智能化畜禽养殖场人工智能技术的应用与展望

陆蓉　胡肄农　黄小国　谭业平　陆昌华

摘 要：回顾国内外学者应用人工智能领域中的专家系统、机器学习、神经网络和模式识别等技术，在畜牧生产管理、动物疾病监测、屠宰机器人、机器视觉与虚拟现实、可穿戴设备、肉品生产销售预测、及畜禽产品交易平台等方面取得的诸多研究成果。借鉴畜牧业发达国家经验，展望我国智能化畜禽养殖场的人工智能技术应用的产业需求、发展前景，提出技术研究和产业应用建议：提高养殖设施和工艺水平，打好畜牧业工业化基础；加强养殖过程中数据采集和信息处理能力，打好畜牧业信息化基础；集成创新养殖场智能感知控制系统、畜禽健康监测系统、养殖机器人、畜产品收割加工机器人、自动化粪污处理系统等高端技术产品，实现智慧畜牧跨越发展目标。

关键词：人工智能；专家系统；神经网络；模式识别；机器视觉

中图分类号：S126 文献标识码：A DOI 编码：10.3969/j.issn.1006-6500.2018.07.008

Application and Prospect of Artificial Intelligence Technology in Intelligent Livestock and Poultry Farms

LU Rong1，2， HU Yi'nong1， HUANG Xiaoguo3， TAN Yeping1， LU Changhua1

（1.Key Laboratory of Veterinary Biologicals Engineering and Technology， Ministry of Agriculture， National Center for Engineering Research of Veterinary Bio-products， Institute of Veterinary Medicine， Jiangsu Academy of Agricultural Sciences， Nanjing， Jiangsu 210014， China； 2.Nanjing Surveying and Mapping Institute， Nanjing， Jiangsu 210004， China； 3.Jiangsu Kangle Agriculture and Animal Husbandry Company Limited， Changzhou， Jiangsu 213149， China）

Abstract： This paper reviewed the domestic and foreign scholars application researches of artificial intelligence technology， such as expert system， machine learning， neural network and pattern recognition， etc. in the field of animal husbandry production management， animal disease surveillance， slaughtering robot， computer vision and virtual reality， wearable devices， meat production sales forecast， and livestock products trading platform. Based on the experience of animal husbandry developed countries， this paper looked forward to the industrial demand， and development prospect of artificial intelligence technology in intelligent livestock and poultry farms of China. Then the paper proposed the strategy of technology research and industrial application： improve the level of breeding facilities and technology to lay a good foundation for the industrialization of animal husbandry； strengthen the ability of data collection and information processing in the breeding process to lay a good foundation for animal husbandry informatization； integrated innovation the animal farm intelligent sensing & control system， livestock and poultry health monitoring system， breeding robot， animal product harvesting and processing robot， automatic manure disposal system， to achieve wisdom livestock goals.

Key words： artificial intelligence； expert system； neural networks； pattern recognition； computer vision

近年來，我国畜牧业生产规模不断扩大，规模化养殖场养殖量持续增长，家庭牧场和养殖专业合作社等新型经营主体快速发展，托管代养、订单畜牧业、“互联网+”畜牧业等新型业态大量涌现，养殖方式呈现以规模化、集约化、产业化为主导的特征。2016年，我国肉类总产量8 537万t，禽蛋产量3 095万t，成为世界第一猪肉和鸡蛋生产大国，奶类总产量3 712万t，居世界第3位。

人工智能、物联网和互联网技术的飞速发展和普及，推动了传统畜禽养殖业发展。国内外学者应用人工智能领域中的专家系统、机器学习、神经网络和模式识别等技术，在养殖设施智能化[1-2]、动物疾病诊疗、屠宰机器人、肉品生产销售预测、可穿戴采集设备及畜禽产品交易平台等方面取得的诸多研究成果。结合高投入、高产出，资金、技术、劳动力密集型的设施畜牧业特点，我国设计和建造智慧型设施畜牧业所需的软硬件技术条件已具备，完成智能化畜牧业生产已成为可能[3]。

1 人工智能的发展概况

人工智能（Artificial Intelligence，简称AI），是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用的新型科学技术[4-6]。20世纪50—60年代采用启发式思维编写程序，开启AI发展初级阶段。1956年的达特茅斯会议（Dartmouth Conference）被公认为是人工智能的起源。1963年，开始自然语言通讯、图像或图形分析研究，AI进入第2阶段。20世纪70年代，专家知识系统得到发展，应用范围延伸到各领域。20世纪80年代，围绕知识表示、推理、机器学习，认识知识在模拟智能中的重要性，更深入探索新认知模拟[7]。20世纪90年代，向大型分布式AI开发环境和多智能体协同系统等发展。21世纪AI技术日益成熟，产业化进程加快，为各产业的升级发展提供有力支撑。

2 人工智能在畜牧业生产中的研究与应用

人工智能领域中的专家系统、机器学习、神经网络、模式识别和可穿戴智能设备等技术与畜牧业生产相结合，在国内外已有部分成功案例。

2.1 专家系统

专家系统ES（Expert System）是一个智能计算机程序系统，能根据系统内部相关领域专家提供知识和经验进行推理与判断，模拟人类专家解决领域问题。专家系统一般无算法解，是一种启发式求解方法。

专家系统应用于动物疾病诊疗：从20世纪70年代开始，美国利用电脑辅助诊断小动物；利用电脑分析脑电图（EEG）来测定雏鸡维生素B6缺乏症；随后美国私人兽医采用笔记本电脑到农场巡回医疗[8]。与此同时，美国开发了一种把显微镜数码相机摄像—病虫害及病（虫）原显微图像电子邮件传送—专家会诊—电子邮件反馈相结合[9]。系统可在1～2 h内将诊断结论和防治建议传回到农业推广人员之手，是对疑难疾病远程诊断及防治的一个成功案例[9]。日本杉木等采用产蛋预测模拟模型对大型鸡场进行鸡疾病诊断[10]。在我国，于船等[11]，张泉鑫[12]，陆纲[13]，张信等[14]，许剑琴等[15]，陆昌华等[16-17]和刘军等 [18]也进行相应研究，将各自领域专家的知识和经验分别应用于中兽医辨证施治、马真性腹痛电脑诊疗和鸡病专家系统等。

专家系统应用于养殖生产管理：20世纪90年代开始，国外CRIRO开发了集约化猪场管理决策支持系统，POMAR等和WONGNARKPET等分別开发了母猪繁殖管理专家系统，HUIRNE等开发了母猪群更新专家系统；MORRISON，MORRIS，GIPP，VOS，ENTIN等先后研发了猪场健康管理专家系统[8，19-20]供畜牧场应用。在此期间，我国也运用计算机指导母猪配种、妊娠、断奶到育仔、育成、育肥、出售一整套饲养方案，制定生猪生产规划、选种与选配等，推动了生猪生产的标准化与规范化[21-23]。

荷兰ZVI HOEHMAN开发了肉牛养殖场专家系统[24-25]用于草场改良、质量监控和牛的育种；NUTHALL等[26-27]建立具有个性化特征的草原放牧管理专家系统。

在对水产养殖信息采集与参数处理、指导生产操作，如专家系统诊疗鱼病，生物行为学模型应用，水质预警管控及对养殖设施、设备自动控制[28]。通过智能手机平台远程控制APP可实时查看水质指标，一旦水质异常，APP可通过声光自动报警与短信提示。也可手机远程控制增氧机与投饵机设备，进行自动、手动或定时操作[29]。

2.2 机器视觉

近年来，人工智能研究领域中的机器视觉及智能监控已逐步深入到畜禽养殖的许多领域，国内外畜牧养殖行业一些研究人员已开展大量的研究工作，对象包括奶牛、猪、羊等多种家畜。刘同海等[30]利用背景减法和去除噪声算法得到猪体体尺测点；江杰等[31]利用背景差分法提取羊体轮廓；赵建敏等[32]研究了基于Kinect传感器搭建的羊体尺测量系统，利用彩色、深度图像的多元信息提取羊的体尺等。

在猪场应用中，高云[33]将神经网络模式识别算法与无线传感器网络（WSN）应用于养猪运动行为监测中，并采用Matlab软件设计神经网络运动行为识别软件，实现对走、跑、跳和静止4种行为的识别。模拟试验证明其整体识别率达98.9%。

在屠宰应用中，使用廉价敏感传感器，机器在剔除多余肥肉时比手工操作要高效，每块肉能多保留3%～4%，可产生大的效益[34]；法国Gilles N A SSY采用X射线断层扫描技术，实现了对瘦肉、肥肉和骨的3个组分检测；机器人根据每块胴体的构造能虚拟分割胴体以进行分级；近红外光谱技术能测定肥瘦混合肉的组分替代pH值的测定，在熟制品加工中可预测火腿的工艺品质[35]。

2.3 畜牧机器人

养殖生产中已出现具有一定智能，可进行自动饲喂、自动挤奶、自动捡蛋、自动清粪等作业的智能化畜牧系统，又称作畜牧机器人。

为提高牧场管理智能化，实现奶牛定位跟踪与监控，王红君等[36]将视觉图像处理与养殖问题相结合，研制视觉机器人。何林飞[37]研制一种低成本禽蛋捡拾并联机器人，实现禽蛋从传送带到装盘的自动化过程。LI等[38]利用机器视觉技术与算法开发了蛋壳微裂纹识别视觉系统。

国内外开发多种自动养猪系统[39-41]，采用RFID对发情母猪或返情母猪等个体实施自动分群，减少人为观察工作量和主观性误差。智能化精确饲喂采用大圈群养模式，扩大活动空间，群体内母猪可自由分群、随意组合，自由选择采食时间，减少饲养过程中对母猪造成的应激。

在奶牛养殖领域中，奶牛个体识别管理技术[42-49]多采用无线射频RFID，并整合其他测控技术。如以个体奶牛生理与生产信息为精饲料定量依据，进行精确饲喂机器人的研制；或采用悬挂式和行走式奶牛精饲料精确饲喂机；或采用三搅龙变螺距给料，解决饲喂堵料问题；又或采用由双模行进机构、精确投料机构、单片机自动识别等组成的双模自走式奶牛精确饲喂装备，最终实现智能化奶牛养殖。熊本海等[50]设计了数据自动采集、数据分析与处理于一体的奶牛饲喂自动电控系统。赵尔迪等[51]结合模式识别等技术，研制了全自动精确饲喂机器人。杨存志等[52]研制成奶牛智能饲喂机器人。张健等 [53]研制了智能犊牛饲喂系统，优于人工哺喂初乳或犊牛自行吸食母乳方式。

谷朝勇[54]结合消毒机械装置，采用嵌入式系统以ARM7为远程机器人控制核心，实现在特殊环境下智能远程控制的消毒。郭明等[55]研发了发酵养殖床服务机器人，通过机器视觉、超声和电子鼻技术，从而实现铺垫发酵养殖床填料，将发酵养殖床填料翻耕平整。马江勇等[56]采用PROTEUS等软件进行模拟仿真，研发出远程控制清粪机器人。

2.4 人工神经网络

人工神经网络（Aficial Neural Network）由大量处理单元即神经元互连而成，是仿真研究生物神经网络的结果[57-58]。人工神经网络具有大规模并行处理和分布的信息存储能力，具有良好的自适应、自组织性，以及很强的学习、联想、容错和较好的可靠性[59-60]。

陆昌华等[61-62]利用神经网络技术，从知识表示、学习算法等入手，提高传统动物疾病诊断系统的自学习能力，提高诊断符合率，达到临床诊断专家水平。与国外同期研究相比，陆昌华等[63]对30种常见鸡传染病、营养代谢和寄生虫病提出模式样本重组的比例训练BP神经网络算法进行了优化，ROUSH等利用人工神经网络对鸡腹水症1种疾病进行诊断。

MID-MORE利用神经网络的BP算法对英国山羊肉的生产与销售预测时，其预测能力优于线性计量经济学[64]。水产养殖环境的开放性使其水质参数具有非线性、动态性、多变性和复杂性等特点[65]。LIU等[66]采用遗传算法修正了支持向量回归算法，并证明优于BP神经网络和传统支持向量回归算法。水质监测与预警是养殖管理的重要部分，于承先等[67]为解决集约化养殖水质的预警，通过BP神经网络优化算法和规则预警策略实现溶解氧预警。

2.5 可穿戴智能设备

可穿戴设备以嵌入式系统为核心，利用无线传感器网络（WSN）技术，将实时生理监测信息发送到云端服务器，云端服务器对数据进行智能处理分析，形成发情期判别、疾病早期预测等生产信息，实时地发送到管理人员手机或电脑上[68]。

巴西Bov Control智能设备科技公司，除提供智能穿戴设备和在线智能管理系统外，还构建了交易平台[68]，可显示每头牛健康信息和历史信息。

苏格兰Silent Herdsman公司开發一种“项圈”，其能够让农户从电脑或手机上追踪奶牛的活动，获得健康信息[69]。澳大利亚Agersens公司设计牛的智能项圈[69]，通过GPS定位可实时获取牛的位置，农场主通过智能手机App设定虚拟围栏即牧牛范围，当牛向虚拟围栏方向走去时，项圈会提示发出声音，直至牛改变方向，实现了无人放牧的智能牧场。

富士通研发可穿戴于奶牛膝盖处的设备，通过“牛类发情期探测系统”（Estrus Detection System for Cattle）[70]的计数，帮助奶农探测奶牛发情期，明白何时应为某头奶牛配种，也可预测疾病，及其防止对牧场设施造成破坏的发情奶牛。日本有30%的养牛场使用Farmnote公司提供的以云计算为基础的可穿戴设备[71]，可采集牲畜数据并发送到远端服务器，对服务器所收集的数据通过智能分析，可预警疾病，了解牲畜健康。

2.6 虚拟现实

虚拟现实是指用计算机代替人类或帮助人类感知的模式[72-76]。20世纪初，滕光辉等[77-79]采用模糊控制方法对密闭式鸡舍环境进行系统研究，成功开发了鸡舍环境控制的“虚拟”系统；周春林等[80-81]研发虚拟温室的漫游应用与可控组件动画的实现；白红武等[82]又进一步研发了国内第一个日光温室辅助设计软件。通过虚拟现实技术，作者开发大型猪场视景仿真系统[83]，采用三维视图设计方法获得猪舍的模型参数，基于虚拟现实技术生成各种类型猪舍的三维互动模型，对养猪场各种生产设施和生态景观进行建立动态模型，从而实现大型猪场的可视化虚拟现实交互。

3 展 望

3.1 产业需求和发展前景

“十三五”是畜牧业发展转型升级的关键时期，我国畜牧业生产规模持续扩大，养殖水平和畜产品安全水平尚未得到充分提升[84]。畜牧业正处在由传统畜牧业向现代畜牧业转型的十字路口，畜禽养殖由小规模饲养向规模化饲养过渡，由粗放经营向产业化经营发展；龙头企业大量涌现，产业化进入快速发展时期，多元主体，企业主导的现代产业形态正逐步成熟，越来越多的社会资本、技术和人才等资源正不断被吸引进入畜牧产业。

物联网、大数据和人工智能技术和产业的异军突起，成为新一轮产业革命的重要发展方向和世界产业格局重构的重要推动力量。现代畜牧业的发展升级，有赖于健康养殖生产方式，现代化养殖设施，标准化养殖场建设的综合发展。现代化养殖场技术发展和产业进步，要求实现自动喂料、自动饮水、自动除粪、自动调温和自动消毒等现代生产方式，同时对生产数据进行实时分析，为养殖过程提供实时、精准的技术参数，与此同时也为畜产品的安全、可追溯及产品的价值提供技术保障。

3.2 发展建议

国务院于2017年7月8日印发并实施的《新一代人工智能发展规划》[85]中要求：智能农业（即农业产业的智能化升级），研制农业智能传感与控制系统、智能化农业装备、农机田间作业自主系统等。建立完善天空地一体化的智能农业信息遥感监测网络。建立典型农业大数据智能决策分析系统，开展智能农场、智能化植物工厂、智能牧场、智能渔场、智能果园、农产品加工智能车间、农产品绿色智能供应链等集成应用示范。

笔者认为，我国发展智能化畜禽养殖场的人工智能技术应用，基础在于提升养殖设施和工艺水平，通过物联网和大数据技术强化养殖过程数据采集和处理能力，通过技术集成，创新研发养殖场智能感知控制系统、畜禽健康监测系统、养殖机器人、畜产品收割加工机器人、自动化粪污处理系统，从而实现智慧畜牧发展目标。

3.2.1 养殖设施与工艺创新 在当前阶段，国内数量占大部分的中小养殖场仍处于发展的初期阶段；规模化养殖场的设施和工艺水平则从中级阶段向高端发展，逐步加速机械化的步伐；只有少数大企业认可和接受先进的工艺和设备。从畜牧业发达国家50年来畜牧业工化发展规律及国内30年来在工厂化设备的发展趋势来看，用现代化设备装备的规模化、自动化的工厂化养殖最終将占领全国，主导市场[86]。

发展畜牧养殖业需要依靠科技进步和机械化水平的提高，以机械化促进产业化，促进产量和品质的提高，使畜牧业成为具有较高科技含量和组织管理水平的产业。畜牧机械由单一产品发展到生产多品种、多系列及不同生产环节的生产设备和成套设备，产品质量提高，性能基本稳定。产品结构以中小型为主，适合现阶段个体散养和中小规模饲养需要，在引进大型、集约化、规模化饲养成套设备的同时，处于国内领军地位的企业也开始了自主研发。

3.2.2 提高畜牧业信息化水平 畜牧业信息化，是将新一代信息技术（互联网、云计算、大数据、物联网等）融合到传统畜牧业中应用信息技术对传统畜牧业进行提升和改造，在畜牧业生产、流通、消费以及农村经济、社会、技术等各环节全面运用现代信息技术，实现畜牧业饲养设施的操作自动化及数字信息化、畜牧业生产经营管理的数字信息化、畜牧业市场流通的数字信息化以及畜牧业劳动者的智能化，并实施于精细饲喂、科学育种、饲养环境监控、疫情监测、疾病防制及畜产品溯源等方面[87]。

互联网是21世纪社会发展最强有力的动力之一。随着智能手机的普及，以及移动业务应用的蓬勃发展，移动互联网呈现出爆炸式的发展速度和趋势，尤其是无线业务量的年增长速度几乎达到百分之百。网络技术与畜牧业的结合可以使畜牧生产远程控制、精细化管理得以实现[88]。

云计算是一种基于互联网的计算方式，通过这种方式，共享的软硬件资源和信息可以按需求提供给计算机和其他设备。对于畜牧企业而言，将数据、信息快速迁移到云上，可以增强畜牧产业链的协同，将畜牧生产过程、屠宰加工过程、冷链运输过程中的相关信息全程开放给终端用户，政府监管者、畜牧企业管理者和最终的消费者都可以通过云计算共享相关信息，有利于监管部门加强监管，管理者有效管理，消费者放心消费。

大数据被美国管理机构Gartner定义为“需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产”。大数据技术的战略意义在于通过提高对数据的加工能力实现数据的增值。畜牧业的大数据可以为畜牧产业提供畜牧养殖、疾病防治、消费需求等信息，满足消费者日益增长的高品质畜牧产品需求的同时，提高畜牧业的产值[89-90]。

物联网是利用局域网或互联网等通讯技术把传感器、控制器、机器、人员和物等通过新的方式连接在一切，形成人与物、物与物相连，实现信息化、远程管理控制和智能化网络。物联网可以真正实现自动化畜牧养殖，降低人工成本[91-92]。

3.2.3 集成创新畜牧养殖智能化系统 （1）养殖场智能感知控制系统。应用物联网技术感知养殖环境参数，应用视频技术对养殖实时连续地监测，并建立全景视频监控系统，通过三维图像融合技术，将不同位置、角度的监控画面进行无缝对接。实现养殖管理、疫病预警、实时生长数据和决策支持。

（2）畜禽健康监测系统。基于可穿戴设备技术，连续实时收集动物生理健康状况等信息，基于图像识别，实现个体识别、运动检测、个体跟踪等功能，监测动物形态参数，预测动物的体重，帮助饲养者计算生长率，预测动物健康状况，对疫情预警也有指导作用。

（3）自动饲喂系统。包括猪场自动供料系统和自动饲喂系统，实现饲料从仓库到料塔、再到猪舍、饲喂器的全自动控制；奶牛精细饲喂系统与饲喂机器人，结合奶牛身份自动识别系统和营养管理系统，实现高效的奶牛精确饲喂。

（4）畜产品收割机器人。自动挤奶机器人，自动完成奶牛识别、乳房扫描定位、高度仿生挤奶，检测蛋白质、脂肪、糖分、温度、电解质等品质参数，还能测量、记录奶牛的体质、泌乳量、挤奶时间等生产参数，降低奶牛发病。

禽蛋收集与包装机器人，实际应实现从生产线捡拾鸡蛋到包装箱的分拣，及从包装箱到加工生产线的整盘上料。

（5）养殖场生物安全管理智能系统。包括养殖场人员管理、车辆消毒和设备管理，病死畜无害化管理、及生物安全管理软件等，实现检疫与隔离，卫生与消毒，灭鼠、灭蝇、灭蚊，及病死猪无害化处理等[93]。

（6）智能粪污处理系统。改造无害化粪污处理系统，通过改造养殖场粪污处理设施，及应用畜禽养殖环境监控报警、定量饲喂和粪便自动清理，实现环境远程监测与调控等环节个性化、智能化及精准化控制系统。

（7）畜产品大数据系统。通过信息记录、标识佩戴、身份识别、信息录入与传输、数据分析和平台信息共享等，可实现牲畜从出生、养殖、屠宰、运输到消费各个环节的一体化全程监控。即通过动物个体及产品标识技术，将大型养殖场的屠宰加工、物流及销售各环节进行串联，根据可追溯管理的要求，建立动物疫病及产品安全溯源信息系统，有利于养殖过程中对每头或每批牲畜的特征属性、健康状态、疫病防控和牲畜在屠宰过程中的安全检测、检疫、产品等级和分包装等全过程的海量信息进行实时采集[94-95]。

参考文献：

[1]陈超， 张敏， 宋吉轩， 等. 我国设施农业现状与发展对策分析[J]. 河北农业科学，2008， 12（11）： 99-101.

[2]韩宇. 人工智能在设施农业领域的应用[J]. 温室园艺， 2016（11）： 44-47.

[3]姜芳， 曾碧翼. 设施农业物联网技术的应用探讨与发展建议[J]. 农业网络信息， 2013（5）： 10-12.

[4]贾同兴. 人工智能与情报检索[M]. 北京： 北京图书馆出版杜， 1997.

[5]胡勤. 人工智能概述[J]. 电脑知识与技术， 2010（13）： 3507-3509.

[6]许万增，王行刚. 人工智能对人类社会的影响[M]. 北京： 科学出版社， 1996.

[7]朱福喜， 汤怡群. 人工智能原理[M]. 武昌： 武汉大学出版社， 2002.

[8]陸昌华. 信息技术与自动化技术在现代畜禽养殖业中的应用及其展望[C]//杨旭. 中国科技发展精典文库（中）. 北京： 中国言实出版社， 2003： 1090-1096.

[9]李保明. 畜牧工程科技创新与发展[M]. 北京： 中国农业科学技术出版社， 2003.

[10]奥村纯市.日本家禽科学研究进展[J].薛怡，译.国外畜牧科技，1986（6）：2-4.

[11]于船， 张泉鑫， 黄金龙， 等. 应用电子计算机辅助中兽医辨证施治与针灸治疗选取穴的初步试验[J]. 中国兽医杂志， 1984（1）： 41-43.

[12]张泉鑫. 电子计算机模拟中兽医对牛前胃疾病的鉴别诊断[J]. 中国兽医杂志， 1985（2）： 62-63， 10.

[13]陆钢. 电子计算机模拟中兽医对马属动物胃肠卡他的辨证施治[J]. 中国兽医杂志， 1989（11）： 44-45.

[14]张信，赵洪祥， 尚德元， 等. 马常见真性腹痛病微电脑诊疗系统的研究[J]. 兽医大学学报， 1985， 5（3）： 205-214.

[15]许剑琴，张克家，范国雄， 等. 鸡常见群发病电子计算机专家诊断系统[J]. 中国兽医杂志， 1992， 18（2）： 40-41.

[16]陆昌华， 李国梁， 王启明. 鸡疾病计算机专家系统ESCCD的研制[J]. 禽业科技， 1994， 10（3）： 50-52.

[17]陆昌华，李国梁，王启明， 等. 鸡常见疾病临床诊断计算机专家系统的研制[J]. 江苏农业学报， 1995， 11（4）： 41-46.

[18]刘军，于长江， 孟庆全， 等. 鸡育雏期饲养管理及疾病诊断专家系统研究初报[J]. 黑龙江八一农垦大学学报， 1995， 8（1）： 83-86.

[19]黄可鸣.专家系统导论[M].南京： 东南大学出版社， 1988.

[20]帅起义. 现代化养猪场计算机生产管理系统的应用研究[J]. 上海农业学报， 2011， 27（4）： 102-105.

[21]孙德林. 信息技术在养猪生产中的过去、现在和未来[J]. 猪业科学， 2006（2）： 13-15.

[22]胡金有， 张健， 赵庆聪. 猪场生产管理系统的设计与实砚[J]. 农机化研究， 2007（3）： 75-77.

[23]周春丽， 刘学洪. 信息技术在畜禽生产中的应用[J].农业网络信息，2009（11）： 109-111， 118.

[24]葛中一. 农业专家系统的应用及发展[J]. 山东师范大学学报（自然科学版）， 2008， 23（4）： 150-152.

[25]降惠， 李杰. 农业专家系统应用现状与前景展望[J]. 山西农业科学， 2012， 40（1）： 76-78.

[26]NUTHALL P L. The intuitive world of farmers—The case of grazing management systems and experts[J]. Agricultural systems， 2012， 107： 65-73.

[27]刘现，郑回勇，施能强，等. 人工智能在农业生产中的应用进展[J]. 福建农业学报2013， 28（6）： 609-614.

[28]李国英.产业互联网模式下现代农业产业发展路径[J]. 现代经济探讨， 2015（7）： 77-82.

[29]宋怿，黄磊，程波，等. 知化养殖——第四次工业革命下水产养殖业发展的必然趋势[J]. 中国渔业质量与标准， 2017， 7（3）： 8-14.

[30]刘同海，滕光辉，付为森，等.基于机器视觉的猪体体尺测点提取算法与应用[J].农业工程学报，2013，29（2）：161-168.

[31]江杰.周丽娜，李刚.基于机器视觉的羊体体尺测量[J].计算机应用，2014，34（3）：846-850.

[32]赵建敏，赵忠鑫，李琦.基于Kinect传感器的羊体体尺测量方法[J].江苏农业科学，2015（11）：495-499.

[33]高云. 基于无线传感器网络的猪运动行为监测系统研究[D]. 武汉： 华中农业大学， 2014.

[34]何立民. 人工智能的现状与人类未来[J]. 单片机与嵌入式系统应用， 2016（11）： 81-83.

[35]GILLES. 控制猪肉品质的新型感应器：用于屠宰和加工阶段测定猪胴体组分和评估猪肉品质[J]. 肉类研究， 2015， 29 （2）： 21-24.

[36]王红君，施楠，赵辉，等. 基于视觉定位的牧场奶牛自动跟踪定位系统研究[J]. 黑龙江畜牧兽医（科技版）， 2015， 11（上）： 43-47.

[37]何林飞. 禽蛋捡拾并联机器人的设计与运动控制研究[D]. 济南： 山东农业大学， 2015.

[38]LI Y Y， DHAKAL S， PENG Y. A machine vision system for identification of micro-crack in egg shell[J]. Joumal of food engineering， 2012， 109（1）： 127-134.

[39]代林波.母猪精确饲喂装置的设计与仿真分析研究[D]. 郑州： 郑州大学， 2012.

[40]李凯年，逯德山.探索如何取得动物福利与动物生产的双赢——荷兰母猪饲养管理的做法與经验及其启示[J]. 中国动物保健， 2008， 107（1）： 114-117.

[41]熊本海，杨亮，曹沛，等. 哺乳母猪自动饲喂机电控制系统的优化设计及试验[J]. 农业工程学报， 2014， 30（20）： 28-33.

[42]麦麦提敏·阿卜杜热合曼，麦提图荪·托合提尼亚孜，李亚萍， 等. 奶牛饲喂技术装备的研究现状分析[J]. 新疆农机化， 2015（2）： 41-44.

[43]DEVIR S， HOGEVEEN H. Design and implementation of a system for automatic -milking and feeding[J]. Canadian agricultural engineering， 1996， 38（2）： 107-113.

[44]方建军.饲喂机器人的研究与开发[J].农机化研究， 2005（1）： 158-160.

[45]蔡晓华， 刘俊杰， 吴泽全， 等. 奶牛精确饲喂机器人：中国，200620020426.4[P]. 2007-04-18.

[46]倪志江，高振江，蒙贺伟，等.智能化个体奶牛精确饲喂机设计与实验[J]. 农业机械学报， 2009， 40（12）： 205-209.

[47]李继成，高振江，肖红伟，等. 基于单片机的奶牛精确饲喂装备设计与试验[J]. 农业机械学报， 2011， 42（1）： 101-105.

[48]高振江，郭跃虎，蒙贺伟，等. 自走式奶牛精确饲喂机控制系统[J]. 农业机械学报， 2012， 43（11）： 226-230.

[49]蒙贺伟，郭跃虎，高振江，等. 双模自走式奶牛精确饲喂装备设计与试验[J]. 农业机械学报， 2013， 44（2）： 52-56.

[50]熊本海，蒋林树，杨亮，等. 奶牛饲喂自动机电控制系统的设计与试验[J]. 农业工程学报， 2017， 33 （7）： 157-161.

[51]赵尔迪，赵毅，项建廷， 等. PLC在奶牛饲喂机器人上的应用[J]. 农机使用与维修， 2013（2）： 60-62.

[52]杨存志， 李源源， 杨旭， 等. FR-200型奶牛智能化精确饲喂机器人的研制[J]. 农机化研究， 2014（2）： 119-122， 126.

[53]张健，李小明，薜令阳. 智能化犊牛饲喂的机械化配置、技术路线及技术要求[J]. 中国奶牛， 2015（21）： 40-43.

[54]谷朝勇. 基于ARM7的畜牧养殖智能消毒机器人控制系统设计[J]. 电子技术， 2015（23）： 27-29.

[55]郭明， 朱雨珂， 李思全. 发酵养殖床服务机器人[J]. 发明与创新（中学生）， 2015（9）： 42-44.

[56]马江勇，蒲凡，邓启国，等. 自动清粪机器人控制系统的设计[J]. 装备制造技术， 2014（8）： 53-55， 62.

[57]钟义信， 潘新安， 杨义先. 智能理论与技术——人工智能与神经网络[M]. 北京： 人民邮电出版社， 1992.

[58]焦李成. 神经网络系统理论[M]. 西安： 电子科技大学出版社， 1990.

[59]邢传鼎， 杨家明. 人工智能原理及应用[M]. 上海： 东华大学出版社， 2005.

[60]王鸿斌， 张立毅. 人工神经网络理论及其应用[J]. 山西电子技术， 2006（2）： 41-43.

[61]陆昌华，胡肄农，陆庆文，等. 利用神经网络改进鸡疾病临床诊断专家系统[J]. 江苏农业学报， 1999， 15（1）： 42-46.

[62]陈明，赵瑞清.BP网络的比例训练[J].计算机学报， 1993， 16（8）： 592-598.

[63]ROUSH W B，KIRBY Y K，CRAVENER T L，et al. Artifical neural network prediction of ascites in broilers [J]. Poultry science， 1996， 75（12）： 1479-1487.

[64]宗丰. 人工神经网络与智能在农业中的应用[J]. 石河子科技， 2015， 12 （6）： 25-26.

[65]胡金有，王靖杰，张小栓，等.水产养殖信息化关键技术研究现状与趋势[J].农业机械学报， 2015，37（7）：251-263.

[66]刘双印，徐龙琴，李道亮，等. 基于时间相似数据的支持向量机水质溶解氧在线预测[J].农业工程学报， 2014， 30（3）：155-162.

[67]于承先，徐丽英，邢斌，等. 集约化水产养殖水质预警系统的设计与实现[J]. 计算机工程， 2009， 35 （17）： 268-270.

[68]吴宗权. 物联网技术在现代畜牧业的应用[J]. 饲料博览， 2014（10）： 62-63.

[69]苏格兰Silent Herdsman公司.当奶牛也用上智能可穿戴设备[EB/OL]. [2014-03-28]. http：//www.iniot.cn/newsinfo.aspx？ i=4700.

[70]智托邦. 富士通为奶牛创造可穿戴设备[EB/OL]. [2016-02-23]. http：//www. sunbroad. com/ heatware/.

[71]鸵鸟电臺. 日本Farmnote 公司完成170万美元融资，为奶牛开发可穿戴设备[EB/OL]. [2015-08-30]. http：//toutiao.baijia.baidu.com/artcle/152847.

[72]李锦涛， 刘国香. 虚拟环境技术[M]. 北京： 中国铁道出版社， 1996.

[73]宋震， 王宝军， 施斌. 基于GIS与虚拟现实技术的三维地层可视化系统设计与实现[J]. 工程勘察， 2009（9）： 57-61.

[74]杨文万. 浅谈虚拟现实技术在教育中的应用[J]. 教育信息化， 2006（5）： 70-71.

[75]李海林， 罗长远， 唐俊. 虚拟农业技术及其应用[J]. 计算机工程及其设计， 2008， 29（8）： 2059-2080.

[76]汪成为， 高文， 王行仁. 灵境（虚拟现实）技术的理论、实现及应用[M]. 北京： 清华大学出版社， 2000.

[77]滕光辉. 密闭式鸡舍环境模糊控制系统的研究[D]. 北京： 中国农业大学， 1997.

[78]滕光辉， 崔引安. 密闭式鸡舍环境控制的“虚拟系统”[J]. 中国农业大学学报， 2000， 5（2）： 59-62.

[79]滕光辉，李长缨. 计算机视觉技术在工厂化农业中的应用[J]. 中国农业大学学报， 2000， 7（2）： 62-67.

[80]周春林，滕光辉. 虚拟温室的漫游及可控组件动画的实现[J]. 中国农业大学学报， 2003， 8（4）： 51-54.

[81]滕光辉， 周春林. 虚拟现实技术在温室中的应用[J]. 农业工程学报， 2003， 19（1）： 254-257.

[82]白红武，滕光辉. 中国第一个日光温室辅助设计软件研发成功[J]. 农村实用工程技术：温室园艺， 2005（4）： 23-25.

[83]陆蓉，胡肄农，黄小国，等. 现代化养猪场三维建模与视景仿真系统的研究[J]. 农业网络信息， 2016（7）： 46-50.

[84]王宗礼.我国生猪生产现状及发展思路[EB/OL]. [2015-06-01].http：//bbs.zhue.com.cn/article-132788-1.html.

[85]国务院. 国务院关于印发新一代人工智能发展规划的通知. [EB/OL].[2017-07-08].http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[86]陆昌华，尹文进，谭业平，等.肉品安全风险评估[M]. 北京： 中国农业出版社， 2017.

[87]王大山，孙伯川，邓蓉. 信息化在我国畜牧业发展中的作用[J]. 现代化农业，2016（2）：49-51.

[88]林羽，刘斌琼. 浅谈“互联网+”技术在畜牧业中的应用[J]. 农业开发与装备，2015（10）：99.

[89]魏秀娟. 大数据时代畜牧业信息化建设刍议[J]. 中国畜牧杂志，2014（10）：38-41.

[90]王文生， 陈明. 大数据与农业应用[M]. 北京： 科学出版社， 2015.

[91]陆明洲，沈明霞，丁永前，等. 畜牧信息智能监测研究进展[J]. 中国农业科学，2012（14）：2939-2947.

[92]熊本海，杨振刚，杨亮，等.中国畜牧业物联网技术应用研究进展[J]. 农业工程学报，2015（S1）：237-246.

[93]陆昌华，胡肄农，何孔旺，等. 动物疫病防控与兽医信息技术应用研究进展[J]. 江苏农业学报， 2016， 32（5）： 1189-1195.

[94]陆昌华，胡肄农.我国动物产品质量安全追溯体系研究[J]. 猪业科学， 2017（8）： 42-45.

[95]谭业平，陆昌华，胡肄农，等. 大数据技术在动物源食品质量安全管理创新体系中的应用[J]. 食品安全质量检测学报， 2016， 7（7）： 2973-2981.