AI能力在智慧养殖应用现状

市场供求关系的剧烈波动凸显了我国生猪产业业高质量发展的重要性。创设适应行业发展新形势的措施，全面提升生猪供应安全保障能力势在必行。“智慧养猪”近两年一直是生猪养殖领域的热词，无论是深耕行业已久的农牧企业还是跨界融入的互联网新贵，都希望在技术进步催生行业变革的过程中各展拳脚，共同探索和优化智慧养猪的技术方案。

(1)养殖基地的安全生产防控
现场视频监控已成为养殖基地不可或缺的生产安全管理设施，然而人工巡查数以千计的前端摄像头所传递回来的一线数据，发现和评估风险并及时采取措施是一件耗时耗力且难以持续的工作。基于生产视频监控平台，通过构建超轻量物体检测模型，对关键目标物体、目标事件进行识别，输出检测信息；根据实际需求构建多个识别场景如猪舍内生物安全、猪场外围、卖猪等，针对每个场景增加识别目标如员工、死猪、私家车、饲料车等，首先利用物体检测模型识别场景内指定的目标物体，加上来自专家的经验知识进行判断，推理事件是否符合生产管理，如特定场景下死猪处理合规性、人员操作合规性、猪只状态异常等，通过检测、推理输出报警信息，并可截取图片、视频等备查，从而辅助生产管理，极大降低监管人员、数据分析人员的工作强度，更全面、及时的基于生产视频监控系统对基地生产的监管。

图1 生产监控视频内的AI应用
(2)猪只在栏盘点
传统人员到场的生物资产盘点方式已不能够满足基地生物安全防控的严格要求，动态、准确获取生猪存栏、出栏体重、数量等关键数据的难度也随之增加，影响了猪场的日常管理；且体重及数量难以准确实时获取也影响了财务分析的及时性。
利用轨道移动式摄像头采集搭到栏位内猪只的瞬态图像数据，经过实例分割算法可以提取单头猪只的轮廓，不仅可以获取该栏饲养猪只的头数，实现基地资产的远程盘点和监管，还可评估栏位内饲养密度，结合专家经验，可设置密度阈值，对密度大的栏位进行及时调栏干预，降低因饲养密度过大造成猪只健康风险。

图2 猪只在栏盘点
(3)赶猪通道出猪盘点
在猪场售猪场景下，传统的售卖方式借助人员清点以及过磅称重方式，这种方式往往存在以下问题：一是资产流失风险，人力盘点难免出现漏点虚报问题；二是资源耗费大，售猪过程在整个养殖过程是一个关键点，售猪过程往往需要财务、猪场管理人员、生产员工等多方在场，占用了相当数量的人力物力财力，亦增加了生物安全防范压力；三是缺少过程精准、实时、确凿的备查资料存证，不便于后期纠纷处理或审计工作开展。
通过在出猪通道上方合适位置安装具有一定算力的视频采集设备等，用于出猪时统计猪只数量和体重估算，相关报表和视频自动留存。当前在算法层面有两种思路来实现视频动态盘点：其一利用物体检测算法识别猪只，并结合划线法来统计经过特定区域猪只的数量；其二是物体检测算法结合目标追踪算法，如yolov5+deepsort算法，该方式可以实时识别特定猪只并追踪给与一个ID。
需要说明的是，局限于企业、行业管理制度以及人工智能算法的精度，系统结果尚不具备当作一般性财务凭证的性质，但可定位为日常监管，一方面售猪过程全程可实时监管，事后可以根据权限来调用现场实时视频、备查视频等，实现出猪智能监管；另一方面通过售猪系统数据与现场人员盘点数据进行比对，可以实时对差异较大的现象及时提醒，防范资产流失。未来结合更精细化的算法，还可以根据图像信息对猪只进行定级，通过对残次猪的识别及猪只的评级，避免售猪过程因猪只判定造成的纠纷，使猪场利益最大化。

                                          图3 赶猪通道出猪盘点

(4)体重、膘体估测
猪的体尺是评价猪生长的重要参数，也是种猪选育和肉质评价的重要指标。猪只体长、体宽、体高、胸围等三维体尺与体质量呈正相关，可用体尺估测体质量。有经验的养殖人员虽然也能够通过目测体尺估测体质量，但这种方法无法快速复制和推广。还可借助称重设备、体尺测量设备，但这类方法员工需要频繁巡栏或者赶猪，非常耗费人力。机器视觉技术可以无接触、准确地测量物体外形和表征信息，避免传统测量方法导致动物应激，提高动物福利。
借助深度图像可以记录场景中各点与相机间的距离信息，反映物体表面的三维特征，快速构建猪只的三维模型，结合深度学习技术可以计算体长、体宽、体高、臀宽、臀高5个体尺，并进而得到猪只体重、体况、背膘等。

                                     图4 AI在体况评估的应用

(5)数据分析
数字化转型的概念被提及以来，受到各行各业的高度重视，纷纷探索企业数字化转型之路。企业数字化转型高度依赖数据和分析方法，数据是继土地、劳动力、资本、技术之后的第五大生产要素，在企业构筑竞争优势过程中越来越重要。分析方法是充分发现、挖掘数据价值的必要工具。随着数字化的展开，数据属性变得越来越复杂，图片、视频、文本、结构化、声音等多类数据源源不断的从实际的应用场景汇聚；而另一方面数据辅助管理、生产、监管需要不同类型数据的融合，统计学模型已无法满足日益多类数据间的融合下的数据价值挖掘。
机器学习、深度学习、强化学习AI技术已逐步登上生猪行业商业智能应用的舞台：1）生产数据分析主要涉及存栏规模和存栏结构、出栏量和猪肉产量、养殖技术水平、养殖成本及疫病疫情等的监测；2）猪肉消费信息分析主要涉及猪肉消费规模、消费升级、消费特征以及供需平衡等内容；3）猪肉价格信息分析主要涉及生猪市场交易价格形成机制、波动特征及价格波动风险管理等；4）生猪全产业信息分析主要涉及生猪产业发展的综合信息分析；5）在市场监测预警方面，基于资讯、新闻、评论等的舆情监控，NLP技术正发挥其在文本处理方面的优势，利用情感分析、文本摘要、文本抽取等技术可全面监管市场行情波动，提供了不一样的角度对市场行情的监控。

图5 舆情分析
特别的，生产管理数据分析上，生产过程数据呈现出属性稀疏、超高维、高噪声、数据漂移、关系复杂等特点，传统的统计学分析模式难以胜任此类大规模数据处理。如在开展生产数据深度分析的过程中，需要构建ACF相关系数、偏自相关系数、ADF单位根检验和DFGLS检验的综合分析模式，通过实时查询集团各猪场死销数据在查询期间内是否平稳，从而有利于判断和监测猪场一段时间内死销数据是否产生了明显的异常。另一方面在评估猪场批次化生产模式执行质量及辅助猪场批次化生产上，常规的数据分析模式往往受各生产节点数据融合而导致的维度高的影响，不够直观且深度不够。借助知识图谱技术可以轻松构建各批次间转栏、追溯饲养过程、母猪生产过程等，直观地助力猪场精细化管理模式的推进。

图6 知识图谱在生产过程管理上的应用