猪舍环境监控技术及方法研究进展

韩国鑫，谢秋菊，许译丹，王莉薇

（肇庆学院计算机科学与软件学院，广东肇庆 526061）

猪舍环境是除遗传基因外制约养猪生产发展的关键因素，营造适宜的舍内环境可以有效提高猪群的健康水平和繁育能力，促进养猪业发展[1-2]。猪舍内环境因子主要包括温度、湿度、光强、有害气体和颗粒物（PM）浓度等[3-4]。

舍内温度是影响猪健康水平的重要因素，适宜的环境温度能够保证猪的体热平衡和正常的生理活动，舍内温度过高会导致猪的采食量下降、饮水量升高，影响其生产性能[5-6]。舍内环境湿度过高会导致细菌大量繁殖，诱发猪的肠道、皮肤等疾病，甚至引起规模性病疫发生[7]。猪舍内有害气体包括氨气（NH3）、硫化氢（H2S）等，主要来源于猪的排泄物和食物残渣的微生物分解，浓度过高时会导致猪的呼吸系统疾病甚至死亡[8]。猪舍内CO2浓度可表征舍内空气质量，CO2浓度过高会使猪产生缺氧现象，从而导致其呼吸减弱、食欲不振和情绪不佳[9]。因此，实现猪舍环境科学控制是降低发病率、提高养殖效益的必要途径。利用物联网、人工智能等现代信息技术研究低能耗、精准智能的猪舍环境监控技术，是构建适宜猪舍环境、推动养猪业向高质量和精细化方向发展的关键手段和必由之路。

目前，随着国内外生猪养殖模式向着精细化和集约化的方向发展，猪舍环境控制受到众多学者的广泛关注[10]。纵观国内外猪舍环境监控领域的研究，可以分为猪舍环境信息监测、环境模拟与预测和环境智能控制3 个层面，本文针对上述3 方面的发展及应用进行分析，以期为提高养猪产业环境管理水平、增加经济效益提供有益的参考。

1 猪舍环境信息监测技术

猪舍环境信息监测是利用传感器技术，针对猪舍内环境数据进行采集，是猪舍环境模拟预测和精准调控的基础和支撑。目前，国内外学者针对猪舍环境信息监测的研究已取得较大进展，主要涉及传感器及监测系统研究、传感网络布局及优化和数据传输与通信3 方面的技术和方法。

1.1 传感器及其工作原理 猪舍环境监测传感器主要包括环境温湿度传感器、NH3及H2S 传感器、光照度传感器、CO2传感器、PM 传感器[11]，各传感器的技术参数如表1 所示。

环境温度传感器主要分为热电偶式和热电阻式，其中热电偶式较适用于猪舍环境监测，其工作原理是利用2 种不同导体或半导体两端相互连接组成回路，因两端温差产生电动势从而反映环境温度大小。湿度传感器主要分为电容式或电阻式，其中电容式的线性响应效果更佳，使用较为广泛，由湿敏电容和转换电路组成，湿度变化会改变湿敏电容的介电常数和电容量，产生的电容变化量由转换电路转换为电压变化从而反映湿度大小。

表1 传感器技术参数

光照度传感器为热电效应原理，感应元件采用绕线电镀式多接点热电堆，热接点在感应面，冷结点位于机体内，太阳辐照使冷热接点产生温差电势，输出信号与光照度呈正比。

CO2传感器有固态电解质和红外式两种，双光束红外式CO2传感器稳定强、精度高，适合猪舍环境下使用，其原理是根据CO2对特定波段红外辐射的吸收作用，使透过测量室的辐射能量减弱，能量减弱程度与CO2浓度呈正比。

猪舍环境监测所采用的NH3、H2S 和PM 传感器多为电化学式，其原理是工作电极与参考电极构成恒电位仪电路，目标气体在活性电极上发生反应产生电流，进而通过电流信号计算气体的浓度。

1.2 新型传感器与监测系统 目前，随着物联网传感技术的不断发展和猪舍环境调控方法研究的不断深入，针对猪舍环境信息数据量、数据连续性及数据空间结构的要求不断提高。因此，研究一种体量小、能耗低、集成化水平高的猪舍环境信息智能感知设备已成为该领域研究的重点。

在传感器研究方面，研究人员利用电化学、激光等技术研发了一系列新型感知设备，达到了高集成、高精度的标准。Gallmann 等[12]研究了一种电化学式混合气体传感器，能够持续监测猪舍内NH3和H2S 等有害气体混合物，反映混合气体中的成分与含量变化；杨旭等[13]利用中红外分布式反馈结构的带间级联激光器为光源，研究了一种高灵敏的小型激光NH3检测传感器；Ramirez 等[14]研究了一种融合型TE 传感器阵列，实现了高集成化的舍内多因子环境数据监测。技术的结合使用对于新型传感器的研发十分重要，在实现高精度、高集成的同时，低能耗和便携性也是传感器研究的重点。有学者研究了一种小型便携式畜舍多环境因子传感器，能够在复杂的舍内环境下实现传感器的合理布局[15]。Choi 等[16]研究了一种小型低功耗ECO 传感器阵列监测猪舍内NH3等有害气体，其分辨率可达0.5 mg/kg，实现了猪舍内有害气体分布和浓度的精确测量。

在猪舍环境监测系统方面，Gray 等[17]利用无线传感网络单元和NetBeans 平台研究了高性能畜舍环境参数无线监测系统，实现了舍内环境数据的实时监测和动态分析；江苏大学刘星桥团队[18-19]针对多源数据融合的猪舍环境远程测控体系进行了研究，并利用融合模糊集和DS 证据理论设计了两级数据融合模型。这类研究在实现舍环境数据远程可视化监测的同时，解决了传感器故障时参数处理和数据缺失的问题，保障了采集的高效性和数据的完整准确。

1.3 传感器布局及网络结构 猪舍内环境参数具有时变性、滞后性和非线性的特点，同一时刻不同监测点的数据可能存在较大的差异性，无线传感器网络（WSN）作为一种分布式传感网络，可以利用无线通信形成多跳自组织网络以实现舍内环境参数多点连续监测的目的[20-21]。无线传感器网络的空间布局和节点优化是这类研究的重点，Ahmed 等[22]研究了一种环境自适应的无线传感网络结构预构建机器人，实现了不同监测环境下传感网络的合理布局；夏翔[23]利用多种环境传感器和WinCC 组态软件实现了猪舍多因子融合的分布式数据感知和控制策略的输出；高云等[24]利用多点部署的无线传感网络实现楼房式猪舍各环境因子的持续监测，分析不同楼层热环境和有害气体的分布规律和差异性。这类研究提高了传感器的利用率及其网络结构的科学性，为猪舍环境分布和能量场的研究提供了基础。

在新型传感器网络节点的设计与优化方面，研究人员主要基于树形路由等算法进行优化设计。Hong 等[25]研究了一种猪舍环境下ZigBee 无线信号传输路径损耗模型，为无线传感网络覆盖率和连通性的优化提供依据；Zhu 等[26]提出新型Zigbee 树路由算法，优化了无线传感器网络的整体性能，在平衡传感网络整体能耗的同时保障了数据的传输效率；蔡磊[27]提出一种能量均衡的Zigbee 树形路由算法，在平衡猪舍环境数据传输的网络负载的同时减少了节点的死亡数量；张亚坤[28]提出一种LEACH-ED 算法，优化了无线传感网络的簇头节点，提高了舍内无线传感网络在生命周期与网络负载方面的优越性。这类研究提高了数据传输的稳定性，降低了无线传感网络的能耗，是猪舍环境模拟与控制的关键。

1.4 数据传输与网络通信 通信效率和持续监测能力一直是猪舍无线传感网络研究的重点，研究人员针对无线传感器网络的通信协议和续航方法展开了深入研究，提高了无线传感网络在复杂舍环境下通信的效率和可持续能力。Ma[29]提出一种具有超低占空比的低功耗通信协议用于猪舍无线传感网络通信，提供了整体占空比低至0.1%的多跳路由能力；孙伟等[30]基于马尔科夫链和多队列理论构建了一种多跳无线传感网络传输延时优化模型；Beng 等[31]提出一种具有近场通信和无线充电功能的无线传感网络用于畜舍环境监测；Freschi 等[32]提出一种基于Pareto 曲线的数学模型，研究了传感网络通信过程中数据长度与传输可靠性之间的依存关系，探究了不同数据量下低功耗介质访问协议的效率和稳定性。

2 猪舍环境模拟及预测技术

猪舍内环境因子具有空间性和时滞性的特点，因此掌握舍内气流、温/湿度以及有害气体等环境因子的分布和变化规律十分重要，是实现猪舍环境质量综合评价和舍内环境精准调控的关键。近年来，国内外学者利用计算流体动力学（CFD）、神经网络预测等多种理论方法，针对猪舍内环境因子变化进行了模拟、预测等研究。

2.1 CFD 环境模拟预测 CFD 是一种计算机科学与流体力学的交叉应用，国内外众多学者利用CFD 开展猪舍内气流、温/湿度等环境因子的模拟及预测。Stinn 等[33]、Seo 等[34]基于CFD 针对猪舍内温度、气流等环境因素建立模型，构建了美国西部地区猪舍的环境评价方法；Kwon 等[35]基于CFD 对猪舍内粉尘产生的关键因素进行识别，建立猪舍通风降尘效果评价体系。在环境模拟的基础上，有学者基于CFD 对舍内猪躺卧区域热量分布进行建模，进一步实现猪舍内热量场分布和变化趋势的模拟预测[36]；还有学者利用零维动物传热等模型与CFD 相结合，针对畜舍环境固定和动态关系下家畜热通量分配及温、湿度的梯度变化进行了建模和预测[37-38]。这类研究分析了不同环境模式下舍内热量和湿度分布存在的差异，有利于猪舍环境变化的动态预测。

除此之外，有国内学者基于CFD 研究猪舍环境因子分布规律，构建了猪舍环境质量评估模型[39-40]。王鹏鹏[41]基于CFD 模拟北方寒区猪舍气流场和温度场，验证气流速度与温度的相关性的同时，分析了舍内多环境因子与通风之间的关系；李欣等[42]、Li 等[43]基于CFD 提出一种猪舍机械通风降温过程模型，利用k-ε湍流模型和DO 辐射模型模拟机械通风时舍内温度场和气流场的变化过程和趋势。这类研究探究了特定环境模式下舍内多环境因子之间的关系，较好地解决了舍内环境因子因相互耦合而难以实现精准控制的问题。

2.2 神经网络预测 近年来，神经网络也广泛应用于猪舍环境的模拟及预测。Ascione 等[44]基于人工神经网络构建畜舍内瞬间状态下热动力状态模型，通过评估多孔介质传热量化了动态绝缘带来的能量效益；Lü 等[45]利用神经网络对数值模型进行校准和标定，从而模拟并预测不同结构下舍内温度场的状态和变化趋势；在舍内环境预测方面，基于BP、Elman、ANFIS 等神经网络预测了猪舍内NH3浓度变化趋势[46-48]；霍彩虹[49]基于物联网和灰色神经网络研究了猪舍NH3预测模型，并构建了环境调控系统；杨亮等[50]基于长短时记忆神经网络分解时间序列下NH3浓度数据的经验模态得到固有模态分量，建立基于EMD-LSTM 的猪舍NH3浓度预测模型，预测精度相比于Elman 神经网络具有较大提高；刘春红等[51]基于ARIMA-BP 神经网络提出猪舍NH3浓度组合预测模型，预测评价指标的平均绝对误差（MAE）、平均绝对百分比误差（MAPE）和均方根误差（RMSE）分别为0.031 9 mg/m3、0.158 0% 和0.036 5 mg/m3，相比于其他方法具有较高的预测精度。相比于CFD，神经网络在猪舍环境单一变量的模拟和预测方面效果较为突出，但在舍内多环境因子动态变化关系的研究上应用较少，具有进一步研究空间。

2.3 其他模拟及预测方法 除CFD 和神经网络，有学者利用环境数据集结合其他理论算法实现猪舍环境预测。Ni 等[52]通过大量数据集的计算构建了猪舍二氧化碳加速氨释放的动态数学模型（CAAR）；Shen 等[53]、Hansen 等[54]利用现场嗅觉技术结合质子转移反应质谱法监测生猪养殖的有害气体并实现了多变量的猪舍环境预测；Fernández 等[55]根据肉鸡活动、舍内通风率及PM 值，建立具有时变参数的动态力学模型，实现了舍内PM 值的动态预测；Xie 等[56]、谢秋菊等[57]利用大量猪舍环境数据和能量平衡方程建立猪舍内动态热交换模型，实现了热量动态变化和能量消耗的预测。

综上所述，猪舍环境的模拟预测是舍内环境的精准控制的依据和支撑，可降低舍内环境因子空间性和时滞性对舍内环境控制的不良影响。目前，国内外学者针对猪舍环境模拟的研究已较为全面，能够实现多环境因子融合的舍内环境模拟；在猪舍环境预测方面，舍内温度、气流和NH3浓度的预测已取得一定进展，但预测的效率和模型精确度还有待提高，同时考虑不同猪舍结构、饲养数量等影响因素下的普适预测模型并未实现，因此在综合多因素的环境预测方面仍有较大的研究空间。

3 猪舍环境智能控制技术

猪舍环境的智能控制是在分析并掌握舍内环境状态及变化的基础上形成的科学决策与合理调控。近年来，国内外学者基于WSN、图像获取等方法进行舍内环境状态的感知，并结合猪舍环境预测模型，利用图像识别技术、PID 控制算法、多目标优化以及模糊控制理论等方法形成环境控制策略，实现猪舍环境的精准调控。

3.1 基于图像识别技术的环境调控 Abozar 等[58]和Shao 等[58]利用生猪行为信息判定舍内温度情况，当猪过分聚集在一起，说明猪舍内温度过低，猪只相互远离分散则说明猪舍内温度偏高，可根据猪只状态采取相应的温度控制措施；汪建等[60]将环境传感器、红外传感器和图像信息融合，实现了养殖数据采集、识别计数和预警，并通过图像的融合对养殖环境和监视区域进行监测研究。基于图像识别技术的猪舍环境控制方法属于较为新颖地融合了控制技术，可以实现舍内温度的基本监控，但由于图像获取及识别算法的局限，易使系统针对猪舍内环境温度的判断出现较大偏差，从而产生控制延迟和误差，导致实际控制效果并不理想。

3.2 基于PID 控制的环境调控 PID 控制是一种利用舍内环境信息数据对被控对象进行比例积分微分控制的方法，在PID 控制器中 KP、KI、KD 的整定是其核心内容，直接影响控制系统的鲁棒性和精确性。冯江等[61]、Chen 等[62]运用智能控制方法对参数进行优化整定，但这类方法忽略了猪舍环境多因子间的相互作用和多目标冲突等问题。因此，常规 PID 控制器会呈现参数整定不良、抗干扰性差和对舍内环境的适应性较差等问题，难以构建精准的猪舍控制模型结构。基于这一问题，畜舍控制系统大多采用改进的 PID 调控策略提高控制精度，如不完全微分的 PID 控制[63]、积分分离的 PID 控制等[64-65]。Albert 等[66]在 PID 控制算法的基础上，提出一种拟微分反馈控制的方法，相比于传统PID 控制器具有改善静态误差、过渡过程时间、最大超调量等性能；张岩[67]基于开闭环PID 型迭代学习提出畜禽养殖环境控制方法，并通过ANSYS 仿真证明该方法在收敛速度和控制效果方面的优越性；周思林等[68]利用PID 控制与模糊控制相结合，建立猪舍环境温/湿度无线控制系统，实现PID 控制参数的自整定。改进型PID 控制能够基本满足猪舍内的环境控制标准，但控制策略的生成往往依赖于被控对象的模型结构，而猪舍的被控因子之间存在较强的耦合关系，且猪不同生长周期的最适环境参数也不同，想要针对多因素进行精准环境调控具有一定的难度。

3.3 基于多目标优化的环境调控 多目标优化的环境控制是将猪舍内环境温/湿度、有害气体等多个控制对象视为多目标，通常情况，猪舍环境的多个目标之间存在耦合关系，某目标的改进有可能引起其他目标性能降低。多目标优化的传统解决方法是将多目标经过加权组合转化为单目标问题处理，但权重系数分配直接影响优化后的控制效果，这种方法难以确定各目标的权重分配系数。Kwon 等[69]将改进遗传算法应用到多目标优化问题的求解过程中，以控制精度和能耗作为控制目标，提出多目标相容控制算法，使控制精度和能耗达到平衡；吕恩利[70]等基于Lyapunov 函数和Backstepping 时变状态反馈控制研究畜舍自主移动监测平台轨迹跟踪控制算法，实现了畜舍环境多角度监测控制；高云等[71]基于PLC 设计了多参数生猪养殖控制箱，并利用ANSYS针对箱内气流模式、走向和控制可靠性进行仿真，针对温湿度和有害气体的控制精度高，内部气流呈大循环；杨柳[72]利用多尺度下猪舍数据感知和SVM 回归预测融合舍内环境信息，建立了猪舍环境控制系统；范蓓蕾等[73]利用遗传算法优化温度平均值、均匀性和控制代价3 项指标，使控制系统在多指标条件下达到优化。

3.4 基于模糊控制的环境调控 模糊控制以模糊集合理论、模糊语言和模糊逻辑规则为基础，将人的思维方式和操作经验与控制模型相结合，实现事物的非线性智能控制。Liu 等[74]基于模糊控制理论设计了畜禽养殖环境智能控制系统，优化了环境信息处理过程中数据非线性和时延性的问题；Mirzaee-Ghaleh 等[75]针对畜舍环境设计了3 个模糊逻辑控制器，针对舍内温、湿度和有害气体进行测定和控制，相比于阈值控制等传统控制方法，该系统的控制精度高，能耗降低42%；Mushtaq 等[76]利用Mamdani 模型设计了畜舍环境模糊逻辑控制器，并通过仿真验证模型控制的可靠性；李立峰[77]等利用组态软件、模糊控制和解耦控制提出一种分娩母猪舍环境监控方法，实现舍内温/湿度及NH3浓度的合理调控；纳吉[78]利用模糊控制理论和舍内环境数据构建猪舍环境模糊控制模型，并将不同季节温度变化和猪舍建筑结构作为模糊变量之一，使控制系统的响应速度快、准确性和抗干扰能力强；谢秋菊等[79-80]基于模糊控制和猪舍环境数据集，针对不同季节多环境因子建立具有动态补偿功能的猪舍环境控制系统，实现了猪舍环境精准控制，为解决北方寒冷冬季猪舍温度与通风调控的矛盾提供可能。

4 小结与展望

在国内外生猪养殖产业向精细化、规模化、智能化养殖模式发展的过程中，计算机科学、畜牧科学、智能控制等技术的全面协同是生猪养殖业提高生产水平的基本方向，构建猪舍环境精准智能监控体系对提高生猪养殖福利和生产效益具有重要意义。

4.1 当前存在的主要技术问题 当前猪舍环境监控方法与技术主要存在以下几个方面的问题：①在舍内环境高灰尘、高腐蚀性的恶劣条件下，无线传感器网络在环境信息感知的精确性、数据传输的可持续性和高效性方面还有待进一步研究；②舍内小气候是猪舍环境控制的对象，而猪舍内多环境因子的耦合机理和变化趋势能够对猪舍小气候环境的控制效果产生较大影响，当前缺乏考虑多种影响因素条件下舍内多环境因子耦合变化及低能耗控制的研究；③当前猪舍环境监控方法的研究仅依靠大量的环境传感器数据信息，缺乏从猪个体行为与环境信息互反馈角度进行的多尺度分析及猪舍环境精准调控；④缺乏规模化生猪精细养殖条件下猪舍环境智能精准控制标准化体系建设，亟待一套结合不同猪舍类型、不同地域季节和多种舍内/外环境因素的猪舍环境精准控制体系标准。

4.2 研究重点与发展趋势 低成本、高稳定性、智能化、精准化的环境控制系统是未来猪舍环境控制研究发展的方向，可以从以下方面进行深入研究：①采用稳定性高、抗干扰性强的结构及材料，研发适用于高湿、高腐蚀的恶劣猪舍环境下精确、稳定、耐用、低功耗的无线传感器，同时在无线传感器的续航方法、无线传感网络的传输效率等方面展开深入研究；②研究分布式智能化、可复用的环境控制器，以及具有边缘计算能力的猪舍内环境控制设备，实现高效率、低成本的猪舍内环境控制，减少数据中心的负载；③针对舍内多环境因子的耦合关系和动态变化机理进行研究，探索猪舍多环境因子中的关键驱动因素，建立多环境因子与关键驱动因子的精准动态模型，从而减少猪舍内监测传感器的种类及数量，降低环境控制系统成本；④结合猪个体行为特征及生理参数，建立与猪舍环境为互反馈机制的、以猪的自身状态及行为反应为控制指标的环境控制系统，同时结合不同地域和季节、不同类型猪舍结构条件等构建智能化猪舍环境控制标准体系，推进猪舍环境精准监控技术的发展。