我国生猪产业链智能化技术与装备的研究及应用进展

史 怀 张海峰 叶鼎承

（1.福建省农业科学院农业生物资源研究所 福州 350003；2.福建省农业科学院畜牧兽医研究所 福州 350013）

生猪产业是我国畜牧业的重要组成部分， 也是农业经济的主要收入来源之一， 是国家食品战略安全的支柱产业[1]。 生猪产业的发展带动了上下游产业，包括饲料、兽药、肉制品加工以及相关器械设备等产业的发展， 构成了完善的产业链。 目前我国生猪产业链主要包括七个主要环节：饲料生产、种猪繁育、育肥猪生产、贩运、屠宰加工、批发零售以及消费环节。

现代养猪业已逐步朝集约化、 自动化模式转型升级。 而随着中国信息技术的突飞猛进， 未来养殖产业也必将实现智能化。目前，我国已在生猪产业链的各个环节不同程度开展了智能化技术与装备的研究，一些技术装备已投入实际生产应用，取得了较好的效果。 本文阐述我国生猪产业链智能化技术与装备的研究及应用进展，以期为其发展提供参考。

1 饲料生产环节

1.1 饲料加工生产设备 张琴等设计开发出由故障诊断、知识库管理、信息查询等模块组成的饲料机械故障诊断专家系统，通过人机对话，用户可快速找出故障原因，并实现知识库维护和信息查询[2]。 江苏牧羊控股有限公司构建了基于图像识别原理的粉碎机筛片智能检测技术、 基于配方智能分析的混合工艺智能调控技术及基于启发式规则的制粒全程智能控制技术等，研发了资源智能调度、交叉污染防治、成套线能源优化及生产管理控制技术， 并在此基础上研制大型智能化饲料加工装备并配套饲料生产全流程智能控制系统[3]。

1.2 饲料加工过程控制 为达到节约生产成本、提高饲料质量和提高生产效率， 很多饲料行业已经投入了不同自动化程度的生产设备。 目前我国大部分饲料生产过程中的控制体系主要体现在称量部分、给料部分和配料控制部分。

张兢开发了一套自动配料系统， 利用PROFIBUS-DP 现场总线实现各设备的控制和通信，并通过WinCC 组态对生产过程进行监控[4]。吴慧子设计了一种饲料生产在线自动取样装置， 并与机器视觉技术相结合， 构建饲料原料自动取样与种类识别系统，通过提取饲料原料颜色信息，实现饲料原料的自动取样以及种类识别[5]。 王林生等设计了一种带加肋板的饲料粉碎机，通过PID 控制器对喂入量进行控制，提高了饲料粉碎机的智能化调节[6]。

2 种猪繁育环节

2.1 精子检测 猪的繁殖性能受母猪状态、配种技术等多种因素的影响， 优良品质的精液是提高受胎率的重要手段之一。近年来，计算机辅助精子质量分析受到广泛关注， 国内多家科研单位和企业也进行了一定的研究和开发。

张洁等比较了国产的伟力彩色精子质量检测系统（WLJY-9000 型）与人工分析公猪精液密度和活力的差异， 结果表明自动检测系统可达到人工分析的检测水平， 计算机辅助精子质量分析可更准确地判断精子的运动状态与畸形率[7]。 雷正达等设计了猪精液品质智能检测系统， 其主机为加样超微芯片和数据分析处理组成， 采用正态高斯动态图像智能算法来识别精子运动轨迹，实现精子的密度、活力、运动性以及形态学分析， 从而实现精液品质的快速智能检测[8]。 石家庄亮昊种猪商贸有限公司完成的猪精液自动分析及联网检测系统通过了河北省科技成果转化服务中心的鉴定，可以直观、快捷进行猪精液质量检测，并可以实现远程监控、信息共享[9]。

2.2 诱情车 钟伟朝等、张铁民等分别研制了一种诱情车，采取遥控或手动方式进行作业，将公猪赶进公猪车内并运送至配种舍， 在舍内通道上移动以刺激母猪发情。 可节约人工成本并减少工人与母猪的接触，增加母猪与公猪的接触机会，提高母猪受孕率和产仔数[10-11]。

2.3 种猪性能测定 在生猪育种工作中，对种猪选择性状的测定方法至关重要， 也是现代生猪育种的重要研究内容之一。

陈君梅等设计的9ZC-170 智能型种猪测定系统由1 台中央管理计算机、 中间服务器及多个饲养测定站组成， 系统根据FRID 耳牌对每个测定种猪个体建立测定记录， 并生成日增重和料肉比等测定报告，为种猪选育提供科学依据[12]；该系统填补了国内同类产品空白，并已在多个种猪场得到实际应用。熊本海等设计了一种种猪生产性能智能测定系统，该系统包括猪只耳标识别、精准下料控制、料槽及猪只个体称质量、 现场数据通讯及远程中央控制等模块，试验结果表明可较好反映测定对象的生产性能，系统达到了种猪生产性能测定的要求[13]。 张利娟等将全卷积神经网络（FCN）技术应用于种猪背膘厚和眼肌面积的B 超图像自动测量，初步搭建了种猪性能智能测定技术的AI 神经网络，并进行了训练图集标注[14]。

2.4 母猪生产相关行为智能分析 李颀等、刘龙申等通过给母猪佩戴加速度传感器采集节点， 张光跃等基于超声波传感器， 分别设计了产前母猪行为特征监测系统， 实时监测母猪的行为， 并分别通过K均值聚类算法、 支持向量机以及K-means 聚类算法建立模型，分类识别母猪的站立、躺卧、进食、筑巢等典型行为特征， 从而建立母猪分娩时间预测模型[15-17]。 刘龙申等建立了CMOS 摄像头和FPGA 进行视频图像采集的软硬件系统， 通过机器视觉技术实现母猪分娩检测[17]。张弛等通过机器视觉技术，采用Canny 算子与团序列检测算法从分娩图像信息中识别新生仔猪并提供预警信息[18]。 施宏等利用Microsoft 公司的Kinect 体感器设备采集限位栏内哺乳期小梅山母猪数据，使用DBSCAN 密度聚类算法识别侧卧与趴卧； 使用基于脊背线提取的识别算法识别站立与坐立，通过哺乳期母猪姿态识别，为母猪哺乳能力的评判与健康状况的分析提供技术支持[19]。薛月菊等基于Faster R-CNN 和隐马尔科夫模型（Hidden markov model，HMM）， 构建母猪深度视频姿态转换识别方法，识别母猪在哺乳过程中的姿态、行为以及高危动作[20]。

2.5 母猪群养管理 段栋梁等、赵培杰等利用射频识别与自动化控制、计算机管理技术，分别开发了母猪智能化管理系统，从自动饲喂、发情鉴定以及智能分离等方面实现群养母猪的个体精细化管理， 实现妊娠母猪生产全过程的自动化， 显著提高母猪群的繁殖生产效率和猪场的养殖效益[21-22]。

3 育肥环节

3.1 群饲管理 利用智能饲喂系统，规模化生猪养殖中可实现对个体针对性的喂养， 减轻饲养员工作强度，节省饲养成本，提高生产效率。同时，通过智能群饲系统下料，可减少人员进出，降低生猪疫病感染风险。

易烈运等、 刘星桥等分别以PLC 作为控制核心，结合电子耳标读取装置，根据设定数据以及生猪状况计算进食量， 继而控制下料饲喂装置投放相应种类和数量的饲料， 实现对群养生猪的智能化饲养管理[23-24]。 邓凯熠等设计的液态饲料智能饲喂系统包括饲料配制、饲料输送及控制三部分，通过系统自动计算控制参数，实现液态饲料智能配制、输送、分配[25]。 张建龙等研究开发了一套基于机器视觉技术的育肥猪分群系统， 以机器视觉技术和卷积神经网络模型代替传统地磅对猪体质量进行估测， 并按照长势快慢引导猪只分别进入不同的采食区域进行喂养， 结果表明采用该系统对猪只进行分群饲喂控制效果等同于人工调栏[26]。

3.2 环境控制 保持猪舍环境的卫生整洁是实现高效养殖生产的基本条件。 猪舍环境的管理包括空气净化、地面清洁、环境温湿度控制、饮水卫生、光照调节以及排泄物处理等，是一项系统性工作。

在养猪生产实践中， 目前已广泛采用自动控制装备、信息技术与智能管理系统，与此相关的研究也较多。 例如黄官平运用传感器技术、自动检测技术、通讯技术和微型计算机技术开发了一套适应我国南方气候的猪舍小气候环境调控系统， 以温湿度指数（THI）结合湿度、垫料温度及氨浓度为主控参数，并结合猪的生理特性，为猪舍环境制定控制方案，从而有效地改善猪舍环境， 同时减轻猪舍对环境造成的污染[27]。李嘉熙等以IAP15W4K58S4 单片机为核心，集成多种传感器， 设计了一种仔猪保育箱环境智能控制系统，通过传感器采集环境参数，单片机处理数据并发送指令，从而控制保育箱内环境因子[28]。郑小南等提出一种基于物联网的智慧猪舍养殖系统，通过5G、 互联网、NB-IoT、ZigBee 等技术实现了生猪养殖环境的监测、远程调控和远程监控[29]。

3.3 健康管理 在规模化、集约化养殖中，动物疾病的预防显得更为重要。 对单个个体健康状况的精准评估，有利于减少疾病的发生，实现生产性能的最大化。

马丽等利用机器视觉技术， 识别视频中猪呼吸时的脊腹轮廓波动， 对疑似呼吸急促猪只进行自动预警， 结果显示机器法和人工法相关系数达到98%[30]。 Jiao 等利用Kinect 传感器和红外热成像仪建立了一种猪体表温度测定方法， 温差范围为0.03～1.2 ℃， 可用于生猪体温的准确检测和健康监控[31]。 张文文综合机器视觉、听觉、超声波和微惯性传感器4 种监测技术手段对生猪行为进行数字化综合监测， 在4 种监测手段依据各自的算法分别判定生猪异常行为后， 采用基于综合加权相似度的区间值模糊推理技术对生猪异常行为进行综合分析判断[32]。 杨震伦等以部署自动饲喂机的中小规模养殖场为应用场景， 提出了一套基于新型高性能数据采集设备的生猪健康监测系统方案， 实现对生猪个体的体温及步态实时监测[33]。

3.4 粪污处置

3.4.1 粪污清理收集 张连冠设计了一款履带式清粪装置，结合PLC 控制和传感器技术，实现了猪粪的自动化清理以及装置的人机交互[34]。 姚腾飞等设计的猪舍粪污智能清扫小车， 由行走机构、 清扫机构、喷气机构、无线通讯模块、气体传感器、光电和超声波传感器等构成车体， 通过在猪舍漏缝地板上铺设轨道行走，清扫车驱散生猪的同时清扫粪污，还可自动检测有害气体浓度[35]。 佘德勇等设计了一种自动化智能化控制的楼房式猪舍刮板清粪装置， 可大幅提高清粪效率[36]。

3.4.2 粪污资源化处理 常见的粪污资源化处理方式包括厌氧发酵、好氧堆肥以及罐式筒仓发酵等。杨丽等设计了沼气工程的智能控制系统，通过PLC 结合以太网通讯，实现沼气动态发酵[37]。孙晓曦等设计了一种智能型膜覆盖好氧堆肥系统， 通过传感系统实现堆肥关键参数的高精度实时监测， 通过风控系统实现通风供氧的灵活智能反馈控制， 并通过总控系统实现多设备无线通讯[38]。 陈孝照等根据工作参数和时间、发酵筒仓内温度以及含氧量等，通过人机界面监控画面设计，实现PLC 对畜禽粪便智能发酵处理机的进料、出料以及加温、补氧、抽湿、除臭等环节的自动控制[39]。

4 贩运环节

我国生猪主要采用集中养殖， 因各地生猪养殖量与需求量不匹配，需进行生猪的调运。 目前，国内传统的生猪长途运输车，基本上都是采用货车改装，采取货车上焊笼架的方式， 在生猪运输过程中易产生应激综合征，出现猝死、高热、水肿等病症，受此影响，患猪宰杀后猪肉品质下降。

范兵雷设计了一款智能运输车， 厢体内设有换气室、风机、水帘等，通过环境控制器自动控制厢体内的温湿度，并设置饮水器和食槽，适用于猪苗的长途运输[40]。甘露萍等设计了一款含液压升降平台、视频监控系统和北斗卫星定位系统的智能化物流运输车， 该运输车通过网格单元划分与液压升降平台做到合理隔离与平稳上下车，结合PLC 控制滑动门与折叠机构，提升车内空间的隔绝性与易清洗性，便于减少生猪应激反应； 司机可通过监控设备对车内生猪进行实时监控，在出现病情时及时采取措施；买卖双方可通过北斗卫星定位系统， 在物流平台或APP上实时查询运输车的实际位置[41]。

5 屠宰加工环节

目前丹麦、德国、荷兰、澳大利亚和新西兰等国家在智能化屠宰设备的生产中占据主要地位。 我国的畜禽屠宰加工尤其畜禽肉品分割生产线， 在现阶段是典型的劳动密集型行业， 使用智能装备相对较少。 随着生产制造技术与信息技术的发展， 我国的畜禽加工智能装备也进入了快速发展的创新阶段。

5.1 生猪屠宰 刘毅等设计了由6 自由度工业机器人、定制工具、PC、摄像机以及悬挂支架等组成的自动化剖切系统， 工业机器人在猪腹剖切的切割质量与效率上超越了手工剖切， 可以满足猪肉生产线要求[42]。王鹤设计的猪腹剖切机器人系统，由工业机器人本体、执行组件、图像识别系统、控制系统、消毒系统、周边设备等组成，在顺利完成劈开耻骨和剖切猪腹操作的同时，不会对胴体内脏器官造成损伤，具有良好的工艺性和实用性[43]。 济宁兴隆食品机械制造有限公司研发的猪体自动劈半机，通过数控、机电仪一体化技术实现作业过程的自动化， 在一定程度上填补了国内技术空白[44]。 青岛建华食品机械制造有限公司公开了一种全自动劈半机器人系统， 通过旋转编码器采集线速度的信息， 劈半线速度与胴体线同步，并发送控制指令到机器人本体，实现全自动劈切控制[45]。

5.2 胴体分级 猪的胴体性状包括胴体长度、背膘厚度、眼肌面积、瘦肉率等。 郑丽敏等构建了基于机器视觉技术的猪胴体等级在线无损评定系统， 应用支持向量机技术建立猪胴体等级分类模型， 实现屠宰线上的猪胴体等级评定系统[46]。 冷晟等提出一种适用于自动化生猪屠宰线上智能化胴体肉品分级方法，依据生猪养殖信息、胴体特性和肉质特性这三类信息建立两阶段分级模型， 采用灰色AHP-白化权函数聚类综合分级评定模型， 实现猪胴体肉品综合智能分级[47]。 李青等采用机器视觉及图像处理技术测量猪胴体背膘厚度，检测正确率为93.5%，平均检测时间为0.3 s，能满足在线检测的需求[48]。中国农机院丁有河等设计开发了一种适合中小型企业的家畜胴体自动分级系统，由信号采集、数据传输、执行设备等组件构成，该系统已在实际生产中得到应用[49]。

5.3 肉品分割与分级 孙鑫针分析了猪胴体分割过程中的运动学与轨迹， 结合机器视觉与运动控制技术，构建了6-DOF 混联猪胴体自动分割机器人系统[50]。 孙宝等利用改进算法结合模糊C 聚类（FCM）对猪肉图像进行处理分割， 提取相应的颜色特征参数， 运用多元线性逐步回归分析法建立了颜色等级预测模型， 对猪肉颜色等级的正确判定率达到94.25%[51]。 但以上技术仍处于实验室理论基础研究阶段，与生产应用还有一段距离。

5.4 屠宰过程智能化系统平台 何玲等开发了生猪屠宰自动化监管系统， 运用物联网技术实现生猪屠宰全程数据的自动采集、自动判定，驱动猪体灼印和打印出厂合格证，防止屠宰厂私宰问题生猪；运用图像识别技术自动判定猪是否注水， 防止屠宰厂屠宰注水猪。 同时还可为屠宰企业、消费者、政府监管部门提供生猪来源去向备案、屠宰数据统计、销售去向扫码追溯等功能[52]。

6 销售环节

6.1 新鲜度检测 猪肉新鲜度是猪肉品质的一个重要指标，在猪肉的贮运和销售环节中，快速、智能检测猪肉新鲜度十分必要。 传统肉类新鲜度评价方法包括理化分析、 微生物数量检测和感官评定等，操作复杂、耗时费力，需要实验人员具有较高的技术水平。

王文秀等、齐亮等、潘婧等、郭淼等、任梦佳等、邱洪涛等、张凡等结合机器视觉、可见/红外光谱、抗组谱、电子鼻、电子舌等多种单一或复合检测手段，采用主成分分析、 向量机、BP 神经网络、Caffe 框架与ResNet 残差神经网络等人工智能算法，建立了猪肉新鲜度的无损快速检测方法[53-59]。

6.2 货架期预测 生鲜猪肉的有效货架期较短，传统的食品感官评价方法结果准确，但存在周期长、成本高的缺点，因此，智能化预测鲜肉剩余货架期对肉品销售企业具有重要意义。

宋星霖将动力学模型与高光谱技术相融合，并利用RS485 总线技术对猪肉货架环境进行网络监控，从而建立了冷链物流货架期预测系统，可实时预测冷鲜肉货架期， 为智能预测技术在冷鲜肉供应链中的品质监测和管理提供可行性依据[60]。 刘飞等依据微生物呼吸作用的电子传递规律， 制作了生鲜猪肉剩余货架期的电化学预测设备， 并采用Labview编程语言开发了信号采集和数据分析软件， 可快速检测并预测4～30 ℃范围内生鲜肉的剩余货架期[61]。胡云峰等自行制作了一种指示吸水垫， 通过色差仪测定指示吸水垫色差值， 建立模型， 可以用于预测5～35 ℃范围内冷鲜猪肉TVB-N 值、指示吸水垫ΔE值的变化以及托盘包装冷鲜猪肉的货架期[62]。

6.3 猪肉价格预测 猪肉的价格随时间具有周期波动的特性，利用人工智能技术进行价格预测，对于合理安排猪肉的生产、 销售等生产活动具有重要的指导意义和参考价值。

Li Zhe-min 等提出了一种混沌神经网络算法，用于预测短期猪肉价格[63]。冯叔君等统计了2005 年1 月至2018 年3 月间的猪肉价格， 分析其波动规律，认为ENN 模型更适用于猪肉月度价格的预测和预警[64]。姜百臣等对支持向量机进行改进，通过改进的SVM 获得了精度更高的猪肉价格预测模型[65]。 吴培等通过ARIMA-GM-RBF 组合模型得到较好的预测结果， 并对猪肉市场的监测预警机制提出了相应的建议[66]。 黄增跃等通过奇异谱分析方法分解猪肉价格， 采用ARIMA 模型、SVM 模型和BP 神经网络模型对分解后的猪肉价格进行组合预测， 结果表明组合模型预测结果总体上优于基准模型预测结果[67]。 张大斌等结合互补集合经验模态分解（CEEMD） 的分解能力和基于遗传算法的支持向量回归（GA-SVR）的自适应预测功能，构建猪肉价格集成预测模型， 预测精度和方向性指标显著优于其它单预测模型和分解集成预测模型[68]。

6.4 产品溯源 自2002 年农业部颁布施行 《动物免疫标识管理办法》以来，我国已推行猪肉质量安全可追溯体系近20 年。

农业农村部可追溯体系以耳标结合条形码为载体， 利用移动智能识读设备读取养殖至屠宰环节中动物免疫、检疫等相关信息，通过无线网络将数据传输至省级、 中央数据库存储。 商务部从2010 年在58 个城市试点建设肉类蔬菜流通追溯体系，对屠宰至加工、流通等环节的信息进行追溯。