戴美玲，毛慧敏，毛江昌，李 濤，朱水芬，毛元良，林文君，杜秉華，樓平兒

（天蓬集團有限公司，浙江 衢州 324109）

目前，我國很多（種）豬場都有自動測定設備，但對其產生的數據的正確性把握，卻不得而知。如果這些數據不能如實 “說出”測定豬只的生長性能，那不僅影響到育種工作的效率，甚至會對育種工作產生誤導。嚴格、連續(xù)的場內測定是改良核心群的根本措施，是培育專門化品系的核心技術，是育種場成敗的關鍵［1-2］。只有真實正確的測定數據才能反映受測動物在一定的測定條件下最真實、最完整的行為。

浙江開盛生態(tài)農業(yè)發(fā)展有限公司的原種豬場是國家畜禽標準化規(guī)模的養(yǎng)殖示范場，擁有27臺奧飼本自動測定設備。在長期的實踐過程中，為了保障測定數據正確性，發(fā)現(xiàn)需要做兩方面的重要工作：一是減少設備運行過程中影響數據正確性的因素，二是對出錯數據根據具體情況進行分析與維護。數據維護是自動設備的數據質量管理系統(tǒng)中的重要工作之一，只有進行分析與合理維護的測定數據，才能最大限度地展現(xiàn)測定動物的最真實的行為，才具有評估、應用與交流比較的實際意義。

圖1 某測定站在一段時間里觀察到的差值與DPC變化情況

該文首先介紹為什么在動態(tài)下料型自動測定設備得到的數據需要進行維護，并嘗試對影響測定數據的因素進行分類、探索數據維護的路徑和方法。

1 影響自動測定設備測定數據正確性的因素

在進行動物生長性能測定時，自動測定設備處于一個24 h不間斷、全自動的工作狀態(tài)。奧飼本自動測定系統(tǒng)，每天產生的行為數據量（也叫事件數據，每個事件數據包括時間、身份、采食和體重4個方面數據）可達4 000個左右，能準確記錄測定站發(fā)生的各種實際狀況 （甚至包括老鼠偷食行為等）。

相對其他行業(yè)，動物生長性能自動測定設備的工作環(huán)境更惡劣，尤其表現(xiàn)在測定動物的行為數據上（遠比人們想象的要復雜），而且自動測定設備現(xiàn)階段還不具備“超智能”。也正因為如此，即使在保證設備正常工作的情況下，仍會經常出現(xiàn)不少出錯數據。在長期的實踐過程中，天蓬集團（浙江開盛）生態(tài)農業(yè)發(fā)展有限公司堅持以恢復測定動物最真實的行為數據為目的導向，把自動測定設備運行中影響測定數據正確性的因素歸結成三類：測定系統(tǒng)的誤差因素、設備運行過程中的隨機影響因素和動物的行為干擾因素。

1.1 測定系統(tǒng)的誤差因素

正常的自動設備系統(tǒng)誤差是設備出廠時默認設置的性能指標。比如，奧飼本牧業(yè)設備(上海)有限公司在它的設備操作手冊中描述了它的稱量誤差在1.0%以內，也就是說飼料秤校準時的誤差可以控制到±10 g的范圍內；體重秤校準時的誤差可以控制到±0.1 kg的范圍內。綜合實際運行中發(fā)生的各種因素，甚至包括動物行為造成的飼料浪費，奧飼本廠方提供的設備檢測報告中顯示整個日采食量的飼料稱量總誤差率可達到0.17%～0.63%。

因此，如果能夠維持設備處于正常工作狀態(tài)的話，自動測定設備在正常運行時的誤差并不高，其中的默認設置一般也不會成為影響數據正確性的重要因素，在實際運行時也不作為首先考量的對象。但是，如果設備不能得到很好的維護和檢修，就會出現(xiàn)系統(tǒng)故障。

例1：圖1為某一測定站在一段時間里動態(tài)投料值（dispension portion calibration，DPC，即每次投料前系統(tǒng)自動計算下料量的校正值）與差值（指2次投料量之間的料槽重量差，對DPC值的校正有影響）的變化情況，從圖中可發(fā)現(xiàn)A點之前差值和DPC值處于穩(wěn)定的小波動狀態(tài)，屬于正常工作范疇；但是從A點開始差值和DPC值出現(xiàn)異常，差值從A到B點保持不變，而后差值為0；從A點開始DPC逐漸升高，到B點后保持不變（系統(tǒng)啟動保護機制，DPC值被鎖定）。通過綜合分析該站的報告數據，發(fā)現(xiàn)是設備中的芯片（AD7714）出現(xiàn)問題，從而引發(fā)故障。

1.2 自動設備運行中發(fā)生的隨機影響因素

自動設備運行中發(fā)生的隨機影響因素主要是測定過程中的外界因素，如動力中斷、飼料中斷、設備的粘連與故障等，它的誤差程度可能是系統(tǒng)誤差的十倍甚至更多。如有發(fā)生，則主要表現(xiàn)在數據鏈中斷、飼料量和體重量異常等方面。

例2：如圖2所示，在出錯日志里可發(fā)現(xiàn)于2017 年 10 月 15 日，9#、10#、11#、12#、13# 陸續(xù)出現(xiàn)長時間的投料失敗（見圖2a、b、c、d、e）。 通過現(xiàn)場查詢發(fā)現(xiàn)，出現(xiàn)該現(xiàn)象的原因是飼料管理出現(xiàn)問題，是因斷料引起的投料失敗。當出現(xiàn)斷料時，就會出現(xiàn)期間采食事件數據信息完整，但采食量數據幾近0的現(xiàn)象（見圖2f）。

圖2 斷料引起的采食量為0的記錄

例3：當測定站出現(xiàn)投料失敗，除了會引起例2種采食量為0的事件，也可能引發(fā)如圖3所示的情況：該豬在2017年7月11—17日期間，日采食量數據高達3～6 kg，其中，有連續(xù)2 d的采食量超過6 kg，而這對于體重為50 kg左右的生長豬是不可能發(fā)生的。通過結合該測定站的出錯數據和投料數據，發(fā)現(xiàn)是因為該段時間出現(xiàn)飼料的中斷，而導致該頭測定豬在一段時間內采食時被“虛投”了飼料，造成該頭豬的幾天采食量匯總結果異常。

1.3 動物的行為干擾因素

圖3 測定過程中某一測定豬的采食量“虛高”記錄

按經典數據誤差理論來講，影響因素只分成系統(tǒng)誤差和隨機誤差兩大類，動物的行為差異也應該作為外界隨機的影響因素。但是，在自動測定設備對動物測定的特殊情況下，把它作為特別的一項因素，這會有利于對出錯原因的分析和數據維護，原因有3個：①經常有純粹的動物異常行為表現(xiàn)為“出錯”數據；②動物習性疊加到設備的局限性上，會加劇和放大出錯的概率；③有動物行為參與的出錯數據量占總出錯數據量的很大比例。

例4：如圖4a所示在該豬在2017年10月5日，體重突然下降，而在實際生產中豬的體重不可能起伏如此大，通過分析是動物的采食行為引起的。

例5：在測定站運行過程中，發(fā)現(xiàn)2017年10月12日、2017年10月13日、2017年10月14日3 d里有1頭豬沒有任何體重（見圖5 a），結合該豬的采食數據（見圖5b）以及每天的日報告發(fā)現(xiàn)，該豬是因為生病，3 d未進行采食，該采食量數據正確地反映了該豬在這3 d中發(fā)生的情況，但同時也造成數據（體重值）的缺失。

在實際測定環(huán)境中，測定豬采食事件數據異常主要體現(xiàn)在以下4個方面：數據鏈中斷、飼料中斷、設備粘連和動物異常行為。

數據鏈中斷是指自動測定設備采集的事件數據之間時間間隔超過2～3 h。因為自動測定設備是24 h不間斷地運行，一般一個測定欄里受測豬為12頭左右，據筆者多年觀察發(fā)展，12頭豬一天內的采食間隔時間通常不應超過2～3 h。另外，由于身份識別功能的失效，引起階段性零耳牌事件數突發(fā)的情況，也會導致數據鏈中斷，造成數據缺失。

飼料中斷是指在一段時間里料槽在補料過程中不能得到足夠的飼料量的現(xiàn)象，會影響DPC值，導致相應一段時間的投料差異，影響動物的采食量數據。與此同時，如果飼料中斷這一事件發(fā)生的時間較長，還會引起動物的應激反應。

設備粘連主要是料槽秤和體重秤在機械或其他原因引起其稱量值受到黏滯的影響，導致飼料量和體重信息的錯誤采集。其表現(xiàn)在負采食量、飼料量和體重量的異常波動等情況。

動物異常行為是指受測動物發(fā)生的應激行為，以及處于正態(tài)分布范圍以外的發(fā)生行為。該因素往往會與前面的2個情況相互作用，且會放大影響。

2 數據維護及其意義

針對這些出錯數據，Casey等根據分成的7個出錯數據類型（每次事件的采食量、每次采食事件占用的時間、每次采食的速度、發(fā)生事件的導出飼料量誤差、發(fā)生事件的導入飼料量誤差、發(fā)生事件的導出時間誤差、發(fā)生事件的導入時間誤差），并由此衍伸出16種不同出錯類型的閾值。在數據篩選時，主要根據動物行為數據是否符合正態(tài)分布的理論，通過數學模型的運算修正偏離正態(tài)曲線范圍的數據［3-4］。所以，一般直接將這些超出閾值的數據摒棄，以減少它們的出現(xiàn)頻率。然而筆者通過嚴謹的分析，如果簡單地將這些“出錯”的數據（在記錄中受到各種因素影響而發(fā)生偏離的記錄數據）刪除，會造成數據的缺失，還不能準確地反映測定動物的真實行為。

對于出現(xiàn)的異常數據要對測定過程中的所有數據進行綜合的分析與評定，據此進行維護后才能獲得反映動物的真實采食行為的測定數據［5-6］。該文中提及的數據維護方法其應用前提是設備系統(tǒng)處于正常管理狀態(tài)。自動測定設備的數據在實際上受到的影響因素很多，在此無法將所有情況一一列舉。該文將列舉幾個案例，僅供參考。

例6：如圖4a中，測定豬2017年10月5日體重突然下降，通過數據分析發(fā)現(xiàn)是動物的采食行為造成的，但如果直接以該數據為基數或直接將其刪除，勢必會影響該豬的日增重數據正確性，而這些最終都會影響到100 kg體重的日齡、總采食量和飼料報酬等數據的正確性，因此，需要對該天豬只的體重進行維護 （取相鄰2 d體重的平均值作為該天豬的體重）（見圖4b），通過比較維護前后該豬的日增重發(fā)現(xiàn)，維護后平均日增重增加了0.003 kg/d。

例7：“虛投”的飼料量對整個測定站的飼料報酬數據的正確性影響也很大。對于生長階段豬（體重約50 kg）來講，單次采食量≥1.5 kg從統(tǒng)計學上來講發(fā)生概率僅約為0.1%，所以它可作為動態(tài)投料型設備發(fā)生設備故障和管理失常的一個標志值。這里做了一個關于單次采食量≥1.5 kg事件數據的統(tǒng)計，結果見表1。

表1的數據顯示測定站1#、2#運行結果是較理想的，其他測定站運行的結果并不盡如人意，特別是5#站，單次采食量≥1.5 kg事件占總采食事件數的比例高達13.78%。通過追溯系統(tǒng)運行的日報告文件以及出錯數據及投料數據，分析發(fā)現(xiàn)導致 3#、4#、5#、8#單次采食量≥1.5 kg事件數顯著增加的主要原因是飼料中斷引起動態(tài)投料時虛投量增加。此外，數據分析顯示，僅統(tǒng)計單次采食量≥1.5 kg事件的采食量一項，就能發(fā)現(xiàn)其對于測定豬整體的采食水平影響之大。測定站8#就因為動態(tài)投料時的虛投導致豬只的采食量提高了62.99%，而這將直接導致該站的平均飼料報酬增加62.99%，若對這些數據不進行合理的維護，那么該站的飼料報酬測定數據就不是真正體現(xiàn)豬的真實水平，而是含有了“虛高”的飼料報酬，而這樣的數據也就失去了使用的意義和價值。

表1 單次采食量≥1.5 kg事件占總采食事件數的比例

3 小結

綜上所述，自動測定系統(tǒng)中獲得的測定數據，并不是可以直接拿來分析的，更不能直接拿來下結論。因為自動測定系統(tǒng)在實際運行環(huán)境中受到測定系統(tǒng)的誤差因素、設備運行過程中的隨機影響因素和動物的行為干擾因素等因素的影響或干擾，或多或少會影響測定數據的正確性。

這些因素的影響可以從數據鏈中斷、飼料中斷、設備粘連、動物異常行為4個方面考慮，并進行判斷和分析。通過減少設備運行過程中影響數據正確性的因素，及對出錯數據根據具體情況進行分析與維護，就比較有把握獲得正確性高的數據。

所幸的是，相關工作者已經意識到自動測定設備獲得的數據的正確性需前前后后考慮較多的因素，經過認真、細致、謹慎地進行分析和維護，才能有把握地說：這些數據能最大限度地展現(xiàn)測定動物的最真實的行為，才具有進一步評估、應用、交流、比較的實際意義。相信，建立完善的數據質量管理體系，測定站所獲數據的正確性會越來越好，從中得到的結論指導生產的可靠性也越來越高。

參考文獻：

［1］劉榜.家畜育種學［M］.北京：中國農業(yè)出版社，2007.

［2］王青來，吳珍芳，劉敬順，等.原種豬場如何做好現(xiàn)場育種［J］.養(yǎng)豬，2011（2）：53-56.

［3］CASEY D S， STERN H S， DEKKERS J C， et al.Identification of errors and factors associated with errors in data from electronic swine feeders ［J］.Journal of Animal Science，2005， 83（5）：969-982.

［4］EISSEN J J，KANIS E，MERKS J W M.Algorithms for identifying errors in individual feed intake data of growing pigs in group-housing ［J］.Applied Engineering in Agriculture，1998，14（6）：667-673.

［5］杜秉華，樓平兒，王燕麗.種豬生長性能自動測定系統(tǒng)的數據正確性及其影響因素 ［J］.豬業(yè)科學，2017，34（5）：110-113.

［6］SAINTILAN R，SELLIER P，BILLON Y，et al.Genetic correlations between males，females and castrates for residual feed intake， feed conversion ratio， growth rate and carcass composition traits in Large White growing pigs［J］.J Anim Breed Genet，2012 ，129（2）：103-106.