規?；馀鰯底只芸仄脚_的開發與應用

張帆，周夢婷，唐湘方，劉民澤，楊振剛，熊本海

摘要：隨著我國肉牛規?；O施養殖模式的逐步普及，對牛只的精細化甚至智慧化管控已提上議事日程；同時，物聯網、大數據、人工智能（AI）甚至大模型的快速發展正不斷滲透到各行各業，使得對包括傳統養殖在內的智慧管控也成為可能。本研究以陽信億利源5G數字化牧場為研究對象，集成應用智能電子耳標及智能項圈，以及包括溫濕度、氨氣、二氧化碳、風向風速、光照及空氣質量（H2S，PM2.5，PM10，TSP）等多種環境傳感器。同時進行全面動態感知牛只個體的生理指標如運動量、反芻量等，并通過對上述2個重要的生理指標的分析，判斷繁殖母牛的發情情況并預測最佳的配種時間，或通過監測牛只反芻量的變化，判斷飼料的調整是否合適；全面感知牛舍包括溫濕度及空氣質量指標，為牛舍的精準通風及環境質量的精準控制提出數據支撐；并采用MY SQL數據庫技術及DELPHI語言進行相關數據的分析。本研究構建了集養殖環節關鍵數據自動采集、數據的自動轉換計算、數據的有線及無線傳輸、數據的遠程貯存及處理控制為一體的物聯網管控平臺，實現了對肉牛養殖環境、健康狀態、防疫及飼料調度等數字化管控平臺。隨著系統不斷運行與迭代、養殖過程數據維度及數據量的不斷積累與拓展，基礎數據及派生數據的挖掘及升值空間越大，將為建立肉牛養殖的大模型奠定基礎。

關鍵詞：肉牛；數字化牧場；電子耳標；傳感器；管控平臺

1? 引言

肉牛養殖業是我國畜牧業的重要組成部分。近些年來，我國肉牛養殖業發展迅猛，肉牛養殖的存欄量及出欄量不斷增加，牛肉產量不斷攀升。按國家統計局公布的數據顯示，2013－2022年，中國肉牛存欄量總體呈波動增長趨勢，2022年中國牛存欄量達10215.85萬頭，同比較2021年增長了398.6萬頭，增幅為4.06%。與2013年的8985.76萬頭相比，近9年間增量達1230.09萬頭、增幅為13.69%，年均復合增長率為1.43%。從牛肉的產出分析維度看，隨著肉牛養殖規模的擴大，牛肉產量不斷攀升。2021年，我國牛肉產量為697.51萬噸，同比增長3.73%；2022年，我國牛肉產量進一步增長，達到718.00萬噸，較2021年增加了20.49萬噸，同比增長2.94%。但牛肉產量占肉類產量的比例隨生豬疫情的緩解稍有下滑，2021年占比為7.76%；2022年占比為7.78%，與2021年基本持平，該占比明顯低于養殖業發達國家35%以上的水平[1-3]。

盡管我國肉牛養殖獲得一定的發展，但隨著人民生活水平的改善，對牛肉的需求也隨之增加，國內牛肉的產量尚不能滿足市場的消費需求。2022年我國牛肉進口增加到268.94萬噸，較上年增長了15.30%，與2009年的進口量僅為6.8萬噸比較，過去13年間牛肉進口量增加了近40倍[2]，表明我國肉牛養殖還有較大的提升空間。

從肉牛的養殖效率分析，我們與肉牛養殖的發達國家比較，仍存在較大的差距。主要體現在以下幾個方面：一是缺乏優質肉牛生產的專門化品種，品種混雜，本地良種肉牛及外來改良牛改良率之和僅占35%；二是繁殖體系不全，國外15－18月齡的肥育去勢公牛的平均屠宰重為582千克，母牛產犢間隔不超過12個月。而我國出欄的肉牛中18月齡的商品牛很少，6月齡的商品牛幾乎沒有，一頭肉牛從配種受孕到產犢需九個半月，從犢牛到育肥牛出欄又需要18－20個月，生產一頭肉牛需28－30個月，生產周期過長；三是商品肉牛生產依然存在繁殖成活率低、商品牛出欄率低及死淘率高的問題，我國母牛繁殖成活率平均僅為72%，肉牛年出欄率為26.7％，與發達國家或地區（美國36.52%、歐洲43.74%）相比相差較大[4-5]。加之飼料成本及人工成本的不斷上漲，導致我國肉牛的綜合養殖效率包括出肉率及單位養殖成本明顯高于飼料資源豐富、養殖效率高的西方國家，使得西方牛肉的生產成本優勢非常明顯，構成我國肉牛進口的較大價格優勢。

從我國肉牛的養殖方式來看，目前是散養模式與規?；B殖模式并存，前者仍然是主體。據國家統計局統計，我國共有近386257家正常經營狀態的肉牛養殖相關企業，7225家肉牛加工相關企業。從肉牛養殖行業競爭格局來看，肉牛養殖行業集中度較低，中國肉牛養殖規模領先的前30家企業肉牛存欄76.2萬頭，占比不到全國牛存欄的1%[4-5]。因此，如何進一步提高肉牛養殖的集中度，提高資金在技術上的投入，提高整體的養殖效率水平，任務極其艱巨。

當前利用現代信息和人工智能（Artificial Intelligence，AI）技術，通過現代的機器人和自動化設備實現數字化、智能化家畜養殖，是提高畜牧養殖生產力的主要解決途徑[6]。對于規?；娜馀ｐB殖企業，必然擁有相對穩定的母牛繁殖群，其母牛繁育小犢牛并通過自繁自養模式生產肉牛，或通過“公司+農戶”模式，即由農戶寄養母牛，犢牛交公司統一育肥模式，從事肉牛的生產，不斷產生過程數據，如同能繁母豬一樣，需要從建立繁殖母畜的系譜著手，實現全生產過程的數字化管理，不僅可以提升牛場的數字化管理水平，有效掌控肉牛個體及群體的生產性能，最終通過提高繁殖母牛的繁殖率，提高商品牛的綜合生產效率。國際上，肉牛場數字化管控系統包括早期的信息管理系統，如典型的DeLaval公司的ALPROTM牛群管理系統[7]、西班牙Agritec公司開發的VAQUITEC系統[8]。近年來，伴隨著信息通訊技術及物聯網技術的快速發展，基于射頻識別技術（Radio Frequency Identification，RFID）標識技術、環境精準控制技術、無應激間接估重技術、AI技術及精準飼喂技術等，逐步嵌入或融合到肉牛場的生產過程中來，將過去的信息管理系統不斷提升為生產過程的可現場可遠程的管控系統，即實現基于“信息或數據采集”、“數據傳輸與貯存”及“數據分析及反饋控制”的物聯網閉環系統，通過全面監控肉牛場從養殖環境到肉牛個體的生產過程數據，從中發現問題并及時糾偏，為維護牛場的健康與良性運行提供有效的技術支撐平臺[9-10]。在國內，有關針對規?；?、集約化的肉牛場生產過程的精細化管控系統報道較少。典型的精細化管控系統有肖建華等[11]構建的肉牛繁育管理系統，涉及了對肉牛場生產過程中用于系譜溯源的系統開發；楊亮等[12-13]開發的“規?；馀鰯底只W絡平臺開發與應用”及“肉牛及牛肉全程溯源系統”。上述平臺仍以養殖過程生產要素數字化為主，缺乏數據的自動采集與遠程控制等功能。

因此，本研究將以肉牛場整體作為研究模型，以肉牛的個體電子標識為切入點，從肉牛場環境的智能控制、肉牛個體的體況信息采集為核心，以肉牛小群體的全混合日糧（Total Mixed Ration，TMR）飼喂控制為目標，構建肉牛場主要生產事件的數字化管控平臺。建立基于物聯網的肉牛場養殖過程數字化管控平臺，以實現對基于肉牛個體標識為基礎的肉牛養殖從環境的精準控制到基于個體的健康監測及防疫的數字化管理，實現規?；馀Ｉ岬倪h程可看可控，滿足規?；鋈躺a的數字化、智能化管理對信息技術的需求。

2? 肉牛場全過程管控技術與數字化平臺設計

2.1? 肉牛場智能管控總體思路

平臺開發以互聯網、大數據、物聯網、5G、AI等技術為基礎，結合產業生態思維的肉牛場智能養殖為目標，通過對各智能管控模塊的集成，構建高效的肉牛場多維度數據采集、智能化數據分析及預警的管理平臺，為肉牛場的生物安全與環境控制、資產管理、牛只個體的健康管理、飼料營養管理及生產經營過程數字化保駕護航，依托數字化的管控大腦[14]與邊緣計算技術[15]，指揮設備執行系統指令，全面接管牛場的人、牛、場、設，實現對牛只從出生到出欄全生產周期的智能化管控。通過智能設備應用、大數據運營實現養殖企業生產效益的提升，降低養殖場經營成本。

2.2? 平臺智能管控模塊設計

管控平臺以牛場的生物防控及環境控制為前提，以監管牛場的環境、牛只本體行為與健康、牛只飼料與營養及氣體排放，也包括相關設備運行狀況，以事件驅動為切入點，實現牛場全生產過程的數字化、智能化及可視化。主要智能管控模塊設計如圖1所示。

如圖1所示，管控平臺包括4層架構，即“表征指標體系構建”、“感知手段部署”、“調控模型構建”及“智慧牧場系統研建”。整個系統以牛只的表征指標體系的建立為切入點，包括了規?；B殖場的生態指標，主要為舍內的溫濕度指標、空氣質量指標（PM10，NH3）及光照強度指標等；針對牛只本體的生理狀態，需要的指標包括行為、外形特征即外顯指標及內隱指標。行為指標主要包括運動量、反芻量及發情行為等，外顯指標主要包括體況評分、跛行評分，也可以包括糞便評分等，還包括牛只的體表溫度及呼吸頻率等。而內隱指標主要指瘤胃內的生理指標如瘤胃液體的pH及氨態氮（NH3-N）濃度等。與肉牛生長有關的指標主要包括營養與體重指標。其中，營養則包括了采食量與采食次數及采食時長、日躺臥次數及躺臥時長等，增重指標主要包括體重、料肉比及日增重等。上述感知指標是頂層設計目標，只有在感知技術不斷成熟及投入資金到位的前提下，才能不斷獲取，短期還難以實現。

“感知手段研發”則針對智慧牧場構建提出的感知指標，有針對性地充分利用人工智能的感知技術，構建相應的感知數據采集系統。針對牛舍的生態環境指標，通過環境感知裝置，主要基于各種環境感知的傳感器與低功耗廣域網數據傳輸網絡設計，構建在線式跨平臺牧場環境綜合感知物聯網系統，有效感知養殖舍不同區域不同時間點的溫濕度及空氣質量指標。

針對牛只的生理狀態參數，本系統依據采集指標的特性及要求的精度不同，擬集成非接觸式及接觸式的感知系統。非接觸式感知系統具有無接觸、非侵入的特點，包括了手持式體型體況與跛行智能評定系統，以及基于機器視覺的固定式健康行為智能監測系統。采集視頻的設備固定在牛只的采食區域、躺臥區域或飲水區域，按照設定的時間點及時長采集牛只的視頻，通過分析與邊緣計算，監測牛只的健康狀況。常用的視頻數據采集設備包括彩色圖像攝像機、紅外圖像攝像機、深度圖像攝像機和熱成像設備。該視頻采集系統將攝像機架設于棚舍頂部，獲取俯視的觀察視角，通過獲取的圖像信息經數據預處理、關鍵區域提取、特征提取和姿態模式識別。接觸式的感知系統則主要通過佩帶智能電子耳標、項圈、腳環及皮下或瘤胃植入式感知系統等，連續獲取動物的生理參數如運動量、反芻量、體表溫度、皮下溫度、瘤胃pH或NH3-N濃度等。通過非接觸式和接觸式感知系統對肉牛數據的自動化監測，實現對肉牛的生理狀態、行為的識別，經過相應的數據分析用于肉牛發情、分娩、健康狀態、生長性能等關鍵指標的檢測并用于牧場智能管控，實現肉牛的智能化養殖。

針對牛只的生長指標感知系統的研發，主要結合單個牛只飼喂設備、通過RFID技術識別牛只的電子耳標號，連續記錄進入采食器的時間與離開的時間，采食前和采食后的料槽的重量差經過簡單計算可獲得牛只日采食次數、采食量及采食的有效時間。RFID技術是一種非接觸的自動識別技術，其基本原理是利用射頻信號和空間耦合（電感或電磁耦合）傳輸特性，實現對被識別物體的自動識別。該技術主要包括RFID標簽和射頻識別閱讀器。RFID標簽由半導體芯片、天線和電池組成，安裝于動物身體上，保存有約定格式的動物信息數據，當該設備接近閱讀器時，閱讀器以非接觸方式識別標簽內的信息，從而實現動物個體的識別[16]。因此該技術可有效記錄牛只采食次數、時間，并估測采食量，當前該技術與裝備在肉牛上應用較為成熟[17]，本研究不再展開?！罢{控模型研建”層主要構建環境調控模型、營養調控模型及溫室氣體的減排調控模型等。后兩類模型非?；A和具有挑戰性，本文不做贅述。前類環境調控模型主要依據不同季節及牛只的不同生長生理階段的熱環境舒適度指數ET及舍內空氣質量評價指數（Air Quality Index，AQI）構建其模型[18]。其中，ET= f （Tdb， rh， v， rad），式中自變量Tdb、rh、v、rad分別代表溫度、相對濕度、風速及熱輻射4個維度；AQI = f （CCO2， CNH3， PM10），式中自變量CCO2、CNH3分別代表CO2、NH3的濃度。上述環境控制模型的構建及應用需要在大量的觀察樣本數據的基礎上構建所得，也可以通過計算流體力學（Computational Fluid Dynamics，CFD）模型獲得。

“智慧牧場系統構建”層，主要包括牛舍環境智能監測與控制系統的搭建與工程化實施，肉牛精準飼喂控制系統的搭建與工程化實施，以及肉牛甲烷產量監測與數據分析及控制。

以上主要從感知指標層、感知手段層、控制模型構建層及智慧牧場的控制層4個維度闡述了肉牛場智慧管控平臺功能設計思路。本研究以圖1所示的平臺架構為建設目標，分階段分步驟實施相關的軟硬件技術及系統開發，部分技術取得了預期的進展。

3? 平臺搭建實施與效果分析

3.1? 牛舍環境控制

肉牛的養殖環境影響肉牛的健康和生產性能，其中主要的環境因素包括溫熱環境、空氣質量和光照環境等。而溫熱環境主要為影響動物機體代謝產熱和體溫調節的溫度、濕度和風速等物理指標。而空氣質量主要為動物代謝、糞尿及墊料分解產生的二氧化碳（CO2）、氨氣（NH3）等有害氣體，以及舍內飼養和動物產生的粉塵顆粒物。其中粉塵顆粒物監測主要包括細顆粒物（Particulate Matter With a Diameter of Less Than 10 ?m，PM2.5）、可吸入顆粒物（Particulate Matter With a Diameter of Less Than 10 ?m，PM10）、總懸浮微粒（Total Suspended Particulates，TSP）。光照環境主要包括光照強度和光照時長。肉牛場的環境指標影響著肉牛的生理健康，當超出其生理限制，可造成肉牛生產性能下降，因此實時對肉牛場的相關環境指標進行監測并及時進行相關環境的調控是養好肉牛的關鍵。

為精準調控肉牛場的養殖環境，該牧場對肉牛養殖環境進行實時監測，進而對養殖環境進行精準高效的自動控制。圖2給出了牛場多維環境參數感知系統搭建的架構圖。該環境監測設備需要部署的傳感器包括溫濕度傳感器、NH3傳感器、光照傳感器、CO2傳感器、粉塵傳感器（PM2.5、PM10及TSP）及風速傳感器等。各傳感器固定安裝于牛舍內的安全部位對牛舍的環境進行實時監測。各種傳感器的感知信息采用有線方式將數據實時上傳至中繼節點，由中繼節點完成數據處理與緩存，并按照預先設定的10分鐘/次數據傳輸節律，按TCP/IP協議通過無線（4G/5G）傳輸方式將數據發送至阿里云服務器或企業內部的數據服務器中，為環境的精準控制提供基礎數據源。

圖3左圖顯示在牛舍適當位置布設的各種傳感器及各種必要的管線（電源線、信號線等），右圖為布設在舍外的光伏板發電裝置，主要為中繼節點及中間節點進行供電，同時通過有線連接到上述各種現場數據采集的傳感器并進行供電，以保證傳感器及時上傳或發送數據。

表1列出本研究搭建環境參數感知系統所采用的11種傳感器的主要參數信息。其中溫濕度傳感器及PM2.5/PM10分別集成在一起。所有傳感器均來自石家莊龍騰偉業科技有限公司。主要參數包括傳感器的型號、閾值范圍、測量精度及分辨率。所有傳感器的供電電壓除風速風向傳感器為DC 7－DC 12 V外，其他均為DC 7－DC 24 V。表1中所示各種傳感器的檢測范圍及精度均能滿足牛舍內環境的感知要求。所有傳感器均來自石家莊龍騰偉業科技有限公司[19]。

按圖2、圖3所示的技術路線、傳感器的選型、

部署與供電方案、采集數據的處理、緩存與傳輸，實現了包括11種環境參數數據的場景采集與多種模式的可視化分析。例如，圖4為現場各種采集的環境參數的可視化及綜合顯示，其顯示的數據源直接來自現場中斷節點處理的環境參數數據?，F場工作人員無需用電腦或手機就能直接查看環境參數的狀態。指針落在綠色區域內表示該指標是適宜的；指針落在紅色區域內表示該指標達到或超過了閾值，為工作人員手動或自動控制環控設備提供判斷依據。圖4右圖所示的環境溫度14.8 ℃，在適宜溫度范圍內。

圖5為基于APP技術開發的移動端的環境參數監測系統的實時狀態圖。系統通過不同的顯示方式（表針式、點線式）及不同的顏色（藍、綠、黃、紅）反映不同參數的狀態值、連續變化的態勢及參數所處的狀態（偏低、適宜、預警及異常）。其中，判斷每個狀態參數的屬性依據系統事先設定的閾值而定性。肉牛設施養殖的最佳多維協同環境參數的確定較為困難，需要根據養殖模式、建筑結構、通風模式，肉牛的生理與生長階段、飼養密度、飼養地區和季節，確定最佳組合的環境參數。最佳組合的環境參數需要不斷積累與總結實際生產產出的效果而綜合確定。

3.2? 肉牛的運動行為監測

3.2.1? 繁殖母牛的發情與健康行為監測

本研究選用無錫富華科技公司生產的ET851集測溫及運動量記錄于一體的智能電子耳標。該電子耳標內置CPU，2.4G發射電路、3D-mems加速度傳感器、溫度傳感器、電壓檢測裝置，且能夠通過2.4G私有協議發送佩戴動物的耳標溫度、反芻情況、運動情況和電池電壓值等。該耳標工作溫度范圍-10 ℃－50 ℃，測量溫度范圍20 ℃－50 ℃，測量精度0.2 ℃，設備每10秒發送一個數據包，數據更新周期為5分鐘。其中加速度傳感器采用了瑞士ST公司生產的高性能超低功耗的3軸“femto”加速度運動傳感器，用來記錄佩戴耳標牛只的運動量信息。設備通過智能網關收集各電子耳標發送的數據，通過無線網絡傳輸至云端服務器，管理人員可通過手機APP、網頁客戶端實時查看牛只編號、體溫、運動量、反芻等信息及耳標電池電壓等情況，當畜禽數據出現異常時及時人工復核并采取相應措施，可減少牧場損失、提高管理效率和經濟效益。該耳標對牧場資產監管、動物個體身份識別、動物健康狀況、牧場智能管理發揮著重要作用。

為了對比國際上肉牛行為感知系統，本研究選用以色列SCR公司提供HRLDn項圈，用于記錄牛只尤其繁殖母牛的活動量及反芻量，試圖對2套系統記錄的運行量數據進行分析比較。圖6為ET851耳標及HRLDn項圈同時佩戴的場景，各自采集的數據的算法處理技術因涉及知識產權的問題，采用各自的數據分析系統處理。

基于ET851智能耳標，實現對佩戴耳標肉牛尤其繁殖母牛在X、Y及Z軸不同方向運動量的連續采集，但每個軸向的運行量可能與牛只的行走、采食、躺臥、飲水及反芻等運動行為有關，需要將不同方向的運行量取得大樣本數據后，基于不同算法進行處理后可分別抽取行走、采食、躺臥、飲水及反芻等單獨行為。本研究以獲得牛只的反芻行為為例，主要從嘴部咀嚼運動頻率及吞咽頻率為突破點，采用傅里葉變換函數[20]將從3個軸向記錄的波段中，將符合嘴部運動頻率及下咽頻率的波段抽取出來，再按波幅及頻率重新合成為反芻行為的波動曲線。在保證數據記錄時間足夠長且30分鐘做一次校驗分析與判斷后，利用AI算法進行反復訓練，模型算法對反芻行為的抽取及行為合成的一般準確率達95%以上，冬季因不受蚊蠅對牛只耳朵的干擾，準確率可達97%以上。圖7為針對耳號為202350000022牛只的基于傅里葉變化處理及模型優化后得到的某一段時間內的反芻時間，最長的反芻時間可達600分鐘左右，最短的在400分鐘以上。平均在504分鐘。

為了比較，從另一個牛場連續獲得基于HRLDn項圈及配套的云端軟件系統通過特定算法處理的繁殖牛只運動量及反芻量數據，結果顯示在圖8中。如圖8所示，圖中綠色曲線為“4689”個體的運動量曲線，紫色線條則是反芻量曲線。有不少研究[20-22]表明，當某牛只的運動量達到高峰或者是最為躁動時，其反芻量急速下降甚至不反芻時，一般認為該牛只處在發情或進入發情狀態，就要對其配種，如自然受精或人為輸精。而配種存在一個最佳的配種時間，如果將牛只的運動量達到高峰的時間點定義為“0”時，則在其后的3 h－16 h為最佳的配種時間，可保證輸入的精液到達子宮后最佳存留時間及精子活力，進而與母牛排出的卵子有充足的時間接觸受孕，提高受孕率。研究表明[23]精子在排卵前6 h到達子宮，等待排卵的“卵子”到來，精卵結合配種成功率最高。因此，準確感知母牛的生理狀態并揭發發情事件，并實時配種，是提高母牛繁殖力的主要技術手段，也是智慧繁殖的核心內容。

如圖8中所示，當母牛第一次出現發情行為時，如果配種不成功，一般情況下需要再過18－25天進入下一情期配種，增加了一個發情周期的非生產性天數（Non-productive Days，NPD），導致胎間距和繁殖成本增加。肉牛NPD的增加，導致在該段時間內，牧場雖持續進行飼養投入，而母牛無生產貢獻，降低綜合經濟效益，也增加配種的人力成本。因此通過自動監測母牛的反芻和運動信息，實現發情準確、及時監測，對提高牧場經濟效益和降低人力成本有重要意義。

3.2.2? 牛只的營養狀況的監測

TMR飼喂技術是一種將粗飼料、精飼料、礦物質、維生素和其他添加劑充分混合以滿足反芻動物營養需要的飼養管理技術。如圖9所示，該牧場采用全自動配料系統進行TMR飼料的自動稱重和配料，配好的飼料經自動撒料車進行撒料，同時對整個配料過程數據進行實時記錄實現肉牛TMR飼喂的精準配料和精準飼喂，極大降低人工工作量。

而TMR飼料組成和加工情況會影響到動物的健康和生產性能，因此實時監測肉牛的營養狀況對肉牛的生產管理意義重大。飼料的改變會引起動物的生理和行為上的變化，尤其是反芻行為的變化。通過項圈感知牛只的反芻行為主要監測每日反芻時間的長短，可間接監測牛只的健康、熱冷應激及營養狀態等[23-24]。例如，圖10反映了在某示范奶牛場因某種飼料原料出現短缺后，改變了一直使用的TMR配方，飼喂后出現了反芻時間連續下降，且對應的產奶量降低的異常。重新改回原TMR飼喂后，反芻時間逐步恢復，繼續改變TMR配方，又出現前面的情形，直到改回原先的TMR配方后，牛只的反芻行為才逐漸恢復到理想的狀態，即每日反芻時間達500分鐘以上，表明了牛只一旦長期飼喂某種TMR后，形成了與之對應的瘤胃微生物區系，也決定了牛只的反芻嗜好。如果改變了TMR日糧，一旦影響到瘤胃原先已經形成的微生物區系，就會影響到其對應的反芻行為。圖10所示的案例表明，TMR的配方調整較大，如果不是瘤胃微生物正常生長需要的養分偏好，最終導致不能適應TMR的調整。由于引起反芻行為改變的因素較為復雜，此處不做深入剖析。

3.3? 肉牛管理平臺的研發與效果

根據肉牛全程智慧養殖及數字化管控的要求，不僅需要對肉牛的繁殖過程進行個性化管理，也需要對肉牛的飼料營養、防疫保健等進行綜合管理。因此，以陽信億利源5G牧場為研究模型，開發了網絡版的5G牧場數字化管控平臺（圖11）。平臺的一級管理模塊包括：智慧養殖、中央廚房、養母繁犢、屠宰加工及銷售溯源。本研究主要負責智慧養殖模塊，即肉牛養殖過程中的數據采集與分析。

如圖11所示，在“智慧牧場”模塊下，設計了4個子模塊，即“牛只身份”、“防疫管理”、“設備環境”及“管理中心”。在“牛只身份”管理下，首先為在群的每頭牛只佩戴11位唯一標識的電子耳標，通過耳標關聯的信息包括了8項信息。其中“月齡”信息隨著時間的變化會自動增加；通過牛只信息管理數據庫系統，可以建立起每頭牛的系譜，可關聯該牛只的父親、母親，祖父母及外祖父母等。此外，前已敘及，本項目采用的是有源的智能感知耳標，同HRLDn項圈一樣，內部嵌入有三維運行傳感器及對應的后臺數據分析系統，通過運動傳感器記錄的原始數據及后臺對應的數據分析系統，可以在線獲得每頭牛的運動量數據曲線，而對應的反芻量、采食量及休息量等指數曲線還在不斷積累數據及模型優化中。最后一個重要的指標則是料肉比（Feed Conversion Ratio，FCR），盡管該指標是一個重要的生產性能指標，但其測定是相當困難的，一般只有在種牛場做生產性能測定時進行該指標的測定，在肥育牛場及TMR飼喂模式下，準確獲得每頭牛的FCR難以實現，但可獲得一個肉牛場單個圈舍或總體群體FCR的平均值。

“防疫管理”模塊，主要按牛只編號在線記錄每天牛只的免疫情況，并可對指定時間段做免疫統計，但缺乏對牛群或牛場的消毒及免疫計劃的事先設計。未來應該制度化開展針對不同牛只性質群體的消毒及免疫計劃。通過該消毒及免疫時間計劃，利用計算機系統可以實現對未來牛場開展的消毒及免疫行為實施動態提醒，甚至做到對每個個體的免疫及時做出預警。

“環境設備”包括對環境設備的在線管理。肉牛場環境設備主要包括冷熱風機、電扇、噴淋設備、水溫表、關照設備及音樂播放器等。其他的重要設備還包括表1所示的各種傳感器。該模塊在線記錄這些傳感器感知的數據并在系統中顯示，如圖12所示的舍內的溫濕度、水溫、光照亮度、氨氣濃度及其變化，與圖4及圖5的環境參數的動態可視化顯示結合起來，滿足不同時空條件下對環境狀態的監管需求。

圖12顯示的各種環境參數如溫濕度為環境的精準控制提供依據。通過多維環境控制邏輯為基礎的環控器，可遠程自動控制各種環境設備的開啟與關閉。本系統為滿足動物福利特別增加了音樂控制器，可在不同的時間段根據當前的經驗播放不同的音樂。有研究表明[25-26]，動物聽到喜歡的音樂可以緩解壓力，如奶牛擠奶時聽到喜歡的音樂會增加擠奶速度，反之則增加壓力或減少產奶量及生產速度。但對于各類型的動物，處在一天中什么時間段或什么樣的生產行為（采食、飲水、躺臥、游走）需要什么風格的音樂，最有利于動物的健康和生產性能，是當前有關動物福利需要深入研究的方向。

4? 討論與結論

4.1? 肉牛場智慧管控需要數據的全面感知與獲取

對于規?；馀龆?，無論是牛只本體，還是維護牛場運行的各種環控設備，包括各種傳感器、飼料制作及投喂設備，物質轉運設備，以及相應的工作人員，每天乃至每個時間段會不斷產生生產過程數據。例如，繁殖母牛的生產是一個周期性的生產行為，不斷發情、配種、產犢、哺乳與斷奶，并進入下一個繁殖周期；環控設備也在智能環控器的控制下，不斷開啟與關閉，飼料的生產與物資配送也在不斷地運行，因此人、牛、車及設備等主體不斷產生生產過程數據。在信息技術發展到目前以物聯網、大數據及人工智能為典型特征，尤其以大模型[28]為典型標志的第4次信息技術浪潮到來的今天，對過程數據的采集必須是基于現代感知技術如RFID技術，以及利用各種傳感器并結合無線及有線網絡自動感知或采集數據，保證數據的及時性、連續性與真實性，最少化人的主觀干預，也可結合區塊鏈技術，保證數據的安全及不可篡改[28]。與前人研究[29-30]構建的類似平臺相比，本研究采用的數據采集結合多種傳感器技術，體現了技術的與時俱進，但獲得數據的可靠性還需要不斷優化采集方案，有進一步提升的空間。

4.2? 養殖過程數據需要挖掘分析提升數據的利用價值

肉牛養殖過程中動態的、多維數據信息的采集與計算機管理并不是數字化管理的最終目的，而是要通過對采集數據的分析，特別在建立相關數據之間的關聯，從中挖掘對生產管理具有應用價值的數據，尤其是建立可控制生產過程的動態模型，如環境控制最佳模型、畜禽健康的預警預報模型，飼料消耗及生長預測模型等[10， 31]。因此，本系統嵌入了基于感知數據的數據分析模塊，提供了大量的通過已知數據按一定模型預測的其他生產指標如“應配青年?！薄翱諔涯概！薄爱a后未孕”“產后未配”及“胎間距”的模塊等。但由于目前系統運行后積累的數據不足，與楊亮[29， 32]等研究針對生豬的管控平臺比較，需要加大積累家畜個體及樣本數量，逐步體現模型化技術的應用效果。

4.3? 研究平臺的拓展與愿景

通過本數據平臺的構建，實現對肉牛養殖過程的數據采集、數據分析與展示，最終達到對養殖過程的控制，包括飼料資源拓展利用[33]，環境精準控制，牛群的防疫與健康干預，牛只周轉與淘汰控制，飼料的配送與飼喂控制，牛只的出欄及銷售控制，目標是以最少的投入獲得最好的養殖效果，達到最終獲得最佳的生產效益?？傮w上，牛場系統的運行還是追求系統內部的最優方案。但是，如果將牛場作為一個單元置于養殖產業的大環境中，就存在一個局部的最優，即獲得最佳的生產效率并不等于獲得最好的效益。這是因為輸出產品的替代性及類似產品的國際貿易等外部大環境都會影響某個行業的整體效益。趙春華等[33]研究了規模飼養模式下，不同規模奶牛場、不同的母畜胎次結構，為獲得盈虧平衡點的各個牛場的最佳飼養規模。盡管其研究受制于當時的數據量，但提出的研究思路仍然具有現實意義。Hansen等[34]和Mertens等[36]則從可操作變量及策略變量兩方面，包括飼料的價格、牛群規模、犢牛價格、肉牛的繁殖與健康狀態等參數，提出測定肉牛場效益的評估模型，并通過牛場的實際發生數據驗證了構建的模型基本可行。特別是當下進入大數據、超維數據時代下，產業數據化及數據產業化正不可阻擋進入傳統產業，正迫使畜牧業的轉型升級，如果將技術與特定時空下的經濟目標結合起來，將會對每一個現代牧場管理策略的制定產生深遠的影響。

4.3? 結論

肉牛場的智慧化管控以生產過程信息的全面感知及有效傳輸為基礎。以牛只個體電子標識為切入點，融合各種環境傳感器及生理感知系統的數據采集技術，是AI技術應用于現代5G牧場建設的“基石”，在線式獲取生產狀態數據，保證了重要數據的及時、準確獲得。

養殖過程的狀態數據尤其實時獲取的生產感知數據必須通過算法模型進行處理后，才能轉化為可辨識的生理指標數據，如運動量、反芻量及派生出的發情及發病狀態等。那么轉化后的數據是否真實反映動物的真實生理特征，則需要獲得大量的樣本訓練集，才能獲得較好的模型。這樣的模型才有應用價值。

養殖場內部最優化的運行方案不一定具有最佳的投入產出比，需要通過模型驅動，動態確定企業的最佳規模及最佳盈利措施。當所處行業面臨低谷時，將企業的損失最小化。

參考文獻

[1] 農業農村部市場預警專家委員會. 中國農業展望報告（2022-2030）[M]： 中國農業科學技術出版社， 2022.

[2] 農小蜂智庫. 2023年中國肉牛產業分析簡報[EB/OL]. https：//baijiahao.baidu.com/s？id=1776372548098153560&wfr=spider&for=pc.

[3] 農業農村部畜牧獸醫局， 全國畜牧總站. 2020年肉牛產業發展形勢與2021年展望[J]. 2021（2）：40-42.

[4] 韓碩. 規模肉牛養殖現狀及發展對策探究[J]. 2023（13）：32-33.

[5] 中國報告大廳. 肉牛養殖前景[EB/OL]. https：//www.chinabgao. com/freereport/78706.

[6] 楊亮， 熊本海， 王輝， 等. 家畜飼喂機器人研究進展與發展展望[J]. 智慧農業（中英文）， 2022，4（2）：86-98.

[7] ALPROTM Herd Management System[EB/OL]. [2013]. http：//www. delaval.com/en/-/Product-Information1/Management/Systems/ALPRO/.

[8] Agritec[EB/OL]. [2023]. https：//www.agritecsoft.com/zh-chs/.

[9] 何勇. 智慧農業[M]. 北京： 科學出版社， 2023.

[10] 熊本海， 王朝元， 沈維政. 人工智能與智能養豬[M]. 北京： 中國農業大學出版社， 2023.

[11] 肖建華， 胡玉龍， 范福祥， 等. 奶牛繁殖決策支持系統的構建[J]. 中國農業科學， 2012，45（10）：2012-2021.

[12] 楊亮， 楊振剛， 熊本海. 對我國肉牛及其產品溯源的編碼規則設計的初步建議[C]//中國畜牧獸醫學會信息技術分會2014年學術研討會. 中國畜牧獸醫學會信息技術分會2014年學術研討會論文集. 中國江蘇無錫， 2014： 8.

[13] 楊亮， 楊振剛， 呂健強， 等. 規?；馀鰯底只W絡平臺開發與應用[J]. 2014，16（6）：74-80.

[14] 王秀娟. 數字賦能為現代農業裝上“智慧大腦”（下）[N]. 山西日報， 2023-03-21（007）.

[15] 黃成龍， 柯宇曦， 華向東， 等. 邊緣計算在智慧農業中的應用現狀與展望[J]. 農業工程學報， 2022，38（16）：224-234.

[16] 游戰清. 無線射頻識別技術 （RFID） 理論與應用[M]. 北京： 電子工業出版社， 2004.

[17] 熊本海， 錢平， 羅清堯， 等. 基于奶牛個體體況的精細飼養方案的設計與實現[J]. 農業工程學報， 2005，21（10）：118-123..

[18] 杜欣怡， 滕光輝， 杜曉冬， 等. 基于雷達圖的蛋雞舍綜合環境舒適度評價及應用[J]. 農業工程學報， 2020，36（15）：202-209.

[19] 石家莊龍騰偉業科技有限公司[EB/OL]. （2023）. http：//www.ltwy-iot. com/case.html？ext_fild=%E7%8E%AF%E5%A2%83%E7%9B%91%E6%B5%8B.2023.

[20] 無錫富華科技有限責任公司[EB/OL]. （2023）. http：//www.fofia. com/.

[21] Reith S， Hoy S. Relationship between daily rumination time and estrus of dairy cows[J]. Journal of Dairy Science， 2012，95（11）： 6416-6420.

[22] Dolecheck K A， Silvia W J， Heersche G， et al. Behavioral and physiological changes around estrus events identified using multiple automated monitoring technologies[J]. Journal of Dairy Science， 2015，98（12）：8723-8731.

[23] Pahl C， Hartung E， Mahlkow-Nerge K， et al. Feeding characteristics and rumination time of dairy cows around estrus[J]. Journal of Dairy Science， 2015，98（1）：148-154.

[24] Reith S， Brandt H， Hoy S. Simultaneous analysis of activity and rumination time， based on collar-mounted sensor technology， of dairy cows over the peri-estrus period[J]. Livestock Science， 2014，170： 219-227.

[25] Erasmus L M， van Marle-K?ster E， Masenge A， et al. Exploring the effect of auditory stimuli on activity levels， milk yield and faecal glucocorticoid metabolite concentrations in Holstein cows[J]. Domestic Animal Endocrinology， 2023，82：106767.

[26] Dhungana S， Khanal D R， Sharma M， et al. Effect of music on animal behavior： A Review[J]. Nepalese Veterinary Journal， 2018（35）： 142-149.

[27] 張振乾， 汪澍， 宋琦， 等. 人工智能大模型在智慧農業領域的應用[J]. 智慧農業導刊， 2023，3（10）：9-12， 17.

[28] 王群， 李馥娟， 倪雪莉， 等. 區塊鏈數據形成與隱私威脅[J]. 計算機工程， 2023，49（8）：1-12.

[29] 楊亮， 熊本海， 呂健強， 等. 山黑豬繁殖數據網絡數據庫平臺的開發[J]. 中國農業科學， 2013，46（12）：2550-2557.

[30] 李鴻強， 李亞敏， 曾立華， 等. 基于JDBC技術的奶牛場信息管理系統[J]. 農機化研究， 2007（5）：127-128.

[31] 熊本海. 種豬場精細飼養綜合技術平臺[M]. 北京： 中國農業科學技術出版社， 2005.

[32] 楊亮， 高華杰， 夏阿林， 等. 智能化豬場數字化管控平臺創制及應用[J]. 農業大數據學報， 2022，4（3）：135-146.

[33] 熊本海， 趙一廣， 羅清堯， 等. 中國飼料營養大數據分析平臺研制[J]. 智慧農業（中英文）， 2022，4（2）：110-120.

[34] 趙春平， 馬云， 昝林森， 等. 利用盈虧平衡分析法對奶牛場經濟效益的分析[J]. 畜牧獸醫雜志， 2008，27（6）：31-34.

[35] Hansen B G， Stokstad G. Measuring financial performance on dairy farms[J]. Acta Agricultura Scandinavica， 2005，2（2）：99-109.

[36] Mertens K， Decuypere E， De Baerdemaeker J， et al. Statistical control charts as a support tool for the management of livestock production[J]. Journal of Agricultural Science， 2011，149：369-384.

引用格式：張帆，周夢婷，唐湘方，劉民澤，楊振剛.熊本海.規?；馀鰯底只芸仄脚_的開發與應用——以陽信億利源5G數字化牧場為例[J].農業大數據學報，2024，6（1）： 68-81. DOI： 10.19788/j.issn.2096-6369.000009.

CITATION： ZHANG Fan， ZHOU MengTing， LIU MinZe， TANG XiangFang， XIONG BenHai1. Development and Application of Digital Control Platform in Large- scale Beef Cattle Farm——Take the 5G digital ranch of Yangxin Yi Liyuan Halal Meat Co.， Ltd as an example[J]. Journal of Agricultural Big Data， 2024，6（1）： 68-81. DOI： 10.19788/j.issn.2096-6369.000009.

Development and Application of Digital Control Platform in Large- scale Beef Cattle Farm——Take the 5G digital ranch of Yangxin Yi Liyuan Halal Meat Co.， Ltd as an example

ZHANG Fan1， ZHOU MengTing1， LIU MinZe2， TANG XiangFang1， XIONG BenHai1*

1. State Key Laboratory of Animal Nutrition and Feeding， Institute of Animal Science， Chinese Academy of Agricultural Sciences， Beijing 100193， China; 2. Yangxin Yi Liyuan Halal Meat Co.， Ltd，Binzhou， 251800， Shandong， China

Abstract： As large-scale beef cattle facilities become more and more common in China， sophisticated and even intelligent management of cattle has gained prominence. In the meantime， the Internet of Things， big data， artificial intelligence （AI） and even large models are developing at a rapid pace and are constantly permeating in all industries， making the intelligent management， including traditional breeding， possible. In this study， Yangxin Yi Liyuan 5G digital farm was used as the research object， which integrated application of intelligent electronic ear tags and intelligent collars， as well as a variety of environmental sensors for temperature and humidity， ammonia， carbon dioxide， wind direction and speed， light and air quality （H2S， PM2.5， PM10， TSP）. Simultaneously， a comprehensive dynamic perception of individual physiological indicators， such as the degree of exercise and rumination， was utilized to determine the estrus period of breeding cattle and forecast the ideal breeding period， and was employed to ascertain the estrus period of breeding cattle， forecast the ideal mating period， and determine whether the feed adjustment was necessary by monitoring variations in rumination time. Comprehensively monitoring the environmental indicators， such as temperature， humidity and air quality， is necessary to accurately manage and ventilate the cattle house. The pertinent data was analyzed using the MY SQL database technology and DELPHI language technology. In order to create a digital control platform for the breeding environment， health status， epidemic prevention， and feed management of beef cattle， this research built a digital control platform that integrated automatic collection of key data in breeding links， automatic conversion and calculation of data， wired and wireless transmission of data， remote storage and processing control of data， and so on. This study also shown that the more the system was used and improved， the more data was collected and extended in both size and type during the breeding process， and the more fundamental and derived data could be mined and appreciated. This paved way for the eventual development of a large-scale model for breeding beef cattle in the future.

Keywords： beef cattle; digital pasture; electronic ear tag; sensor; management and control platform