浅谈人工智能在我国猪生产领域中的应用局限性及应对策略

2022-11-09孙希强

黑龙江动物繁殖 2022年1期

孙希强

（黑龙江职业学院，哈尔滨 150111）

人工智能技术是目前信息社会技术创新的前沿，各个领域都在广泛应用人工智能技术。而在猪生产领域，也在尝试和逐步应用人工智能技术来提质增效。我国养猪产业规模庞大，规模化养殖市场占比不断增加，为人工智能技术在猪生产领域中的应用提供了条件，在猪生产领域引入人工智能技术将有效提高生产效率、减少人力投入成本、降低疫病风险，助推猪生产领域完成产业革命。然而，在具体实践过程中，受到智能设备普及、样本数据采集、应用模型准确性及实用性等因素的制约，目前的人工智能养猪整体上处于初级阶段，多数产品无法落地。文章从猪生产全流程的角度，对目前人工智能技术与猪生产领域融合的局限性及应对策略进行探讨。

1 人工智能技术在猪生产领域中的应用现状

1.1 我国猪生产市场规模及现状

猪肉是我国主要肉类消费品，市场空间庞大，参与者众多，目前我国现存养猪企业超过30万家。近20年间，我国年平均猪肉产量超过4 000万t，占肉类产量的60%左右，是我国市场规模较大的农业单品之一。我国的猪生产行业技术壁垒低，人工生产模式占比较大，智能化和自动化程度不高。但随着我国社会的发展，人力成本提高，同时叠加疫情、环境保护等因素的影响，猪生产领域中技术含量逐步提升，行业集中度加速推进，使我国养猪业逐步向智能化、规模化、专业化、产业化的方向发展。

1.2 猪生产领域中的人工智能技术

发展养猪产业对保障市场肉食供应、增加农民收入、促进经济社会稳定发展具有重要意义。而传统的猪生产模式存在养殖成本大、生产效率低、环境污染严重等问题。将人工智能技术应用到猪生产领域，为养猪产业注入了新的发展动力。智能化养猪吸引了科技企业的加入，阿里、京东等IT巨头先后联合猪生产企业和科研机构，开发了各自的智能养猪系统；农信互联等网络服务平台也推出了猪生产相关的智能软件。目前，人工智能技术在猪生产领域内的应用主要有以下场景。

1.2.1 基于计算机视觉技术的应用场景计算机视觉技术是指利用计算机实现人的视觉功能，对静止图像或视频数据的感知、识别和理解。在智能养猪产业中主要实现对猪只的行为与图片进行识别，即利用人工智能的机器学习、深度学习等技术，提取猪只的个体特征，建立预测模型，然后利用预测模型对猪只个体的身份、行为、疾病等进行区分及预测。

计算机视觉技术在猪生产领域的应用场景之一是“猪脸识别”技术。“猪脸识别”技术是为猪只身份识别提供一种非接触式、智能化的人工智能技术应用。例如京东和中国农业大学合作开发的养殖场数字化解决方案，其中即包含“猪脸识别”技术。该技术只需用猪脸识别系统扫描一下猪脸，就可以给每头猪建立标签，生成唯一的识别码。阿里的“ET大脑”也应用了“猪脸识别”技术，让每头猪的生产及流通过程都在“ET大脑”的掌握之中，实现了猪肉产品的全流程溯源，增强了猪肉产品的安全性。

计算机视觉技术在猪生产领域的应用场景之二是“行为识别”技术。阿里研发了依据母猪行为特征判断母猪是否怀孕的人工智能应用系统，利用养猪场内的若干智能视频采集设备和其他数据采集设备共同搜集母猪的睡眠、活动、进食量、体温等数据，再由人工智能预测模型分析母猪配种是否成功。如果未成功，系统将提醒养殖人员进行人工授精，从而提高母猪产仔量。

此外，还可以利用计算机视觉技术自动对猪只头数进行清点，在养猪场安装监控摄像头，采用视频识别技术，提取每头猪的体型、脸部等特征，对猪只个体进行精准识别和定位，从而实现猪只数量的统计，以此帮助养猪场清点资产或统计出栏数量。

1.2.2 基于声音识别技术的应用场景声音识别的理论基础是每种声音都具有某些独特的特征，使用其中某一特征或多个特征组合来区分不同种类的声音，例如使用声音的频率区分异同点。导致仔猪死亡的主要原因有压死、腹泻等，因此，减少仔猪被压死的数量可以显著提高仔猪成活率。通过在产房安装声音采集装置，采集产房的声音，并识别出被压仔猪的叫声，进而发出预警，提醒饲养人员前往解救被压仔猪，就是声音识别技术在猪生产领域的一种应用。另外，通过监测猪只的咳嗽声来判断猪只是否存在呼吸道疾病也是声音识别技术在猪生产领域中的一种应用。

1.2.3 基于数据分析的应用场景猪只的体温、采食量、运动量等参数是其重要的生命体征，是反映其健康和生理状况的重要指标。利用智能化设备自动采集猪只的体征数据，利用人工智能技术的特定算法训练生成预测模型，即可对猪只的生理状况进行预测。智能母猪发情检测系统即是一种基于数据分析的人工智能技术，母猪发情检测工作对人的依赖性强，工作量大，因此可在此工作中引入人工智能技术，利用多种智能设备多角度采集数据，之后通过训练生成的预测模型对采集的数据进行特征区分、聚类和识别，来预测母猪是否发情。通过此方法可降低工人的工作量，提高发情检测的准确性，对提高猪场母猪受胎率、产仔数等繁殖成绩具有重要意义。

2 人工智能技术在猪生产领域中的应用局限性

目前，人工智能技术在猪生产领域中的应用整体上处于初级阶段，多数应用还停留在理论研究、数据采集、模型开发与测试阶段，从应用情况来看，落地的成熟案例还不多，究其原因大致有以下几种。

2.1 猪场智能设备普及率不高

养猪业本身就是投入大、资本周转周期长的行业，而人工智能硬件设备价格较高且其稳定性、适用性尚未得到很好的整合和验证，在设备运行与维护过程中对专业技术人员的技能要求很高；另外相关标准体系尚未统一，使得设备在兼容性和扩展性方面尚有缺陷，应用发展受到很大制约。因此，养猪企业购买智能设备提升猪场智能化、自动化技术水平的动力不足。

2.2 应用模型实用性有待加强

人工智能技术是数学模型设计、训练、部署应用过程。在训练和应用模型过程中需要迭代来获得最佳效果。目前个体识别、精准饲喂、环境控制等方面的人工智能技术应用在猪场已取得一些进展，但大部分模型、算法还达不到指导猪场实际生产的需求，无法应用到实际生产中。导致模型实用性不强的原因很多，如训练样本数据不足、开发人员不具备同时掌握人工智能技术与猪生产技术的能力、样本数据特征提取不准确或者配套系统不完善等。

在京东举办的猪脸识别比赛讨论的官方号回复中，就列出了“猪脸识别”技术应用的困难点：猪从出生到出栏的饲养周期短，体型外貌变化快，识别准确率不高；猪只频繁运动变换方位，增加了数据采集的难度；面临射频识别等成熟技术的竞争；数据采集成本高，采集样本数据不足，导致模型训练不充分等。以上因素都会对人工智能模型的使用和推广产生影响，使其不能达到实际生产需求。另外，在使用声音识别技术分辨被压仔猪的叫声，从而防止母猪压死仔猪的人工智能系统中，根据现有的声音识别技术，能够很好地识别被压仔猪的叫声。然而，仔猪被压短时间内就可能窒息死亡。因此，从系统发出预警信号到干预，必须在短时间内完成才能避免仔猪死亡。目前在此过程中主要采用人工干预的方式，市场上还未见成熟的智能化干预设备。

3 应对策略

3.1 规范化相关技术标准

逐渐建立并完善人工智能领域及猪生产领域关键技术的相关标准体系，规范应用层面的接口标准、设备标准、场景标准，确保人工智能技术在猪生产领域中应用的准确性、一致性、高效性和可用性，推动人工智能技术在猪生产领域中的技术研发和产业的健康可持续发展，最终实现智能养猪的规范化。

3.2 普及智能养猪设备

推动智能养猪设备的不断创新，提升设备性能，降低设备价格，使得养猪企业有动力采用智能设备，提升猪场的智能化管理水平，如此不仅可以降低养猪企业的生产成本，更能够解决猪生产中的海量数据采集问题，为人工智能预测模型提供海量样本数据，从而增加模型的训练精准度，提高模型的实用性，最终实现项目的落地应用。

3.3 提高猪生产领域人工智能技术应用的研发水平

在猪生产领域中，大部分饲养人员不具备人工智能系统的研发能力，而人工智能系统开发人员对于猪生产领域相关知识的了解也存在局限性，由此导致许多人工智能养猪软件只提供了基本的模板和模型，饲养人员在使用软件的过程中不能根据实际情况对模型进行优化，导致模型精度不高，达不到实际生产要求。对此，需要培养一批不仅掌握猪生产技术，而且掌握人工智能技术的人才队伍，使之成为促进人工智能养猪技术发展的主力军。此外，需要大量开展人工智能技术和猪生产技术的交叉研究，挖掘现有易采集数据与猪只典型生理特征的潜在关系，从原始数据中提取更好的数据特征，提升模型的训练精度，从而推进人工智能养猪软件的应用进程。