数字孪生技术在现代化猪场生产应用的研究进展

尤德安，邬锡权，陆 畅，董钊杰，曾志雄,3，吕恩利,3

（1.华南农业大学电子工程学院，广东 广州 510642；2.华南农业大学工程学院，广东 广州 510642；3.农业农村部华南现代农业智能装备重点实验室，广东 广州 510630）

0 引言

随着人工智能、机器视觉和大数据分析技术的发展，畜牧业正逐步向数字化演进[1-2]。对养猪业来说，传统生产管理方式存在人工成本高、能耗高、预测模型精度低等问题，亟需利用数字技术提高生产管理的精细化和智能化水平，提高猪的健康状况和生长福利。依靠数字技术，如传感与监控设备、可靠和实时的信息传输、高级分析方法以及数字信息可视化，是现代化猪场生产的主要趋势。

数字孪生是物理对象的虚拟表示，即物理对象与其虚拟表示实时交互[3]，是一种通过高保真建模和仿真实现数字化的新方法[4]。数字孪生可以为不同行业提供可行性和创新性的系统解决方案：在智慧制造领域，如数字孪生车间[5]、生产流水线[6]、产品生命周期维护[7]、产品设计周期优化[8]等；在能源领域，如风力涡轮机寿命预测[9]、火力发电厂热流模拟[10]、模拟分析比较风能与太阳能干燥效果[11]等；在智慧城市，如GIS 城市辅助设计[12]、城市排水系统模拟优化[13]、无锡的城市大数据中心[14]等；在智慧农业领域，如奶牛乳腺炎发生概率预测[15]、模拟环境因子及其影响，优化鱼塘水环境系统[16]、温室环境模拟优化[17]等。

近年来，数字孪生技术在各行各业不断发挥其优势和创造价值，为智慧养猪提供经济、可靠、创新的解决方案。本文针对图像监控、声音监测、精准饲喂等技术，分析了精准养猪的发展趋势，对数字孪生在现代猪场能耗分析、三维可视化、预测模型、环境模拟上的应用进行了归纳，分析了局限性，继而从技术成熟度的角度进行扩展分析。最后，分析了现代化猪场生产中数字孪生技术的发展趋势，为智慧猪场建设提供参考。

1 数字孪生技术框架分析

PYLIANIDIS 将数字孪生[18]定义为：物理对象或系统的动态虚拟形象，通常跨越其生命周期的多个阶段，采用真实世界的数据，与机器学习模型、数据分析技术相结合，以实现学习、推理和预测。数字孪生是实际物理系统的数字复制品，是复杂系统进行分析、决策和预测的重要手段。

数字孪生是物理世界的虚拟表示。如图1 所示，实施数字孪生，需做到以下几点：①为了真实表征物理世界及其行为，需要获得物理对象与其环境、工作负载及其它变量相互作用的实时反馈，即需要多种、多个稳定的传感器；②为了孪生体能实时接收、存储和分析大量数据，需要强大的数据稳定传输、存储和处理能力，即需要数据的高效传输、云存储、云计算和大数据分析等关键技术的帮助；③为了使孪生体能够理解所接收的大量数据，需要利用人工智能算法对这些数据进行处理，即利用机器学习的各种模型来辅助分析；④考虑到应用场景的多变性和物理对象随着时间发生的变化，数字孪生的实施必须在多种情况或者多个场景进行训练与仿真，以取得不同情况下的最佳方案；⑤为了提高系统的人机交互性，上述处理后的结果需要通过交互式用户界面展示给用户，该实施常常利用虚拟现实技术来实现。

2 数字孪生在现代化猪场生产的应用

陆蓉等[31]利用参数化建模、三维重建等关键技术实现了对猪舍内部建筑和设施、母猪定位栏、智能化母猪饲喂系统、全景数字规划布局的建模，构建了现代养猪场，可帮助使用者了解养猪生产的过程。何晓等[32]基于物联网技术和3D 虚拟现实技术开发了猪场可视化管理及远程诊断系统，通过物联网感知设备，采集猪场环境因子，利用无线通信技术将环境因子传到服务器和进一步的云端数据分析，并结合虚拟现实技术实现猪场场景的三维建模，开发了3D 可视化前端界面。刘红刚等[33]利用数字孪生建立了WEB 端和移动端的可视化管理系统，采用倾斜摄影+3D 建模构建数字孪生猪场场景图，对猪场、栋舍功能分区，接入猪场各项设备，在场景图上集中各类模拟仿真分析值，便于企业进行管理，并开发移动式管理工具，即数字孪生APP，方便一线养殖人员使用。

图2 数字孪生在现代化猪场生产的应用结构图

2.1 数字孪生助力精准养猪

数字孪生在智慧养猪中的案例较少。论文研究上提到了很多的优势和实践方案，但是能够验证这些优势和实际所实现的方案却不多，缺少相关经验模型和参数数据库。因此，该技术还需要更多的投入和实践。

2.1.1 图像监控技术

斑点合并（blob merging）是一种图像处理算法，可应用于猪的移动目标跟踪系统，主要运用卷积神经网络（CNN）方法来提高检测精度。体重测量是养猪生产的关键技术，PLF 技术成功实现了在不干扰猪的情况下对其质量进行估算，利用所获取的质量数据，对猪的质量进行监控，进而提高饲料效率和实现智能营养管理[21]；猪通常会通过热量的增减来改变其姿势行为，基于热像仪的PLF 装备能有效分析猪的热生物反应和身体热变化，进而控制通风换气设备进行降温，这将帮助猪舍更好地达到热适应条件，进一步改善猪舍环境[22]。研究结果表明，近年红外测量设备（Infrared Measurement Equipment，IRME）对猪运动状态和健康状况的评估起到越来越关键的作用。

采用摄像头开展静态或动态的图像监测，是PLF 技术的重点关注领域，主要被应用于生猪的移动跟踪、数量盘点、重量估算和热分析。

2.1.2 声音监测技术

猪的发声也是猪行为表达的一种方式，声音信息能帮助监控、分析和改善猪的健康状况，该技术也是PLF 的重要组成部分。CORDEIRO 等[23]根据年龄、性别和压力事件（猪暴露在饥饿、口渴、炎热、疼痛等环境）对40 头猪（雌猪、雄猪各20 头）的尖叫声进行分类分析，经测试，该语音识别系统具有81%的精度。WANG S[24]指出，在声音监测方面，猪咳嗽监测仪通过对声音的分析来获得猪呼吸系统的健康状况；通过对猪的几种特殊行为如发情、攻击性进行识别，及时采取不同的救援措施，可减少养殖经济损失，改善猪的福利。

2.1.3 多传感器融合的精准饲喂技术

精准饲喂是利用多种传感器、计算方法和饲喂设备，在正确的时间提供适量的营养物质，实现动物的精准喂养[25]，图3 为精准饲喂技术的数字孪生应用框架。GARRIDO-IZARD 等[26]利用多传感器分析猪的热模式和摄入模式，即利用温度传感器获取猪的耳朵皮肤温度，结合称重传感器得到猪的体重、饲料量等信息，区分了具有不同喂养模式的猪，从而采取不同的喂养策略。SHIPU X 等[27]通过RFID读卡器收集耳标数据，通过称重传感器获得猪的体重和采食量信息，将这些信息经无线通信传输到远程服务器，构建了基于无线数据通信的生猪生长监测系统。吕恩利等[28]根据Netty 框架，自主设计了数据传输协议，采用SpringBoot 与Vue 前后端分离架构开发WEB 部分，设计了哺乳母猪智能饲喂物联网系统，该系统能对饲喂数据进行统计分析，实现母猪饲喂计划的智能调整和猪场成本消耗的智能优化。

2.2 不良反应 所有患者在治疗前2周均存在不同程度的不良反应，但经对症治疗和减少剂量后可得到缓解。多数不良反应为1～2级，12例(31.6%)为3～4级(表1)。

西洋哲学-讲师为肥罗诺萨。使用华莱士(译者注：William Wallace)的英译本，讲授自康德哲学至黑格尔哲学的展开，以及黑格尔的论理学。

近年来，互联网的发展越来越迅猛，数字信息化技术已经全方位影响了我们的生活。“互联网+”是互联网技术进一步实践的成果，目的在于充分发挥互联网优势，将互联网与传统产业深入融合，以产业升级提升经济生产力，最后实现社会财富的增加[1]。2015年7月4日，国务院印发《国务院关于积极推进“互联网+”行动的指导意见》， 我国正式步入“互联网+”时代。互联网和教育的深入结合必然会引起我国高等教育模式的变革与创新。民办高校作为新时期高等教育的重要组成部分也面临巨大机遇和挑战，同时针对挑战采取相应对策。

图3 精准饲喂技术的数字孪生应用框架

随着数字孪生技术成本的进一步降低，可以利用精准饲喂技术来改善PLF。比如，由于饲料的复杂性，很难确定各种饲料组合的影响。结合现实环境中多传感器采集猪体温、体重、饲料量等信息，利用数字孪生技术可以构建猪的虚拟饲喂模型，对不同的饲料组合方案进行模拟分析，进而确定最佳饲料配方方案。

2.2 猪舍能耗管理

2.5.2 养猪数字孪生数据库缺乏

图4 为能耗管理的数字孪生应用框架，利用数字孪生技术，对猪舍的风机组合和光热环境下的建筑设计构建孪生体，将实际猪舍的温湿度数据和光热条件输入孪生模型模拟仿真，得出最适合的风机组合方案和建筑设计方案，优化系统。

图4 能耗管理的数字孪生应用框架

2.3 猪场三维可视化

物联网技术在现代化猪场的应用，实现了对猪场的智能环境调控和猪只精细饲养。利用数字孪生构建三维可视化平台，将实际猪场在互联网展示，实现养猪场生产过程和环境的可视化和虚拟漫游。

数字孪生技术的应用，可分为可视化、模拟分析、性能优化以及预测分析等。与传统的信息化不同，将数字孪生技术用于猪场管理上，信息分析不再依靠人们的观察和经验，而是将物联网技术作为桥梁，利用人工智能对实时数据进行分析，从而辅助决策，改善猪只健康并提高生长福利。图2 为数字孪生在现代化猪场生产中涉及到的主要技术与应用。

在温湿度预测上，谢秋菊等[36]建立长短时记忆（LSTM）网络预测模型，以猪舍实际传感器的历史数据和猪舍外影响因素作为输入，实现了密闭式猪舍温湿度变化的精确预测。曾志雄等[37]基于一系列历史环境参数数据，结合门控循环单元网络算法（GRU）和极端梯度决策树（XGBoost）2 种模型，分别提出了基于时间序列模型和多元模型序列的集约化猪舍温度预测模型，并将这2 种模型分别与循环神经网络（RNN）模型、线性回归（LR）模型和反向神经网络模型（BPNN）的效果进行对比，证明了这2 种模型具备更良好的预测效果。

2.4 猪场环境参数预测模型

在大规模养殖环境中，猪场环境因子是影响猪的健康状况和生产力的主要因素。多模传感器收集环境因子，结合大数据技术和LSTM、GRU 等算法模型，构建孪生体，实现环境参数预测，图5 为预测模型构建的框架。在氨气浓度预测上，MA T M 等[34]建立长短时记忆（LTSM）神经网络模型来预测氨气的浓度，连续167 天收集风速、温度、相对湿度、氨气浓度等猪场主要环境因素，将前120 天的数据作为训练样本，其余数据为测试样本，实现了对氨气浓度的预测和对该模型的准确率与误差的评估。PENG S[35]在中国重庆的某育肥猪舍收集环境数据和进行实验效果的评估，采用3 种机器学习算法和3 种深度学习算法分别对猪场氨气浓度进行预测，进而评估得到预测能力最优的模型。

图5 环境参数预测模型

Tang[15]等在反应过程中加入了十六烷基三甲基溴化铵(CTAB)，制备出了具有类似于花状结构的MoS2纳米球，并将其用于润滑油添加剂，制备出了耐磨性能优异的润滑油，研究表明这主要是因为CTAB长的碳链容易卷曲，将先生成的纳米片状二硫化钼吸附到表面进行自组装，消除部分悬空键，降低纳米片状二硫化钼表面能，抑制表面的生长，最终生成花状纳米二硫化钼，CTAB实际起到了模板作用。

要知道，爱与认知是统一的，爱我们的历史就会深刻认知我们的历史，要深刻认知我们的历史就必须爱我们的历史。光凭背诵式的记忆不仅做不到这点，而且还适得其反。我早年的背诵经历所证明的恰恰就是这个真理。

2.5 数字孪生的局限性

2.5.1 物理模型建模成本高

对物理模型进行建模往往需要消耗大量的时间、金钱和劳动力成本。数字孪生虽然可为养猪场产生新效益，也能用AI 分析获得更优的实践方案，但是对大多数企业来说，改变原有已经投入大量精力的旧模式，采用物理模型建模成本过高，导致许多企业更愿意按照旧模式去进行生产实践，这也是数字孪生在智慧养猪中应用的限制因素之一。

温度、相对湿度、二氧化碳浓度等环境因子会影响猪的生长福利。在猪场的设计阶段，可以通过数字孪生来模拟猪只生长环境调控（如风机、湿帘、加热器等设备开启状态），进而确定最佳方案，给猪提供舒适的生长环境。JO S K.等[29]基于现实的猪舍场景生成了虚拟猪舍，利用EnergyPlus 对实际猪舍进行EcoFarm 模拟，通过收集实际猪舍的温湿度数据用于EcoFarm 的模拟，对不同的风机组合产生的能源消耗进行评估，进而确定最节能的风机组合方案。中国北方猪舍建筑设计存在朝向不确定、采光不符合国家标准、夏冬季舍内温度不适宜等问题，袁月明等[30]利用Ecotect 对试验猪舍和某猪场猪舍进行模拟仿真和分析对比，对两者的光学条件和热学条件进行分析，进而探究适宜的猪舍建筑材料和尺寸，以及光热条件对建筑结构的影响。

农垦系统与地方组织形式差异体现为半军事化管理和规模化种植，有利于机械作业的统一进行，保证了技术实施的标准化程度和先进科技到位率。

首先，中小企业管理制度内容不能全面化地涵盖企业管理中的日常工作。制定制度的管理者由于自身知识的缺乏，对岗位要求和内容等认识不清，因而不能很好地完善制度政策。如管理思想的偏差或管理细节的缺失导致企业管理效能不均衡。其次，管理制度内容缺乏针对性，容易在执行时产生监管不力的情况，制度较难以落实，对管理形式和管理方式提出了很大的挑战。最后，管理制度内容不能及时更迭。在当前经济时代发展迅速的时代，管理模式和管理方法及管理思想一定要紧跟时代潮流，但中小企业管理者在制定和修改制度的时候没有很好地结合当前的经济形势对管理制度进行修改。

精准畜牧业（Precision Livestock Farming，PLF）技术是一种利用现代传感器、信息技术和数据分析等手段，实现对畜禽生产过程中各种参数和指标实时监测、分析和管理的技术[19]。尽管数字孪生技术在智慧猪场建设中处于刚刚起步阶段，但精准养猪技术已经利用了其中的技术来提高猪只生长福利。研究表明，现有的精准养猪监测系统使用传感器来监测猪生产的各个阶段[20]。PLF技术中，最常用的技术是智能称重技术和视觉感知技术，其次为热成像识别技术，其它常用的技术包括声音监测、运动分析、养殖环境因子感知、GPS（全球定位系统）和RFID（用于动物跟踪、个体识别）。

1.2.1 对照组 采用胃肠动力药+氟哌噻吨美利曲辛片+双倍PPI[3]。给予枸橼酸莫沙必利分散片(成都大西南制药有限公司，国药准字：H20031110)5mg，3次/d，饭前服用，氟哌噻吨美利曲辛片(黛力新，丹麦，深圳市康哲药品有限公司，进口药品注册证号：H20080175)1粒，2次/d，于早、晚餐后服用，艾司奥美拉唑镁肠溶片 (阿斯利康制药有限公司，国药准字：H20046379)40mg，2 次/d，共服 8 周。

2.5.3 物理孪生体高度复杂，开发所需资源庞大

因为物理孪生体具有高度复杂性，数字孪生体的开发需要大量资源，如数字孪生引擎、服务器和开发工具等，而且物理孪生体也可能存在一些未知的相互作用关系，可能会影响到开发效果，这时可能需要进一步投入更多的开发资源。由于数字孪生的开发需要投入大量资源，因此该技术往往难以实施。

3 数字孪生案例分析

如今，数字孪生在较多领域中也得到了广泛运用，具体实施案例如表1 所示。由图6（a）所示，对这些案例的应用类别作统计，发现基本所有案例都具有可视化的作用，大部分可以进行模拟分析，只有少部分可以进行性能优化和预测分析。由此可见，应用越复杂，应用难度越大。由图6（b）所示，在技术成熟度方面，大部分案例的技术成熟度级别处于原型级别，少数为概念和部署应用级别，真正投入实际猪场应用的案例并不多。

本课程学习过程包括工作任务（练习）、初步评估、理论学习、案例分析、工作任务（完成）、交流分享、阶段评估（测验）、拓展学习等多个学习活动。成绩考核改变以往以期末考试为唯一的评判标准，将最终成绩分为期末成绩占50%和平时成绩占50%两部分组成，其中，平时成绩包括了课堂表现20%，实践动手能力10%，作业测试20%等部分组成，有利于培养学生的创造力、知识转化能力、语言组织与表达能力等综合素质。

表1 其他领域的数字孪生案例研究列表

图6 数字孪生案例分析

相对来说，数字孪生在猪场生产的应用在技术成熟度级别大多在概念级别上，只有少数做到了原型级别和部署应用级别。但是考虑到如今智慧养猪在AI、PLF、可视化建模等技术上都有了显著的成果，相信在不久的将来，可以看到数字孪生在智慧养猪领域应用的技术成熟度达到原型和部署应用级别。

4 结语

通过文献综述，对数字孪生的实施方式进行了分析，针对图像监控、声音监测、精准饲喂等技术，分析了精准养猪技术，对数字孪生在现代猪场能耗分析、三维可视化、预测模型、环境模拟的应用进行了归纳，通过物理模型成本、养猪数据库、开发资源3 个维度对局限性进行了总结，从技术成熟度的视角上对比分析了智慧猪场建设领域与农业等领域的应用案例。数字孪生在智慧猪场建设中的应用，在可视化、模拟分析、性能优化以及预测分析4 个应用角度上都得到了体现，其中可视化的应用较常见。

数字孪生在智慧猪场上的应用较少，未来发展需要更多经验模型、AI 算法、边界参数及数据库，来推动产业积极探索应用数字孪生技术。随着互联网形态进入3.0，信息时代的海量数据推动人工智能生成内容技术（Artificial Intelligence Generated Content，AIGC）兴起[49]，强大的内容创造力为数字孪生发展提供了契机。数字孪生+AIGC 融合集成优势，将进一步促进数字孪生在智慧猪场建设的发展，真正赋能数字猪场。