化进程同时还加强了大数据的收集和应用。这种现象已经为精准畜牧业的发展带来了巨大的进步。