马智慧养殖大数据平台设计与实现

刘严红，曹克涛，陈新文，李金星，熊涛，杜雪梅，白涛，郑文新*，郭雷风

研究论文

马智慧养殖大数据平台设计与实现

刘严红1,2,5,6，曹克涛3，陈新文3，李金星1,2,5,6，熊涛4，杜雪梅4，白涛1,5,6，郑文新3*，郭雷风2*

1. 新疆农业大学计算机与信息工程学院，乌鲁木齐 830052，中国；2. 中国农业科学院农业信息研究所，北京 100080，中国；3. 新疆畜牧科学院畜牧业质量标准研究所，乌鲁木齐 830011，中国；4.新疆野马文化发展有限公司，乌鲁木齐 830011，中国；5.智慧农业教育部工程研究中心，乌鲁木齐 830011，中国；6.新疆农业信息化工程技术研究中心，乌鲁木齐 830011，中国

随着信息技术的不断发展，智慧养殖在现代畜牧业中应用越来越多，现代先进信息技术正在逐步应用到马养殖的全过程，如何利用大数据、人工智能等技术，助力马产业智慧化发展，提高马养殖效率，是马产业走向现代化、科技化的重要途径之一。本研究以新疆某马养殖基地为研究对象，利用大数据、人工智能和物联网等最新信息技术，研发了基于设备层、数据层、数据处理层和应用层共四层系统架构的马智慧养殖大数据平台，集成了档案管理、防疫管理、育种管理、行为管理和环境管理五大功能模块，实现了马养殖过程中数据采集、分析以及构建模型和应用等功能。本研究可为马养殖基地和企业智慧养殖建设提供思路，实现马养殖的精细化监控和管理，提高马生产效率和养殖效益，对马产业未来发展具有借鉴意义。

马养殖；智慧养殖；大数据平台；可视化

1 引言

新疆是我国重要的马养殖地区之一，新疆马产业具有悠久的历史和深厚的文化底蕴。据国家统计局数据，2020年底新疆马存栏量达95.45万匹，居于全国首位[1]。近年来，新疆马产业不仅是新疆特色优势畜牧业之一，也正在逐步发展成为以马传统文化传承和马特色生态旅游为主的现代化马产业。虽然新疆马产业体量巨大，但新疆地处祖国边陲，交通的闭塞和经济的欠发达导致马产业长期处于自我封闭的发展状态，现代马产业的发展步伐与发达国家相比还有很大差距[2]。新疆马产业的生产模式仍然相对传统，数字化应用水平相对较低，在精细管理、资源配置、异常监测和风险管控等方面存在诸多不足。为快速推进新疆马产业现代化转型和适应新疆马产业对大数据技术的迫切需要，自治区人民政府《关于加快新疆马产业高质量发展的意见（新政办发[2022]11号)》提出构建马产业科技支撑体系，实施马产业科技重大专项及重点研发项目，加快突破发展技术瓶颈，加快推进我区马产业高质量发展[3]。本文提出了马智慧养殖大数据平台的设计与实现。通过信息化手段采集、存储、处理和预测马养殖产业过程各类数据，掌握数据规律，为养殖管理提供智能化、可视化和智慧化的技术支持[4-6]，

近年来，研究人员积极研究和探索大数据在畜牧养殖领域的应用，为设计马智慧养殖大数据平台提供了诸多宝贵经验。精细化管理方面，车辉等[7-8]提出大数据技术结合物联网技术、人工智能控制等技术构建大数据平台，实现数据实时分析和产品溯源等功能，推进养殖业大数据平台的稳步和快速发展。刁海亭[9]指出物联网、大数据、云计算和人工智能等新一代信息技术的支持，能加快转变畜牧业发展方式，从粗放经营转到注重提高质量和效益的高质量发展上来，推动畜产品向绿色优质转型，智慧畜牧业会向着更快更好的方向发展。但研究人员在如何确保数据的准确性和完整性的论述有所不足。优化配置和风险防控方面，阿赛提等[10-12]提出“移动互联网+大数据分析+手机APP”的模式，实现了无纸化防疫、检疫备案和业务跟踪等相关功能，提高了畜牧战线工作人员的工作效率，保障畜产品安全。然而，如何做好数据隐私保护和安全性方面及确保敏感信息不被泄露的论述不够全面。养殖环境监测方面，张杰等[13]设计基于GIS技术、通信技术和物联网设备的管理平台，解决大规模跨地区环境下非标准化和管理难问题，实现对蜂业全产业链大数据的跨地区、大规模、多维度等多源异构数据管理及决策服务。邹骅[14]应用传感器网络应用技术，提出水产养殖的水质和温度监测与控制技术，用于解决水产养殖水质环境监测。韩书庆等[15]针对当前奶牛养殖环境监测自动化水平不高、监测和维护成本高的问题，设计了基于物联网技术研发了奶牛养殖环境监测系统,实现奶牛舍温度、湿度、光照度、风速以及氨气浓度等环境因子动态变化的远程实时监测。但研究人员对于如何利用环境监测数据进行深入数据分析，以便更好地服务养殖管理者的表述不够具体。此外，张浩等[16]通过搭建BigFarmNet全场联网管理系统大数据平台，用以建立猪舍环境控制系统防止低疾病的发生，改善猪舍空气质量、环境因素和转变饲养模式，但对于如何持续改进环境控制系统，确保其长期稳定运行和成本效益方面的研究较少。段青玲等[17]通过大数据技术实现水质预测、调控和预警功能，为大闸蟹养殖提供了智能化数据分析服务，但是该文中数据来源不够全面，缺乏更加多样化的数据以支持其后续研究。

目前研究人员在马智慧养殖方面提出了诸多可行方案。如沈秋采等[18]设计了一套功能全面的基于B/S模式的马场信息综合管理系统，该系统包括马匹信息管理、健康监测、饲养管理、免疫管理、病例管理、繁育管理、训练管理和日常管理八个模块，实现了马匹与马场基本信息的管理、马匹免疫信息与病例信息的统计及免疫提醒与分娩提醒等功能，为马场提供了全面、高效和可视化的马场信息管理技术支持。王超等[19]设计了基于.NET的马场病历信息管理系统的构建，包括病例信息录入、查询、统计及系统管理，实现了马场病例基本信息的统计与分析，为马场疾病的预防和治疗提供依据。郭斌等[20]设计基于Django的马匹信息管理系统，系统设计了马匹档案功能模块、饲养管理功能模块、电子病历管理功能模块、种公马管理功能模块、繁殖管理功能模块和人员管理功能模块，为马场科学化、合理化养殖马匹提供了必要的依据。以上研究人员设计完成马养殖相关的管理系统，但是均与大数据技术结合得不够深入，无法更加广泛地收集、存储和分析马养殖全过程相关数据。

文章以新疆马养殖领域为背景，综合考虑马匹健康和养殖环境管理的多方面需求，借助大数据和互联网技术，构建并实施马智慧养殖大数据平台，旨在提供全方位的数据管理和应用服务，助力将新疆打造成为全国现代马业强区。文章提出了马智慧养殖大数据平台的设计与实现，平台将承载大量多源异构数据的存储、处理、共享、可视化和应用，具有全面的数据管理，帮助养殖管理者更好地了解马匹的健康状况和养殖环境；平台通过大数据技术，进行数据分析和预测，养殖企业通过大数据平台的数据统计分析，实现对养殖资源的精细化管理和优化配置，减少资源浪费，提高资源利用效率；通过可视化数据平台，养殖企业可以实时了解养殖过程中的风险因素，及时采取有效措施，进行风险防控，降低养殖风险。平台的设计与实现对新疆马养殖智慧化、现代化发展具有重要意义。

2 需求分析与架构设计

2.1 需求分析

在畜牧产业发展进程中，缺乏运用现代化技术的思想理念，不能有效将现代化的先进科学技术融入畜牧业生产中，导致畜牧养殖经营和管理方式落后，致使畜禽产量存在缺乏市场竞争力、产量低和质量差等问题[21]。马产业作为新疆重要畜牧养殖产业之一，存在基础相对薄弱、转型升级缓慢、科技支撑水平不高及优势区带动能力不强等问题。因此，将先进物联网和计算机技术应用到新疆马产业，建立大数据基础信息资源库，整合和分析马养殖过程中的多源数据，构建马智慧养殖大数据平台能够有效加快新疆马产业现代化的发展步伐。结合马传统养殖专业知识和马场实际情况，针对基础信息管理不完善、防疫育种记录方式落后、马匹和环境监控设备匮乏等突出问题，平台构建的功能包括档案管理、防疫管理、育种管理、环境管理和行为管理五个部分。如表1所示，档案管理可以为马管理提供全面、准确和便捷的信息查询和统计；防疫管理详细记录了马疫苗接种的全部数据，为马健康状况提供科学、精准和可靠的数据支撑；育种管理详细记录了育种配种的全过程数据，为马养殖的育种繁殖提供科学的数据指导；环境管理实时监测马厩各种环境指标，为马生活环境提供可靠的保障；行为管理通过实时AI监控设备，实时采集和存储马场各个区域马行为视频数据，通过云视频平台预警功能，及时报警提示异常情况，为马养殖管理者防范马出现异常行为和健康问题提供数据支持。

表1 需求功能分析

2.2 架构设计

根据马养殖的需求分析，融合大数据技术的独特优势，马智慧养殖大数据平台的总体架构由下至上可以分为设备层、数据层、数据处理层和应用层，这四个层级的协同作用使得马智慧养殖大数据平台能够实现更高效、智能和可持续的养殖管理。设备层，即智能感知层，其特点是实时数据采集,连接分布于马场各个场所的智能感知设备，收集各类关键数据，进行实时流数据处理，快速捕捉关键数据变化，并将其传送到数据层，以支持即时决策；数据层，即大数据存储与管理层，承担着马智慧养殖大数据平台的数据存储和管理任务，使用分布式存储技术，容纳设备层采集的海量数据，对数据进行高容量存储、可伸缩性处理和数据安全保障；数据处理层，即数据分析与挖掘层，是大数据技术的核心应用层，通过数据挖掘算法、深度学习模型和实时流分析，从海量数据中提取有用信息，形成可供应用层直接调用的直观数据；应用层，即智能决策与监控层，是面向马养殖管理者的友好界面和决策支持。总体框架如图1所示。

2.2.1 设备层

以“马产业现代化”为发展方向，为构建马智慧养殖大数据平台，平台设计使用先进的设备和技术，通过建立全覆盖、立体化和人机协同的养殖大数据采集网络，马智慧养殖大数据平台能够实现对马个体数据、马场环境指标及养马驯马信息等数据进行实时采集。如图2，智能传感器采集环境数据；AI摄像头实时采集马行为；穿戴式设备采集马各项生理指标；移动终端收集马基础数据。

2.2.2 数据层

本平台面向马养殖全过程开展数据采集，建立了基于大数据平台的用于分类存储各类数据的数据库。马场全域物联网络采集的数据，通过wifi或者4G/5G网络进行传输，汇聚形成多源异构的结构化或者非结构化的养殖数据资源，被分类存储到大数据平台的数据库。马智慧养殖大数据大致可以规划为“基”、“动”、“警”三大类，如表2所示。“基”主要是进行马名、芯片号、品种、性别和血统等基本历史信息数据导入，移动端录入近期马基本信息数据。“动”主要通过智能传感器，穿戴式设备和移动端信息录入实时录入马养殖过程中的动态数据。“警”主要是通过马场环境常规气体监测传感器、AI监控摄像头实时采集温度、湿度、光照、氨气和马行为等数据，并及时预警环境异常数据和马异常行为。以上数据共同为马智慧养殖大数据平台提供了基本数据的支撑。

2.2.3 数据处理层

平台建有功能相对完善的数据清洗与处理、数据存储与管理和数据分析与挖掘平台。可实现数据的融合、分析和挖掘。通过数据清洗与处理，将数据送达数据存储与管理系统，经过数据分析和挖掘，实现聚类分析、趋势预测、决策分类和模式识别。

数据清洗与处理主要包括：数据去重、异常值处理和数据格式化。数据去重采用基于排序的去重方法，将数据集合中的数据进行排序，然后比较相邻的数据是否相同，如果相同则认为是重复数据，需要进行去重处理。异常值处理使用Z-Score方法，计算数据集合中每个数据与其均值之间的差值，再除以数据集合的标准差，得到一个Z-Score值，如果Z-Score值大于某一阈值，则认为该数据为异常值。以马环境监测中的湿度指标为例,已知样本序列Humidity={1,2···h}表示某马厩在特定时间段的湿度具体数值，如公式（1），h∈Humidity,经计算得到z(1＜＜),由z构成新的不再受离群值影响的新样本序列－Humidity={1,2···z}，从而保证了马厩湿度数据的可靠性。

图2 设备功能

表2 马养殖大数据分类及来源

数据格式化按照数字格式化规则、日期格式化规则、时间格式化规则、百分比格式化规则、文本格式化规则和自定义格式化规则。

数据存储与管理：将清洗后的数据进行分类建立数据库，依据马智慧养殖大数据平台的建设需求，共建立四个数据库：用于档案管理的基本信息数据库、用于防疫管理和育种管理的日常饲喂数据库、用于行为管理的马匹行为数据库和用于环境管理的养殖环境数据库。

数据分析与挖掘：依据各类型数据库提供的数据和应用层对各类数据的要求，共应用聚类分析、趋势预测、决策分类和模式识别四个相关技术。聚类分析采用K-medoids聚类，将数据中的样本划分为K个互不重叠的簇，每个簇的中心点是该簇内与其他样本距离之和最小的点，迭代执行上述过程以实现聚类。趋势预测采用历史数据分析法，通过收集马养殖过程中的历史数据，了解过去的趋势和模式，来预测未来的走势。决策分类采用传统轻量级决策树算法，通过对特征的选择，将数据集划分为越来越小的子集，直到划分后的数据集可以被分类为止。

模式识别主要依据AI摄像头功能和环境传感器进行各种特殊情况预警和模式识别，如图3。主要包括马异常行为识别，马异常声音识别和马生活环境气态指标异常提醒等。

图3 行为及环境监测

2.2.4 应用层

平台应用层以为马养殖管理提供科学的指导为遵旨，以处理层形成的数据为基础，以马养殖多样化需求为目标，利用大数据技术对数据驱动的智能决策提供支持，创建了各种用户应用、仪表板和可视化工具，协助马养殖管理者制定个性化的养殖计划、资源优化和预测市场需求，可实现数据报告，数据实时查询、数据监控和智能决策等功能。其中，大数据可视化平台实现数据可视化，信息管理系统实现马养殖信息管理，环境监测系统实现环境指标实时监测及异常预警系统实现马异常行为预警。

3 关键技术

平台关键技术采用“1+1+1”技术设计思路，如图4，即1个非结构化存储集群、1个全局化数据分析、1个web集群化一体平台。非结构化存储集群能够高效地存储数据，兼具安全性和可靠性，实现马智慧养殖过程中的海量多源大数据存储,为数据分析提供基础；全局化数据分析实现对来自不同来源的大量数据进行分析和处理，从庞杂的数据中提取有价值的数据，并将这些数据发送到数据库中，供后续调用；web集群化一体平台通过调用数据库中的数据，构建各种符合马养殖需求的应用程序，以高效直观的方式呈现和管理养殖数据，为马养殖管理提供数据支持和科学决策依据。

图4 技术路线图

3.1 非结构化存储集群

非结构化存储集群采用大规模非结构化集群Hbase，如图5。HBase是一种基于列存储的分布式NoSQL数据库，其数据模型是以行、列、版本号三个维度来组织数据的，使用Hadoop HDFS作为其文件存储系统，HDFS采用分布式存储的方式，将马智慧养殖的多源海量数据存储在多个节点上，同时为了提高读写效率，HDFS还采用了数据切块（Block）的方式。以马智慧养殖过程中的异常行为监测视频数据为例，HDFS将大文件视频数据分为多个小块进行存储和管理。当需要向HBase中写入视频数据时，视频数据首先被写入到HDFS中的一个新数据文件中，然后HBase再将该视频数据文件的元数据存储到HDFS的另一个文件中，同时将该元数据保存到MemStore中。当MemStore中的视频数据量达到一定阈值后，HBase会将其刷写到HDFS中，形成一个HFile文件。HFile文件中的数据按照行键排序，同时采用了块索引的方式进行管理，以提高视频数据的读取效率。当需要从HBase中读取视频数据时，首先根据行键定位到对应的HFile文件，然后根据列族和列限定符获取视频数据。如果需要获取多个版本的视频数据，则会根据时间戳从HFile文件中读取多个视频数据版本，并根据版本号进行排序和去重。

3.2 全局化数据分析

从分布式存储HDFS中读取马养殖多源数据，形成全局化数据，进行数据清洗。如图6，数据清洗后保存至HDFS，使用分布式消息中间件Kafka，以topic进行分类，形成消息队列，结合管道流方式的日志系统Flume,形成“Kafka+Flume”的消息总线。使用大数据计算框架MapReduce完成海量数据运算，MapReduce可以完成各种离线批数据处理，在离线状态不间断利用二次排序算法：将用户的数据分析请求按照时间戳进行二次排序，首先按照用户请求的时间戳对请求进行排序，然后再按照其他条件对请求进行排序，如请求的优先级或者请求的复杂性。该算法可以确保在离线状态下，按照用户的需求和优先级有序地处理数据分析请求。实现计算和处理用户已经发起的马智慧养殖全局化数据分析请求。同时，MapReduce具有良好的扩展性，当计算资源不能得到满足的时候，可以通过简单的增加机器来扩展它的计算能力。结合MapReduce强大的计算能力，使用基于HDFS的数据仓库Hive，操作接口采用类SQL语法，提供快速开发的能力，避免了去写MapReduce，在执行大数据处理具有很大的优势。在进行马智慧养殖全局化数据统计分析后，将处理好的数据送至HBase数据库管理系统,为用户应用提供数据支撑。

图5 Hbase技术框架

图6 全局化数据分析技术图

3.3 web集群化一体平台

平台采用基于python成熟框架django构建web集群化一体平台，如图7，Django是一个基于MVC（Model-View-Controller）模式的Web应用框架，实现集群一体化平台。以马智慧养殖大数据平台可视化功能为例。当用户端发起调用马毛色、马数量、马品种信息统计请求时，该请求发送到Web服务器，之后Web服务器将请求发送到Django框架。Django框架根据请求的URL路由，找到对应的马毛色、马数量、马品种信息的View函数，View函数处理请求，从数据库中获取马毛色、马数量、马品种信息的数据，然后将数据渲染到模板中，最后Django框架将渲染好的HTML响应返回给Web服务器，Web服务器将响应发送回用户端。最终在前端可视化部分，页面呈现通过LayUI框架进行展示，使用Html、CSS、Java Script以及Echarts前端可视化库，以柱状图、饼图、折线图和列表等形式展示Django传递的数据，完成可视化。

4 平台实现效果

4.1 马智慧养殖大数据平台信息管理系统

目前，新疆马产业现代化养殖主要问题是缺乏完善的数据采集与管理机制，养殖人员普遍重视马养殖的成果产出，而对马生产过程中的数据汇集和利用重视不足，制约了新疆马产业现代化数据共享及数据中心的可持续发展。马智慧养殖大数据平台信息管理系统，如图8，是马智慧养殖全产业链大数据建设最基础也是最重要的系统，本项目结合马智慧养殖的实际情况，采取电脑端与移动端相结合，人工信息录入和设备智能采集相结合，数据实时汇聚和统一分类相结合的方式进行数据采集，汇入相应数据仓库形成专题数据库。

图7 Django框架运行原理图

4.2 马智慧养殖大数据平台可视化数据中心

可视化数据中心是一个多功能的平台，旨在将与马匹养殖相关的各项数据集中显示，以帮助养殖企业更好地管理和监测马匹养殖情况。可视化数据中心（图9）整合了大量来自多个来源的异构数据，通过后台服务实现数据访问接口，前端应用则利用开源框架如Openlayers、Echarts、Cesium以及自定义的时间轴组件，对马匹养殖领域的数据进行可视化呈现，通过巧妙的布局和多种数据呈现方式，如轮播、图文结合、饼图、柱状图和曲线图等，集成展示了关于马厩配额、品种统计、马匹情况，运动量统计，环境监测、毛色统计和最近更新等多方面信息，为马养殖管理者提供了全面的数据洞察，从而更好地管理和决策马匹养殖活动。

5 总结与展望

本文针对马养殖全过程的大数据，总结了马养殖大数据的来源、模型分析和应用平台的研究进展，重点梳理了在马养殖的基本信息档案、防疫登记、育种配种、环境监测及行为分析等的研究和应用，建立了马智慧养殖大数据平台，实现了信息统计、实时监测、数据管理分析和数据可视化等基础功能，但是当前对马养殖大数据分析建模的研究还处于起步阶段，在如何利用马养殖大数据来解决实际问题方面仍然面临许多问题和挑战，主要包含以下几个方面：

针对马养殖的大数据来源仍然不够丰富，大部分数据以环境数据和马的基本数据为主体，缺乏更加细化的数据，如考虑马情绪、驯马师专业知识和兽医处方式治疗等数据来源。

马养殖的大数据分析模型的应用范围仍然较为传统。当前研究集中在信息统计分析、数据监测和数据可视化。而对马养殖全过程数据与深度学习模型、大型语言模型的结合度不够，难以做到更加广泛的应用推广。

马养殖产业大数据关联性应用不够突出。马智慧养殖大数据平台建设尚未完善，平台数据存在数据利用率较低、整合度不够、标准不统一问题，当前大多数分析仍然是对特定数据或者小样本的分析，导致数据分析的可靠性不够高。

综合当前研究现状和面临的问题，马智慧养殖大数据平台的后续建设的重点是拓宽数据来源，丰富马养殖全过程大数据，逐步实现全过程数据与先进人工智能算法深度结合，提升平台的其可靠性、实用性和应用范围。进一步完善马智慧养殖大数据平台，能够促进新疆马产业向智能化发展，为大数据技术在其他畜牧业养殖的应用提供借鉴。

[1] 罗鹏辉.新疆马产业发展现状分析[J].新疆畜牧业,2022,37(3):8-12.

[2] 赵恬也,余国新.新疆现代马产业发展路径探究[J].边疆经济与文化,2020,(2):20-22.

[3] 关于加快新疆马产业高质量发展的意见[J].新疆维吾尔自治区人民政府公报,2022,(Z4):19-24.

[4] 李婷婷,马娟娟,张建华.农业大数据信息采集平台建设研究[J].中国农学通报,2022,38(3):158-164.

[5] 顾君,贾暑花,曾庆鸿.基于知识中台的农业单品全产业链大数据平台建设研究[J].农业大数据学报,2021,3(1):25-32.

[6] 周爽爽.互联网+背景下智慧农机大数据平台发展策略研究[J].现代农业研究,2020,26(4):75-76.

[7] 车辉,苗碧舟,马春跃,杨波.湖州市吴兴区智慧水产养殖系统建设方案[J].智能物联技术,2022,5(1):49-54.

[8] 李志雄.红河州畜牧业大数据平台建设应用与对策思考[J].中国畜牧业,2021,(23):52-53.

[9] 刁海亭.物联网在智慧畜牧业高质量发展中的作用浅析[J].山东畜牧兽医,2022,43(3):53-56.

[10 阿赛提,阿布来提·达吾提.基于大数据的动物疫情防控信息系统应用与分析——以新疆畜牧兽医大数据平台为例[J].新疆畜牧业,2021,36(4):35-40.

[11] 夏春芳,魏斌,高亮.伊犁州直无纸化动物防疫体系推广应用现状及建议[J].上海畜牧兽医通讯,2021,(2):47-49.

[12] 鲁海富,李艳,马建文,蒲文兵.新疆昌吉州动物防疫信息无纸化建设中存在问题与建议[J].畜牧兽医科学(电子版),2020,(21):132-133.

[13] 张杰,刘升平,岳慧丽,吕纯阳,洪葳.智慧蜂业大数据平台建设与应用[J].农业大数据学报,2021,3(1):3-13.

[14] 邹骅.数字化水产养殖中智能环境监测与控制技术[J].科学养鱼,2023,(8):78-80.

[15] 韩书庆,刘继芳,张建华,吴建寨,孔繁涛.奶牛养殖环境物联网监测设备的研发与应用[J].黑龙江畜牧兽医,2019,(24):37-41+49.

[16] 张浩,邬锐军,魏玉环,马骏骥,孙香莲.大数据平台搭建对生猪规模化养殖的影响[J].现代农业,2020,(6):62-65.

[17] 段青玲,刘怡然,周新辉,任妮,李道亮.大闸蟹养殖大数据分析模型和应用进展[J].农业大数据学报,2021,3(1):56-65.

[18] 沈秋采,杨涛,朱超,彭宇飞,杨晋丹,梅珀彰,党雨晴.马场信息综合管理系统的开发与设计[J].家畜生态学报,2018,39(3):75-80.

[19] 王超,肖建华,翟志南,栾宏梁,秦宏宇,耿琦,王洪斌.马场病历信息管理系统的构建[J].黑龙江畜牧兽医,2014,(15):152-153.

[20] 郭斌,张太红,孟军,李海,翟少华,朱让东,艾柯代·努尔买买堤,张泽宇.基于Django的马匹信息管理系统的设计[J].微型电脑应用, 2021,37(4):11-13+36.

[21] 梁真.现代化畜牧养殖探讨[J].农民致富之友,2017,(10):272.

Design and Implementation of An Equine Intelligent Breeding Big Data Platform

LIU YanHong1,2,5,6, CAO KeTao3, CHEN XinWen3, LI JinXing1,2,5,6, XIONG Tao4, DU XueMei4, BAI Tao1,5,6, ZHENG WenXin3*, GUO LeiFeng2*

1. College of Computer and Information Engineering, Xinjiang Agricultural University, Urumqi 830052, China; 2. Agricultural Information Institute, Chinese Academy of Agricultural Sciences, Beijing 100080, China; 3.Institute of Animal Husbandry Quality Standards, Xinjiang Academy of Animal Science, Urumqi 830011, China; 4. Xinjiang Wild Horse Cultural Development Co., Ltd., Urumqi, 830011, China; 5. Intelligent Agriculture Engineering Research Center of the Ministry of Education, Urumqi 830011, China; 6. Xinjiang Agricultural Informatization Engineering Technology Research Center, Urumqi 830011, China

With the continuous development of information technology, intelligent farming is being increasingly applied in modern livestock industry. Modern advanced information technology is gradually being applied throughout the entire process of equine farming. Utilizing technologies such as big data and artificial intelligence to promote the intelligent development of the equine industry and improve equine farming efficiency is one of the important pathways towards modernization and technological advancement of the equine industry. In this study, an equine intelligent farming big data platform based on the four-layer system architecture, including the device layer, data layer, data processing layer, and application layer, was developed using the latest information technologies such as big data, artificial intelligence, and the Internet of Things. The platform integrates five functional modules such as record management, epidemic prevention management, breeding management, behavior management, and environmental management, enabling data collection, analysis, model building, and application throughout the equine farming process. This research can provide insights for the construction of intelligent farming in equine breeding bases and enterprises, achieve fine monitoring and management of equine farming, improve equine production efficiency and breeding benefits, and provide more reference significance for the future development of the equine industry.

equine; intelligent farming; big data platform; visualization

刘严红, 曹克涛, 陈新文, 李金星, 熊涛, 杜雪梅, 白涛, 郑文新, 郭雷风. 马智慧养殖大数据平台设计与实现[J]. 农业大数据学报, 2023, 5(3): 93-103.

LIU YanHong, CAO KeTao, CHEN XinWen, LI JinXing, XIONG Tao, DU XueMei, BAI Tao, ZHENG WenXin, GUO LeiFeng. Design and Implementation of An Equine Intelligent Breeding Big Data Platform[J]. Journal of Agricultural Big Data, 2023, 5(3): 93-103.

2023-05-30；

2023-08-22

运动马及马场智慧管理关键技术研发（项目编号:2022B02027-2）

刘严红，E-mail：84071379@qq.com；通信作者郑文新，E-mail：303004083@qq.com；通信作者郭雷风，E-mail：guoleifeng@caas.cn。