摘要： 肉牛智慧養(yǎng)殖技術(shù)是肉牛養(yǎng)殖業(yè)由粗放型向集約型轉(zhuǎn)型升級的關(guān)鍵技術(shù)，在提升養(yǎng)殖效益及管理效率上發(fā)揮越來越重要的作用。國內(nèi)肉牛養(yǎng)殖業(yè)面臨著智能化設(shè)備利用率低、養(yǎng)殖場管理效率低、養(yǎng)殖成本偏高等產(chǎn)業(yè)突出問題。本文從肉牛個(gè)體識別技術(shù)、智慧表型采集技術(shù)、智慧發(fā)情鑒定技術(shù)、自動(dòng)化飼喂技術(shù)、疾病檢測技術(shù)、以及牛舍環(huán)境監(jiān)測與清潔等6 個(gè)方面概述了當(dāng)前肉牛智慧養(yǎng)殖技術(shù)的研究進(jìn)展和現(xiàn)狀，闡述了關(guān)鍵技術(shù)的應(yīng)用和原理，并對今后肉牛智慧養(yǎng)殖技術(shù)的發(fā)展進(jìn)行了展望，以期為我國肉牛養(yǎng)殖智慧化發(fā)展提供參考。

關(guān)鍵詞： 智慧養(yǎng)殖；肉牛；個(gè)體識別；行為監(jiān)測；環(huán)境監(jiān)測

中圖分類號： S818.9；S823 文獻(xiàn)標(biāo)志碼： A 文章編號： 1001-411X（2024）05-0661-11

我國智慧養(yǎng)殖行業(yè)的市場規(guī)模不斷增長，由2018 年的163.23 億元增長至2022 年的292.25 億元，其中個(gè)體識別、表型采集、發(fā)情鑒定和環(huán)境監(jiān)測等方面的技術(shù)不斷優(yōu)化，國產(chǎn)化水平不斷提高。智能化養(yǎng)殖技術(shù)成功推動(dòng)了傳統(tǒng)粗放型養(yǎng)殖向現(xiàn)代化、自動(dòng)化以及智能化養(yǎng)殖模式轉(zhuǎn)型；其核心優(yōu)勢在于以智能設(shè)備為基礎(chǔ)、物聯(lián)網(wǎng)為中心、信息流為載體，推動(dòng)畜牧業(yè)生產(chǎn)信息化進(jìn)程，進(jìn)而構(gòu)建智能化牧場，創(chuàng)建全新的智慧養(yǎng)殖模式。然而，智慧養(yǎng)殖的發(fā)展仍然面臨諸多挑戰(zhàn)，例如自動(dòng)獲取信息的硬件設(shè)備薄弱，綜合處理信息的軟件系統(tǒng)的開發(fā)力度有待加強(qiáng)，集成化和示范化的智慧養(yǎng)殖平臺應(yīng)用較少，動(dòng)物生理行為與智能信息結(jié)合利用程度低。為了解決智慧養(yǎng)殖行業(yè)存在的問題，《中華人民共和國國民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和2035 年遠(yuǎn)景目標(biāo)綱要》明確提出“加強(qiáng)大中型、智能化、復(fù)合型農(nóng)業(yè)機(jī)械研發(fā)應(yīng)用”“加快發(fā)展智慧農(nóng)業(yè)，推進(jìn)農(nóng)業(yè)生產(chǎn)經(jīng)營和管理服務(wù)數(shù)字化改造”。同時(shí)，我國正在加快推進(jìn)物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、區(qū)塊鏈等新一代信息技術(shù)與農(nóng)業(yè)生產(chǎn)經(jīng)營深度融合，建設(shè)數(shù)字田園、數(shù)字灌區(qū)和智慧農(nóng)（牧、漁） 場。

隨著肉牛智慧養(yǎng)殖技術(shù)的研發(fā)和應(yīng)用不斷增多，大規(guī)模肉牛養(yǎng)殖場正逐步實(shí)現(xiàn)向智慧養(yǎng)殖的轉(zhuǎn)型，在這一過程中，肉牛養(yǎng)殖行業(yè)不僅要提高養(yǎng)殖效率和生產(chǎn)力，還要兼顧牛肉品質(zhì)和安全性，解決飼養(yǎng)成本、廢棄物處理等問題[1]。因此，貫穿肉牛全生命周期的智慧養(yǎng)殖技術(shù)對提高養(yǎng)殖效率、降低運(yùn)營成本和監(jiān)測肉牛健康狀態(tài)具有重要意義。本文將從肉牛個(gè)體識別、智慧表型采集、智慧發(fā)情鑒定、自動(dòng)化飼喂、疾病檢測、牛舍環(huán)境監(jiān)測與清潔6 個(gè)方面闡述肉牛智慧養(yǎng)殖技術(shù)的研究和發(fā)展現(xiàn)狀，以期為中國肉牛養(yǎng)殖業(yè)的智慧化轉(zhuǎn)型提供參考。

1 肉牛個(gè)體識別技術(shù)研究進(jìn)展

1.1 接觸式個(gè)體識別技術(shù)

接觸式個(gè)體識別方法主要分為永久性識別法（Permanent identification methodology，PIM）、半永久性識別法（ S e m i - p e r m a n e n t i d e n t i f i c a t i o nmethodology，SIM） 和臨時(shí)性識別法（Temporaryidentification methodology，TIM）3 種[2]。PIM 主要通過紋身、耳紋、高溫烙印和冷凍烙印等方式識別牛只身份[3]，耗時(shí)耗力，還會(huì)對牛造成傷害，甚至引發(fā)感染。SIM 主要包括塑料頸圈、塑料耳標(biāo)、金屬耳夾等，靜態(tài)標(biāo)志為數(shù)字、條形碼或二維碼等，后兩者可通過配套的管理系統(tǒng)識別個(gè)體牛只，但會(huì)損傷牛耳朵，標(biāo)志會(huì)磨損和丟失[2]。TIM 主要指無線射頻識別（Radio frequency identification，RFID），RFID由標(biāo)簽和讀取器兩部分組成，標(biāo)簽儲(chǔ)存牛只身份信息，放置在牛的頸圈、耳標(biāo)或瘤胃內(nèi)[4]，讀取器再通過電磁場數(shù)據(jù)識別牛只身份，還可測量體溫和追蹤定位。目前，紐扣式RFID 電子耳標(biāo)已廣泛應(yīng)用于牛、羊、豬等家畜養(yǎng)殖中。

1.2 非接觸式個(gè)體識別技術(shù)

鼻紋識別、視網(wǎng)膜或虹膜識別、面部識別均屬于非接觸式個(gè)體識別的范疇，并且需要豐富的生物特征數(shù)據(jù)集。牛鼻子的紋理特征具有唯一性，根據(jù)鼻紋凹陷部分和凸起珠子的紋理特征能識別牛只個(gè)體[5]。將墨水噴在牛鼻子上，用紙張獲取牛鼻紋印，再通過機(jī)器學(xué)習(xí)算法識別牛只身份，通過局部二值模式從口鼻紋圖像中提取局部不變特征，應(yīng)用不同的分類器進(jìn)行牛只識別，準(zhǔn)確率達(dá)99.50%[6]，但收集數(shù)據(jù)的工作量龐大，人工操作繁瑣，且對圖像質(zhì)量要求很高，不適用于大規(guī)模養(yǎng)殖場。視網(wǎng)膜識別通過獨(dú)特的視網(wǎng)膜圖案來確定牛只身份；不同生物個(gè)體的視網(wǎng)膜圖案各不相同，同一個(gè)體兩只眼睛的視網(wǎng)膜圖案也不相同。牛的虹膜具有多種形態(tài)和紋路，也可以輔助分類和識別牛只個(gè)體，可以通過人工觀察視網(wǎng)膜的血管圖案識別牛只身份[7]。以往使用二維復(fù)小波變換獲取牛虹膜信息，試驗(yàn)的識別準(zhǔn)確率達(dá)98.33%，但虹膜圖像不易獲取，對圖像質(zhì)量要求也很高[ 6 ]，因此也不適用于大規(guī)模養(yǎng)殖場。圖1 展示了牛視網(wǎng)膜識別、虹膜識別、口鼻紋識別所用的生物特征。

牛面部、軀干圖案也可以作為分類和識別牛只的特征，與鼻紋、視網(wǎng)膜或虹膜圖像相比，這些圖像更容易獲取。Kim 等[10] 利用聯(lián)想神經(jīng)記憶算法學(xué)習(xí)12 頭日本和牛的面部圖像，證明了可以通過神經(jīng)網(wǎng)絡(luò)算法識別缺少花紋特征的牛面部圖像，并進(jìn)行個(gè)體識別，但算法識別時(shí)間較長。在軀干識別方面，趙凱旋等[11] 用視頻分析方法提取30 頭奶牛的軀干圖像，利用卷積神經(jīng)網(wǎng)絡(luò)準(zhǔn)確識別奶牛個(gè)體，對視頻段樣本識別準(zhǔn)確率達(dá)93.33%，但主要用于識別花斑明顯的奶牛，無法識別肉牛。2023 年，張宇[7]提出了基于TLAINS-InceptionV3 模型的肉牛體側(cè)識別方法，對39 只西門塔爾牛和安格斯牛的3 634張?bào)w側(cè)圖像的識別準(zhǔn)確率為99.74%。在牛臉識別方面，劉爽[8] 采集了50 頭西門塔爾牛130 段視頻，將視頻片段分解成幀圖片后，標(biāo)記面部關(guān)鍵點(diǎn)獲取牛面部數(shù)據(jù)集，利用Keras 深度學(xué)習(xí)框架搭建用于肉牛面部識別的神經(jīng)網(wǎng)絡(luò)模型，準(zhǔn)確率達(dá)98.60%。為了提高在局部遮擋條件下肉牛面部識別的檢測速度和識別精度，李征[12] 提出了一種自動(dòng)捕獲和剪切西門塔爾肉牛面部圖像的算法，對103 頭肉牛的10 239 張面部圖像的識別準(zhǔn)確率達(dá)99.86%。即使在40% 的遮擋率下，也有80.00% 以上的準(zhǔn)確率。表1 對比了8 種非接觸式個(gè)體識別技術(shù)的準(zhǔn)確率，它們在很大程度上提高了識別的精確度和便捷性，實(shí)現(xiàn)了多種特征的識別和跟蹤，適用于大規(guī)模養(yǎng)殖場，為肉牛養(yǎng)殖行業(yè)帶來了全新的發(fā)展契機(jī)。

2 肉牛智慧表型采集技術(shù)研究進(jìn)展

采集肉牛的諸多表型數(shù)據(jù)，能夠評估肉牛遺傳價(jià)值、生長性能及繁殖潛能等，為育種選配和養(yǎng)殖管理提供科學(xué)依據(jù)。傳統(tǒng)的肉牛表型采集依靠人工測量和記錄，如通過卷尺測量體質(zhì)量、體高、體長等，測量誤差大、工作量大、效率低，嚴(yán)重制約大規(guī)模養(yǎng)殖場的發(fā)展。自動(dòng)化、智能化的表型采集技術(shù)如物聯(lián)網(wǎng)系統(tǒng)、計(jì)算機(jī)視覺技術(shù)、傳感器技術(shù)正逐步取代人工。

2.1 開放型牧場肉牛稱重技術(shù)

地磅是直接測量肉牛體質(zhì)量的最佳選擇[14]，然而在散養(yǎng)型牧場，驅(qū)趕每頭牛稱重不僅費(fèi)時(shí)費(fèi)力，還容易引起應(yīng)激反應(yīng)?；赗FID 耳標(biāo)的自動(dòng)稱重系統(tǒng)通過在牛耳上安裝無線射頻的電子耳標(biāo)，當(dāng)牛經(jīng)過稱重臺時(shí)，系統(tǒng)自動(dòng)識別牛只身份，記錄其體質(zhì)量數(shù)據(jù)，借助物聯(lián)網(wǎng)將數(shù)據(jù)實(shí)時(shí)上傳至云端，在泰國清萊一家養(yǎng)殖場對60 頭肉牛進(jìn)行了為期120 d的體質(zhì)量監(jiān)測，結(jié)果表明，集成RFID、物聯(lián)網(wǎng)技術(shù)的肉牛自動(dòng)稱重系統(tǒng)能提供有力的數(shù)據(jù)支撐[ 1 5 ]。Brown 等[16] 研發(fā)的步行稱重（Walk over Weigh，WOW） 系統(tǒng)已廣泛應(yīng)用于散養(yǎng)型牛、羊養(yǎng)殖中，WOW 系統(tǒng)主要包括板條箱、稱重秤、信號識別系統(tǒng)、太陽能電池和數(shù)據(jù)傳輸系統(tǒng)，可自動(dòng)識別牛只信息和稱重，還可計(jì)算牛生長速度[17]。Aldridge 等[18]在澳洲北部牧場測試WOW 系統(tǒng)，對232 奶頭牛稱重，記錄了這些牛在119 d 內(nèi)的體質(zhì)量數(shù)據(jù)，并準(zhǔn)確預(yù)測了96 頭母牛的產(chǎn)犢日期，表明WOW 系統(tǒng)有預(yù)測分娩時(shí)間和進(jìn)行遺傳評估的潛力。2023 年，Parsons 等[19] 在美國俄克拉荷馬州對10 頭肉牛進(jìn)行286 d 的放牧試驗(yàn)，使用WOW 系統(tǒng)記錄牛只體質(zhì)量變化，共識別出3 759 個(gè)有效體質(zhì)量數(shù)據(jù)，與地磅稱重的數(shù)據(jù)相比，準(zhǔn)確率達(dá)到96.00%，表現(xiàn)良好。這類物聯(lián)網(wǎng)稱重設(shè)備避免了動(dòng)物應(yīng)激，但需要放置誘餌吸引牛，有時(shí)會(huì)因牛移動(dòng)過快導(dǎo)致數(shù)據(jù)錯(cuò)誤，仍需進(jìn)一步改進(jìn)。

2.2 集約型牧場肉牛體型采集技術(shù)

常用的描述肉牛體型的測量數(shù)據(jù)包括肩高、體長、胸圍、胸寬、臀高、臀寬等。Gritsenko 等[20] 對561 頭肉牛進(jìn)行了基于RGB-D 圖像的自動(dòng)化測量，測量數(shù)據(jù)包括體質(zhì)量、肩高、胸高、體長、胸深、胸圍和蹄圍。該系統(tǒng)采用3 臺Microsoft Kinect v2 攝像頭，分別從左側(cè)、右側(cè)及頂部同步獲取牛只的色彩和深度圖像，再通過三維模型重建以測量牛只的體型，實(shí)現(xiàn)了自動(dòng)、快速且無接觸的表型采集。測量結(jié)果表明，RGB-D 圖像系統(tǒng)測量的體質(zhì)量準(zhǔn)確率達(dá)到92.40%，體型尺寸準(zhǔn)確率達(dá)96.80%，各項(xiàng)測量指標(biāo)的誤差均在3.00% 以內(nèi)。與傳統(tǒng)人工測量相比，該方法提高了肉牛生產(chǎn)性能的預(yù)測準(zhǔn)確性及選種效率。Li 等[21] 提出了一種基于3D 點(diǎn)云數(shù)據(jù)自動(dòng)測量肉牛體型尺寸的方法，首先提取肉牛腿部區(qū)域的特征，確定關(guān)鍵測量部位，再利用“五點(diǎn)聚類梯度邊界識別算法”精確定位腿部區(qū)域邊界，隨后提取肩部、胸部、臀部等關(guān)鍵區(qū)域，最后計(jì)算出肉牛的斜長、高度、寬度、腹圍和胸圍等主要體型指標(biāo)；對10 頭肉牛采集了不同姿勢的點(diǎn)云數(shù)據(jù)，測量上述5 項(xiàng)體型指標(biāo)的誤差分別為2.30%、2.80%、1.60%、2.80% 和2.60%。然而，點(diǎn)云數(shù)據(jù)自動(dòng)計(jì)算肉牛體型尺寸存在定位不準(zhǔn)確、對牛姿勢敏感等局限（圖2），妨礙了其商業(yè)推廣和應(yīng)用。為此，Li 等[22] 研發(fā)了一種基于姿勢的測量調(diào)整方法，用于提升點(diǎn)云數(shù)據(jù)測定肉牛體型尺寸的準(zhǔn)確性。該方法通過提取背部、軀干、腿部和頭部的12 種微姿勢特征參數(shù)構(gòu)建姿勢調(diào)整模型，以此降低姿勢對測量結(jié)果的影響。他們對11 頭肉牛的表型采集誤差分別為體長1.14%、肩高1.84%、臀高3.47%、胸圍1.56%、腹圍2.36%，經(jīng)過模型校準(zhǔn)后，肉牛體型尺寸的平均誤差顯著降低，不同姿勢下的測量結(jié)果更為穩(wěn)定。這些自動(dòng)化方法能有效采集肉牛表型數(shù)據(jù)，保障數(shù)據(jù)可靠性，為肉牛的表型采集、育種選配及制定屠宰標(biāo)準(zhǔn)等提供支撐。

2.3 肉牛瘤胃內(nèi)表型采集技術(shù)

瘤胃丸劑常用來采集和記錄牛瘤胃內(nèi)的生理指標(biāo)，丸劑通常包括溫度傳感器、pH 傳感器、氧化還原傳感器及無線傳輸系統(tǒng)。如愛爾蘭Moonsyst公司和奧地利SmaXtec 公司已研制出相似且成熟的瘤胃丸劑，后者的丸劑長12.00 cm、寬3.50 cm、重210.00 g，耐瘤胃環(huán)境，無需維護(hù)，能實(shí)時(shí)監(jiān)測牛體內(nèi)溫度、飲水時(shí)間、飲水量、反芻次數(shù)和pH。SmaXtec 基站自動(dòng)讀取數(shù)據(jù)并通過互聯(lián)網(wǎng)上傳至SmaXtec 云平臺，由人工智能分析多元數(shù)據(jù)，發(fā)現(xiàn)異常會(huì)立即發(fā)送通知[23]。此外，養(yǎng)殖戶或獸醫(yī)可以在智能手機(jī)或電腦上訪問結(jié)構(gòu)清晰的生理指標(biāo)信息和待辦事項(xiàng)，使牧場管理更加高效。

3 肉牛智慧發(fā)情鑒定技術(shù)研究進(jìn)展

發(fā)情期是指母牛在雌激素作用下排卵進(jìn)入適宜配種階段的時(shí)期，發(fā)情周期通常為21 d，但也存在個(gè)體差異。母牛在發(fā)情期受孕率最高，是進(jìn)行人工授精的最佳階段。因此，準(zhǔn)確判定發(fā)情期并及時(shí)人工授精，對提高肉牛的繁殖效率和養(yǎng)殖場的經(jīng)濟(jì)效益至關(guān)重要。傳統(tǒng)的鑒定發(fā)情方法主要包括觀察牛爬跨行為、觀察外陰黏液、直腸檢查及測量陰道溫度，但這些方法存在主觀性強(qiáng)、準(zhǔn)確性低以及耗時(shí)費(fèi)力等問題，難以滿足現(xiàn)代化肉牛養(yǎng)殖場的需求。目前，智慧發(fā)情鑒定技術(shù)包括行為監(jiān)測、計(jì)算機(jī)視覺及生物標(biāo)志物檢測等。

3.1 基于行為監(jiān)測的智慧發(fā)情鑒定技術(shù)

發(fā)情期內(nèi)母牛表現(xiàn)出性活躍特征，如相互舔舐、興奮、跳躍等，而接受爬跨是母牛發(fā)情較可靠的標(biāo)志。美國K a m a r P r o d u c t s 公司的K a m a rHeatmount Detectors 是一種壓力檢測器，通過檢測爬跨行為來確定發(fā)情。設(shè)備內(nèi)置計(jì)時(shí)器與信號傳輸系統(tǒng)，把設(shè)備粘于母牛骶骨區(qū)域，若被施加連續(xù)3 s以上的足夠壓力，會(huì)判定為被爬跨狀態(tài)，并向系統(tǒng)發(fā)送牛身份信息[24]。還可以通過監(jiān)測活動(dòng)量判斷發(fā)情，奧地利Zoetis 公司的SMARTBOW 智能耳標(biāo)含3D 加速度計(jì)，可以收集牛頭部和耳朵的運(yùn)動(dòng)數(shù)據(jù)，并根據(jù)每頭牛的特點(diǎn)進(jìn)行長期訓(xùn)練，發(fā)情檢測的準(zhǔn)確率高達(dá)97%，可向智能手機(jī)、平板電腦發(fā)送牛的身份和位置信息[25]。

3.2 基于計(jì)算機(jī)視覺的智慧發(fā)情鑒定技術(shù)

肉牛、奶牛、水牛在發(fā)情期均會(huì)表現(xiàn)出爬跨行為，基于計(jì)算機(jī)視覺的發(fā)情鑒定技術(shù)在奶牛領(lǐng)域更加先進(jìn)，能夠滿足肉牛養(yǎng)殖的需要。Tsai 等[26] 提出了一種基于運(yùn)動(dòng)和圖像分析的方法來自動(dòng)檢測牛只的發(fā)情和交配行為；該方法主要包括運(yùn)動(dòng)檢測、前景分割、形態(tài)學(xué)操作和運(yùn)動(dòng)分析4 個(gè)關(guān)鍵步驟，原理是利用牛只發(fā)情期間的跟隨和爬跨行為。研究人員在牛舍頂部安裝圓頂攝像機(jī)，從俯視角度觀察每只牛的行為。在800 h 的觀察期內(nèi)該方法能夠以35 幀/s 的速率實(shí)時(shí)檢測交配和發(fā)情行為，準(zhǔn)確率達(dá)到99.67%。為了進(jìn)一步提高計(jì)算機(jī)視覺的實(shí)用性，王少華等[27] 開發(fā)了基于機(jī)器視覺輔助的奶牛發(fā)情行為識別方法，使用改進(jìn)的高斯混合模型檢測運(yùn)動(dòng)的奶牛目標(biāo)，基于顏色和紋理信息去除干擾背景，最后利用AlexNet 深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練行為分類網(wǎng)絡(luò)模型識別奶牛爬跨行為，識別準(zhǔn)確率達(dá)88.24%；然而此方法處理速度較慢，且YOLO v3 模型原錨點(diǎn)框尺寸不適應(yīng)奶牛體型尺寸。針對此問題，王少華等[28] 引入DenseBlock 結(jié)構(gòu)對YOLO v3 模型原特征提取網(wǎng)絡(luò)進(jìn)行改進(jìn)，使用FIoU 和兩框中心距離Dc 度量替代原邊界框損失函數(shù)，提出新的邊界框損失函數(shù)，增強(qiáng)模型的尺度不變性，從而提高奶牛發(fā)情鑒定準(zhǔn)確率至97.62%，處理速度提升至31 幀/s。此外，Lodkaew 等[29] 提出了一種基于計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)的自動(dòng)化牛只發(fā)情檢測系統(tǒng)CowXNet，包括牛只個(gè)體識別、身體部位檢測、發(fā)情行為檢測和行為分析4 個(gè)模塊。在個(gè)體識別模塊中，YOLOv4通過深度學(xué)習(xí)高效準(zhǔn)確地檢測視頻圖像中的奶牛個(gè)體，為后續(xù)的奶牛行為分析提供基礎(chǔ)。圖3 展示CowXNet 系統(tǒng)正在測試最佳的身體部位檢測點(diǎn)，系統(tǒng)基于牛鼻子、身體、尾巴這些關(guān)鍵點(diǎn)的外觀和運(yùn)動(dòng)特征，以及鄰近牛的關(guān)鍵點(diǎn)特征，采用機(jī)器學(xué)習(xí)算法檢測牛是否發(fā)情，準(zhǔn)確率達(dá)83.00%。Arikan等[30] 提出高精度奶牛發(fā)情檢測系統(tǒng)，將發(fā)情檢測和牛只識別過程結(jié)合，使用卷積神經(jīng)網(wǎng)絡(luò)CNN 或VGG-19 模型進(jìn)行爬跨檢測，再由YOLOv5 確定牛只身份信息，對300 頭奶牛的測試結(jié)果表明，發(fā)情識別準(zhǔn)確率達(dá)95.00%。隨著YOLO 算法的不斷改進(jìn)，肉牛個(gè)體識別技術(shù)的準(zhǔn)確率和實(shí)用性也將得到提高。

3.3 基于生物標(biāo)志物的智慧發(fā)情鑒定技術(shù)

在生物標(biāo)志物檢測方面，通過氣相色譜分析奶牛發(fā)情周期各階段汗液、尿液、糞便、乳汁、唾液、陰道分泌物和血液中的揮發(fā)性化合物，發(fā)現(xiàn)苯乙醛等8 種特異性揮發(fā)性化合物僅在牛發(fā)情期出現(xiàn)，有望開發(fā)電子鼻等智能設(shè)備精準(zhǔn)監(jiān)測牛只發(fā)情時(shí)間[31]。德國AIRSENSE ANALYTICS 公司制造的MENT-EGAS 原型電子鼻直接從牛陰部區(qū)域采集氣味樣本，進(jìn)行主成分分析以判斷牛是否發(fā)情。Ali 等[32] 對35 頭奶牛進(jìn)行發(fā)情監(jiān)測，MENT-EGAS原型電子鼻表現(xiàn)出較高的準(zhǔn)確性，實(shí)現(xiàn)電子鼻直接采樣進(jìn)行發(fā)情鑒定。表2 對比了11 種智慧發(fā)情鑒定技術(shù)的準(zhǔn)確率，這類技術(shù)實(shí)時(shí)性強(qiáng)、自動(dòng)化程度高、準(zhǔn)確性也在升高，但其設(shè)備昂貴、技術(shù)復(fù)雜、維護(hù)難度大等問題亟待解決。

4 肉牛自動(dòng)化飼喂技術(shù)研究進(jìn)展

改變傳統(tǒng)的飼喂方式是現(xiàn)代養(yǎng)殖技術(shù)升級的重點(diǎn)。傳統(tǒng)的人工投喂飼料勞動(dòng)強(qiáng)度大，難以滿足大規(guī)模養(yǎng)殖場的需求；人工駕駛飼料車投喂雖然有所改善，但存在效率低、精確度低的問題。為此，將自動(dòng)化飼喂技術(shù)分為犢牛和成年牛自動(dòng)化飼喂兩大類別[37]，在提高投喂飼料的精確度方面具有重要意義。

4.1 犢牛自動(dòng)化飼喂技術(shù)

犢牛依賴充足的母乳構(gòu)建其免疫屏障，因此提供高質(zhì)量的母乳是養(yǎng)育優(yōu)質(zhì)犢牛的關(guān)鍵[38]。先進(jìn)的犢牛飼喂技術(shù)諸如瑞典DeLava 公司CF 系列全自動(dòng)犢牛飼喂機(jī)，德國Urban 公司犢牛飼喂機(jī)、犢牛飼喂站和荷蘭Lely 公司Calm 犢牛飼喂機(jī)等，它們具備自動(dòng)調(diào)節(jié)奶溫、精確記錄喂奶量、防污染、清潔消毒、生長監(jiān)測及預(yù)警等功能。據(jù)加拿大一項(xiàng)調(diào)查[39]顯示，使用自動(dòng)化機(jī)器喂養(yǎng)犢牛較人工手動(dòng)喂養(yǎng)效率更高且運(yùn)營成本更低，前4 周累計(jì)喂奶量相差顯著，分別為231、182 L，表明犢牛自動(dòng)飼喂技術(shù)對犢牛成長更有利。

4.2 成年牛自動(dòng)化飼喂技術(shù)

對成年牛自動(dòng)化飼喂技術(shù)研究的重點(diǎn)在于提高飼料轉(zhuǎn)化率及降低成本。剩余采食量，即實(shí)際采食量與預(yù)測采食量的差值[40]，是衡量飼料轉(zhuǎn)化率的主要指標(biāo)，受多種因素影響，如動(dòng)物生理狀況、飼料成分、飼喂間隔、采食距離及環(huán)境等，全天候自動(dòng)飼喂機(jī)器可有效輔助牛的采食，例如自走式飼喂機(jī)、軌道引導(dǎo)式飼喂機(jī)及推料機(jī)器人。其中，自走式飼喂機(jī)按照預(yù)設(shè)路線移動(dòng)投料；軌道引導(dǎo)式則通過既定軌道進(jìn)行投放，其工作原理相對簡單，利用無線射頻技術(shù)識別牛的信息，根據(jù)不同生長階段來精準(zhǔn)投料，具有高效、體積小、移動(dòng)速度塊、噪音小等優(yōu)勢；當(dāng)剩余飼料被牛推開時(shí)，推料機(jī)器人會(huì)將遠(yuǎn)處飼料搬運(yùn)至便于牛采食的位置，從而提高飼料利用率。自動(dòng)化飼喂系統(tǒng)實(shí)現(xiàn)了個(gè)性化飼料投喂及定時(shí)定量投喂，降低了勞動(dòng)強(qiáng)度及成本，進(jìn)而提升養(yǎng)殖效益。

5 肉牛疾病檢測技術(shù)研究進(jìn)展

5.1 基于穿戴設(shè)備的肉牛疾病檢測技術(shù)

肉牛常見疾病包括瘤胃酸中毒、口蹄疫、跛行等，傳統(tǒng)的診斷方式以獸醫(yī)臨床檢查和實(shí)驗(yàn)室檢測為主，費(fèi)用昂貴，診斷時(shí)間長。現(xiàn)代化肉牛養(yǎng)殖中，疾病檢測方法涵蓋基于傳感器、計(jì)算機(jī)視覺和紅外熱成像技術(shù)等多種途徑，可覆蓋肉牛養(yǎng)殖的基本環(huán)節(jié)。據(jù)Raynor 等[41] 研究，監(jiān)測牛低頭姿勢和時(shí)間可統(tǒng)計(jì)放牧?xí)r長、采食時(shí)長及反芻次數(shù)等信息，然而，人工飼養(yǎng)模式中難以連續(xù)觀測大規(guī)模牛群的下頜運(yùn)動(dòng)，導(dǎo)致重要信息缺失[42]。相比之下，智慧養(yǎng)殖模式中的疾病檢測技術(shù)具有自動(dòng)化、智能化、靈敏度高等優(yōu)勢，能精確記錄牛只各種行為信息，并對異常行為進(jìn)行預(yù)警。例如，瑞士I T I N + H O C H公司的RumiWatch 智能鼻帶、美國Allflex 公司的SenseHub 智能耳標(biāo)、荷蘭Lely 公司的智能項(xiàng)圈和愛爾蘭Dairymaster 公司的MooMonitor+項(xiàng)圈等基于傳感器技術(shù)的智能監(jiān)測設(shè)備，能夠全天候監(jiān)測牛的采食時(shí)長、反芻次數(shù)，同時(shí)還能識別個(gè)體、鑒定發(fā)情、追蹤定位和預(yù)測分娩時(shí)間，對異常行為發(fā)出警報(bào)。

5.2 基于計(jì)算機(jī)視覺的肉牛疾病檢測技術(shù)

計(jì)算機(jī)視覺技術(shù)在牛采食、飲水、身體狀況評分、表型評估和疾病診斷等方面的應(yīng)用日益廣泛，為養(yǎng)殖者提供非接觸式、自動(dòng)化、實(shí)時(shí)且持續(xù)的牛健康信息。美國Ever.Ag 公司設(shè)計(jì)的Cainthus 智能監(jiān)控系統(tǒng)，結(jié)合人工智能的攝像機(jī)從多個(gè)角度監(jiān)視養(yǎng)殖場，其中Feedbunk 管理模塊全天候監(jiān)控每個(gè)牛欄的飼料供應(yīng)情況，通過短信通知飼料不足的時(shí)間和地點(diǎn)，并能監(jiān)控牛的跛行、長時(shí)間趴臥等異常行為。針對奶牛跛行的二維和三維圖像分析技術(shù)已相當(dāng)成熟[43-44]，Viazzi 等[45] 比較了用于檢測牛跛行的2D 和3D 相機(jī)系統(tǒng)，發(fā)現(xiàn)它們均能達(dá)到90.00% 以上的準(zhǔn)確率，3D 相機(jī)獲取的信息更為全面，適用于長期觀察和記錄數(shù)據(jù)，但因數(shù)據(jù)量龐大，信息處理過程繁瑣且耗時(shí)。此外，紅外熱成像技術(shù)能通過檢測牛蹄部溫度來判斷是否跛行[46]；因其無創(chuàng)、可視化清晰且成本相對較低，越來越多的獸醫(yī)和養(yǎng)殖者選擇使用該技術(shù)來檢測牛的跛行、乳腺炎和鑒定發(fā)情。Stokes 等[47] 調(diào)查發(fā)現(xiàn)，設(shè)定跛行牛的病蹄溫度閾值為27 ℃ 后，紅外熱成像儀能準(zhǔn)確檢測出80% 的病蹄和73% 的正常蹄，病變后蹄和非病變后蹄的紅外熱成像對比如圖4 所示，表明紅外成像技術(shù)在跛行早期診斷上具有巨大潛力，有望取代成本較高的2D、3D 相機(jī)。

5.3 基于生物傳感器的肉牛疾病檢測技術(shù)

生物傳感器是一種通過識別特定生物化學(xué)元素所產(chǎn)生的電信號來監(jiān)控健康指標(biāo)的裝置，在畜牧獸醫(yī)領(lǐng)域內(nèi)廣泛運(yùn)用，監(jiān)測畜禽的健康指標(biāo)或預(yù)防傳染性疾病的威脅。Neethirajan 等[49] 報(bào)道了3 種關(guān)于氣體和體液的生物傳感器，如呼吸分析傳感器可通過檢測牛呼氣中的揮發(fā)性有機(jī)化合物診斷牛呼吸道疾病；汗液分析傳感器可檢測牛汗液中的鈉離子、乳酸等代謝產(chǎn)物，用于監(jiān)測牛身體壓力狀態(tài)；淚液分析傳感器能連續(xù)監(jiān)測牛淚液中的葡萄糖水平，實(shí)現(xiàn)非侵入性血糖監(jiān)測。Glogener 等[50] 研發(fā)了一種持續(xù)監(jiān)測葡萄糖水平的微電子生物傳感器，其測量誤差控制在1% 以內(nèi)；該傳感器采用0.25 μm CMOS/BiCMOS 工藝制造，通過半透膜與組織隔離，他們將該傳感器植入牛頸部皮下長達(dá)17 個(gè)月，其MEMS芯片幾乎未受腐蝕，表明半透膜的隔離作用有助于延長芯片的生物穩(wěn)定性，這對于植入式生物傳感器至關(guān)重要。布魯士桿菌病是一種由布魯士桿菌感染引發(fā)的人獸共患傳染病，對牛羊養(yǎng)殖危害極大。根據(jù)Griesche 等[51] 的研究，生物傳感器已經(jīng)可以檢測動(dòng)物血清中布魯士桿菌抗體或細(xì)菌核酸。此外，據(jù)Vidic 等[52] 報(bào)道，基于堆積紙膜的免疫層析檢測系統(tǒng)在5 min 內(nèi)可以檢測100 CFU/mL 的大腸埃希菌，靈敏度比ELISA 方法高1 000 倍?；诳贵w的電化學(xué)免疫傳感器可以檢測牛結(jié)核分枝桿菌、沙門氏菌等牛致病菌，靈敏度與PCR 擴(kuò)增核酸方法相當(dāng)。生物傳感器在可選擇性、便攜性等方面較傳統(tǒng)方法有顯著優(yōu)勢，特別適用于現(xiàn)場的快速檢測。

6 牛舍環(huán)境監(jiān)測與清潔技術(shù)研究進(jìn)展

牛舍作為肉牛生產(chǎn)活動(dòng)的主要場所，其。環(huán)境條件直接關(guān)系到肉牛個(gè)體的生長及育肥效益。較低的環(huán)境舒適度導(dǎo)致飼養(yǎng)成本上升、肉牛育肥受阻且易引發(fā)各種疾??；牛舍內(nèi)二氧化碳、氨氣、硫化氫等有害氣體濃度過高會(huì)降低環(huán)境舒適度，不僅影響肉牛成長，還可能引起工作人員急性或慢性中毒。因此，監(jiān)測并改善牛舍環(huán)境對于提升牛肉產(chǎn)量、提高肉質(zhì)安全性至關(guān)重要。

6.1 牛舍環(huán)境監(jiān)測技術(shù)

通風(fēng)、人工清潔、消毒除臭等傳統(tǒng)清潔方式能在一定程度上改善牛舍環(huán)境，但其滯后性明顯，不適用于大規(guī)模養(yǎng)殖場；自動(dòng)化、數(shù)字化、智能化的環(huán)境監(jiān)測則能更加快速地改善牛舍環(huán)境。牛舍環(huán)境監(jiān)測系統(tǒng)是將物聯(lián)網(wǎng)技術(shù)與肉牛場環(huán)境信息相結(jié)合，利用傳感器技術(shù)、計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)研發(fā)智能養(yǎng)殖系統(tǒng)，實(shí)時(shí)監(jiān)測舍內(nèi)環(huán)境變化。Zeng 等[53] 研發(fā)了“微氣候”監(jiān)測系統(tǒng)，用于監(jiān)測妊娠母豬舍內(nèi)的溫度、濕度、二氧化碳和氨氣濃度，在二氧化碳濃度監(jiān)測方面存在6.50% 的誤差。Leliveld 等[54] 研發(fā)了GALA 原型系統(tǒng)，用于實(shí)時(shí)自動(dòng)集成監(jiān)測牛舍環(huán)境和牛只行為；該系統(tǒng)通過多個(gè)傳感器采集數(shù)據(jù)，并借助自定義的節(jié)點(diǎn)和網(wǎng)關(guān)，將數(shù)據(jù)傳輸至云端進(jìn)行處理和分析，最終通過互聯(lián)網(wǎng)以實(shí)時(shí)、連續(xù)、可視化的儀表盤界面展示給用戶。在意大利3 個(gè)商業(yè)奶牛養(yǎng)殖場經(jīng)過1 年的測試，GALA 原型系統(tǒng)展現(xiàn)出高度的數(shù)據(jù)穩(wěn)定性和可靠性。該系統(tǒng)對牛舍外部監(jiān)測范圍包括環(huán)境溫度、相對濕度、風(fēng)速、風(fēng)向以及降雨情況；對牛舍內(nèi)部監(jiān)測范圍包括環(huán)境溫度、相對濕度、光照強(qiáng)度、飲水設(shè)施內(nèi)水溫及飲用量、墊料的溫度和濕度、二氧化碳濃度、氨氣濃度、硫化氫濃度、噪音水平、風(fēng)速和風(fēng)向；對牛只行為監(jiān)測范圍包括站立、趴臥、采食等。對以上參數(shù)的監(jiān)測有助于了解牛舍內(nèi)環(huán)境舒適度和牛只行為，為養(yǎng)殖場管理決策提供數(shù)據(jù)支持。

6.2 自動(dòng)化清糞技術(shù)

動(dòng)物養(yǎng)殖中的常見污染物包括糞便、污水及病死尸體，為了保持牛舍清潔和提升環(huán)境舒適度，需定期清理糞便。然而，依賴人工清理糞便已無法滿足大型肉牛養(yǎng)殖場的需求，因此，具有簡便操作與高效清理能力的自動(dòng)化清糞機(jī)器成為肉牛養(yǎng)殖場提高管理效率的重要工具。自動(dòng)化清糞技術(shù)主要利用動(dòng)物行為、機(jī)械設(shè)備和自動(dòng)控制技術(shù)等，將傳統(tǒng)的水泡糞清理方式轉(zhuǎn)變?yōu)闄C(jī)械刮板、傳送帶或機(jī)器人清糞。該技術(shù)解決了傳統(tǒng)人工清糞工作效率低、勞動(dòng)強(qiáng)度大、工作環(huán)境惡劣等問題，實(shí)現(xiàn)了牛舍內(nèi)高效清糞及養(yǎng)殖場內(nèi)自動(dòng)轉(zhuǎn)運(yùn)，為改善牛舍環(huán)境、提高飼養(yǎng)管理效率及推動(dòng)清潔養(yǎng)殖提供技術(shù)支撐。當(dāng)前主流的自動(dòng)化清糞技術(shù)包括機(jī)械刮糞板和清糞機(jī)器人，如奧地利HETWIN 公司、法國CRD 公司、荷蘭Lely 公司和瑞典Delaval 公司研發(fā)的產(chǎn)品，可有效避免動(dòng)物應(yīng)激反應(yīng)，降低運(yùn)營成本和提高養(yǎng)殖場管理效率。

7 結(jié)論與展望

7.1 國內(nèi)外技術(shù)總結(jié)和對比

在肉牛個(gè)體識別方面，利用計(jì)算機(jī)視覺技術(shù)識別牛軀干或面部特征已經(jīng)成為國內(nèi)外的研究熱點(diǎn)。國內(nèi)對西門塔爾牛和安格斯牛軀干圖像的識別準(zhǔn)確率高達(dá)99.74%，對西門塔爾牛面部的識別準(zhǔn)確率達(dá)到99.86%，均處于行業(yè)領(lǐng)先地位。但在肉牛養(yǎng)殖場中，動(dòng)輒安裝數(shù)十個(gè)智能攝像頭，需要考慮設(shè)備搭建成本、政策補(bǔ)貼、觀念接受程度以及人工操作水平等諸多因素。因此，RFID 耳標(biāo)仍是當(dāng)前國內(nèi)外大規(guī)模養(yǎng)殖場進(jìn)行肉牛個(gè)體識別的主要方法，計(jì)算機(jī)視覺技術(shù)的實(shí)際應(yīng)用和范例相對較少。

在肉牛智慧表型采集方面，大規(guī)模肉牛養(yǎng)殖場已推廣使用WOW 系統(tǒng)稱重散養(yǎng)型牛，準(zhǔn)確率達(dá)96.00%，大幅提高了稱重效率，并避免了牛的應(yīng)激反應(yīng)。近年來國內(nèi)在通過三維點(diǎn)云技術(shù)獲取肉牛體型的研究中取得較大進(jìn)展，采集數(shù)據(jù)誤差在3.00%左右，推廣潛力大，能為肉牛育種選配、屠宰標(biāo)準(zhǔn)制定提供數(shù)據(jù)支持。國外在瘤胃內(nèi)丸劑的研發(fā)和使用方面表現(xiàn)突出，尤其是愛爾蘭的Moonsyst 公司和奧地利的SmaXtec 公司，其產(chǎn)品體積小巧、耐腐蝕性強(qiáng)、監(jiān)測指標(biāo)多樣化，在肉牛養(yǎng)殖場得到廣泛應(yīng)用。

在智慧發(fā)情鑒定方面，國內(nèi)基于計(jì)算機(jī)視覺識別爬跨的研究較多，在鑒定發(fā)情方面有顯著優(yōu)勢，準(zhǔn)確率高達(dá)97.62%，但由于對攝像機(jī)性能要求高，在肉牛養(yǎng)殖場中的應(yīng)用案例相對較少。國外通常使用可穿戴設(shè)備和檢測生物標(biāo)志物鑒定肉牛發(fā)情，如奧地利Zoetis 公司的SMARTBOW 智能耳標(biāo)，通過監(jiān)測運(yùn)動(dòng)量判斷發(fā)情，準(zhǔn)確率為97.00%，瑞典DeLaval 公司的Herd Navigator 奶樣分析儀，通過檢測乳汁孕酮濃度判斷發(fā)情，準(zhǔn)確率為94.00%，在國外養(yǎng)殖場中普及率高，反饋效果良好。

在自動(dòng)化飼喂方面，大型肉牛養(yǎng)殖場的成年牛自動(dòng)喂料機(jī)器配置完善，自動(dòng)化水平較高，提高了養(yǎng)殖場運(yùn)作效率。然而國內(nèi)對犢牛自動(dòng)化飼喂和成長監(jiān)測的關(guān)注尚顯不足，自動(dòng)化飼喂機(jī)器的國產(chǎn)化程度仍需進(jìn)一步提高。

在疾病檢測方面，對于跛行、乳房炎、前胃遲緩和瘤胃酸中毒等常見疾病，大型養(yǎng)殖場主要依賴駐場獸醫(yī)臨床診斷和實(shí)驗(yàn)室檢測，部分養(yǎng)殖場會(huì)借助手持式紅外成像儀、跛行檢測智能監(jiān)控等智能化設(shè)備輔助獸醫(yī)診療。但國內(nèi)智能化設(shè)備使用程度不高，大部分停留在科學(xué)研究階段。國外在生物傳感器方面的研究較為先進(jìn)，能夠及時(shí)檢測肉牛的布病、結(jié)核病等傳染病，有助于地區(qū)的疫病防控和保障駐場人員的安全健康。

在牛舍環(huán)境監(jiān)測和清潔方面，國內(nèi)養(yǎng)殖場主要依賴于人工通風(fēng)、消毒、除臭，勞動(dòng)強(qiáng)度大，清潔效率有待提高，關(guān)于智慧牛場的理論研究較多，但推廣難度大，實(shí)際應(yīng)用案例少。國外在牛舍自動(dòng)化控制和清潔方面的機(jī)械化程度高，呈現(xiàn)出無人化管理牛場的發(fā)展趨勢。

7.2 存在的問題

1） 技術(shù)普及和應(yīng)用程度不足。智慧養(yǎng)殖技術(shù)的應(yīng)用需要較高的初期投資，包括硬件設(shè)備和軟件系統(tǒng)的采購、安裝和維護(hù)成本，以及技術(shù)培訓(xùn)和人員配備費(fèi)用，但在短期內(nèi)無法帶來顯著的經(jīng)濟(jì)效益。眾多中小型養(yǎng)殖場無法承擔(dān)高額的投資和較長的回報(bào)周期。部分養(yǎng)殖戶文化程度有限，難以適應(yīng)和操作現(xiàn)代化的智慧養(yǎng)殖技術(shù)，從而限制了技術(shù)的普及和推廣。只有降低技術(shù)門檻和應(yīng)用成本，加大技術(shù)宣傳和推廣力度，才能推動(dòng)智慧養(yǎng)殖技術(shù)的廣泛應(yīng)用。

2） 缺乏專業(yè)人才和技術(shù)的融合創(chuàng)新。智慧養(yǎng)殖技術(shù)的發(fā)展和應(yīng)用需要具備相關(guān)專業(yè)知識和技術(shù)能力的人才支持，如獸醫(yī)、數(shù)據(jù)分析師、軟件工程師等。當(dāng)前缺乏跨學(xué)科領(lǐng)域的人才培養(yǎng)方案，技術(shù)支持體系尚待完善，導(dǎo)致技術(shù)創(chuàng)新性不足及養(yǎng)殖模式滯后。如何更好地將人工智能、大數(shù)據(jù)、區(qū)塊鏈等前沿技術(shù)與智慧養(yǎng)殖相結(jié)合，實(shí)現(xiàn)技術(shù)創(chuàng)新和模式創(chuàng)新，仍然是智慧養(yǎng)殖技術(shù)發(fā)展的挑戰(zhàn)。

3） 數(shù)據(jù)安全和資源共享問題。隨著智慧養(yǎng)殖技術(shù)的推廣和應(yīng)用，互聯(lián)網(wǎng)將收集和分析大量的動(dòng)物表型數(shù)據(jù)和養(yǎng)殖場環(huán)境信息，若缺乏有效的數(shù)據(jù)安全管理措施，可能會(huì)引發(fā)養(yǎng)殖戶的擔(dān)憂。此外，豐富的動(dòng)物的表型數(shù)據(jù)有助于訓(xùn)練計(jì)算機(jī)算法和模型，能否將數(shù)據(jù)資源共享及如何確保數(shù)據(jù)安全性和隱私性成為關(guān)鍵問題。因此，需建立以企業(yè)為主體、政府為監(jiān)督的數(shù)據(jù)資源共享平臺，推動(dòng)智慧養(yǎng)殖技術(shù)的發(fā)展。

7.3 未來展望

1） 降低技術(shù)應(yīng)用成本，加強(qiáng)宣傳和推廣。政府通過資助計(jì)劃或補(bǔ)貼政策來降低智慧養(yǎng)殖技術(shù)的初期投資成本，鼓勵(lì)中小型養(yǎng)殖場采用智慧養(yǎng)殖技術(shù)。建立技術(shù)培訓(xùn)和支持機(jī)制，提供免費(fèi)或低成本的培訓(xùn)課程和技術(shù)指導(dǎo)，協(xié)助養(yǎng)殖戶掌握相關(guān)技術(shù)。設(shè)立智慧養(yǎng)殖技術(shù)示范基地，并組織培訓(xùn)和展示活動(dòng)，向養(yǎng)殖戶展示技術(shù)的應(yīng)用效果和經(jīng)濟(jì)效益，增強(qiáng)其對技術(shù)的認(rèn)知和信心，推動(dòng)技術(shù)的推廣和應(yīng)用。

2） 加強(qiáng)人才培養(yǎng)和跨學(xué)科合作，建立技術(shù)創(chuàng)新平臺。高校應(yīng)設(shè)立智慧養(yǎng)殖技術(shù)相關(guān)的專業(yè)課程和培訓(xùn)項(xiàng)目，培養(yǎng)獸醫(yī)、數(shù)據(jù)分析師、軟件工程師等相關(guān)專業(yè)人才。支持建立跨學(xué)科的研究團(tuán)隊(duì)，加強(qiáng)養(yǎng)殖技術(shù)與信息技術(shù)、工程技術(shù)等領(lǐng)域的交叉合作，推動(dòng)技術(shù)融合和創(chuàng)新。政府可以設(shè)立科研資助項(xiàng)目，鼓勵(lì)高校和企業(yè)合作開展智慧養(yǎng)殖技術(shù)的研發(fā)工作?？蒲袡C(jī)構(gòu)應(yīng)建立養(yǎng)殖技術(shù)創(chuàng)新平臺，提供技術(shù)咨詢和數(shù)據(jù)共享等服務(wù)，促進(jìn)技術(shù)的創(chuàng)新和應(yīng)用。

3） 建立數(shù)據(jù)安全管理機(jī)制，建立公共服務(wù)平臺。企業(yè)、政府和科研機(jī)構(gòu)應(yīng)共同制定數(shù)據(jù)安全管理政策和標(biāo)準(zhǔn)，建立完善的數(shù)據(jù)安全管理體系，包括數(shù)據(jù)加密、權(quán)限控制、安全審計(jì)等措施，保障養(yǎng)殖數(shù)據(jù)的安全和隱私。建立以企業(yè)為主體、政府為監(jiān)督的數(shù)據(jù)資源共享平臺，實(shí)現(xiàn)養(yǎng)殖數(shù)據(jù)的共享和交流，提高數(shù)據(jù)利用效率和價(jià)值，推動(dòng)企業(yè)間的合作創(chuàng)新，推動(dòng)智慧養(yǎng)殖技術(shù)的可持續(xù)發(fā)展。

參考文獻(xiàn)：

[1]GREENWOOD P L. Review： An overview of beef productionfrom pasture and feedlot globally， as demand forbeef and the need for sustainable practices increase[J].Animal， 2021， 15： 100295.

[2]宋一凡， 王娟， 李建麗， 等. 精準(zhǔn)化養(yǎng)殖模式下牛只個(gè)體識別方法綜述[J]. 黑龍江畜牧獸醫(yī)， 2021（22）： 48-53.

[3]AWAD A I. From classical methods to animal biometrics：A review on cattle identification and tracking[J].Computers and Electronics in Agriculture， 2016， 123：423-435.

[4]DUROC Y， TEDJINI S. RFID： A key technology for Humanity[J]. Comptes Rendus Physique， 2018， 19（1/2）： 64-71.

[5]BARANOV A S， GRAML R， PIRCHNER F， et al. Breeddifferences and intra-breed genetic variability of dermatoglyphicpattern of cattle[J]. Journal of Animal Breedingand Genetics， 1993， 110（1/2/3/4/5/6）： 385-392.

[6]王斌. 牛個(gè)體面部識別算法研究與設(shè)計(jì)[D]. 呼和浩特：內(nèi)蒙古大學(xué)， 2022.

[7]張宇. 基于深度學(xué)習(xí)的肉牛體側(cè)識別方法研究[D]. 包頭： 內(nèi)蒙古科技大學(xué)， 2023.

[8]劉爽. 基于深度學(xué)習(xí)的西門塔爾肉牛面部識別的研究[D]. 呼和浩特： 內(nèi)蒙古大學(xué)， 2020.

[9]BARRY B， GONZALES-BARRON U A， MCDONNELLK， et al. Using muzzle pattern recognition as abiometric approach for cattle identification[J]. Transactionsof the ASABE， 2007， 50（3）： 1073-1080.

[10]KIM H T， CHOI H L， LEE D W， et al. Recognition of individualHolstein cattle by imaging body patterns[J]. Asian-Australasian Journal of Animal Sciences， 2005， 18（8）：1194-1198.

[11]趙凱旋， 何東健. 基于卷積神經(jīng)網(wǎng)絡(luò)的奶牛個(gè)體身份識別方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)， 2015， 31（5）： 181-187.

[12]李征. 局部遮擋條件下的西門塔爾肉牛面部識別算法研究[D]. 呼和浩特： 內(nèi)蒙古大學(xué)， 2022.

[13]張晨鵬. 基于深度學(xué)習(xí)的牛臉檢測與個(gè)體身份識別方法研究[D]. 呼和浩特： 內(nèi)蒙古工業(yè)大學(xué)， 2021.

[14]WANGCHUK K， WANGDI J， MINDU M D. Comparisonand reliability of techniques to estimate live cattlebody weight[J]. Journal of Applied Animal Research，2018， 46（1）： 349-352.

[15]FIRDAUS F， ATMOKO B A， BALIARTI E， et al. Themeta-analysis of beef cattle body weight prediction usingbody measurement approach with breed， sex， and age categories[J]. Journal of Advanced Veterinary and AnimalResearch， 2023， 10（4）： 630.

[16]BROWN D J， SAVAGE D B， HINCH G N， et al. Monitoringliveweight in sheep is a valuable managementstrategy： A review of available technologies[J]. AnimalProduction Science， 2015， 55（4）： 427-436.

[17]GONZáLEZ-GARCíA E， ALHAMADA M， PRADEL J，et al. A mobile and automated walk-over-weighing systemfor a close and remote monitoring of liveweight insheep[J]. Computers and Electronics in Agriculture，2018， 153： 226-238.

[18]ALDRIDGE M N， LEE S J， TAYLOR J D， et al. The useof walk over weigh to predict calving date in extensivelymanaged beef herds[J]. Animal Production Science，2016， 57（3）： 583-591.

[19]PARSONS I L， NORMAN D A， KARISCH B B， et al.Automated walk-over-weigh system to track daily bodymass and growth in grazing steers[J]. Computers andElectronics in Agriculture， 2023， 212： 108113.

[20]GRITSENKO S， RUCHAY A， KOLPAKOV V， et al.On-barn forecasting beef cattle production based on automatednon-contact body measurement system[J]. Animals，2023， 13（4）： 611.

[21] LI J W， LI Q F， MA W H， et al. Key region extraction and body dimension measurement of beef cattle using 3Dpoint clouds[J]. Agriculture， 2022， 12（7）： 1012.

[22]LI J W， MA W H， BAI Q， et al. A posture-based measurementadjustment method for improving the accuracyof beef cattle body size measurement based on pointcloud data[J]. Biosystems Engineering， 2023， 230： 171-190.

[23]SCHORI F， MUENGER A. Assessment of two wirelessreticulo-rumen pH sensors for dairy cows[J]. AgrarforschungSchweiz， 2022， 13（2）： 11-16.

[24]SAINT-DIZIER M， CHASTANT-MAILLARD S. Potentialof connected devices to optimize cattle reproduction[J]. Theriogenology， 2018， 112： 53-62.

[25]SCHWEINZER V， GUSTERER E， KANZ P， et al. Evaluationof an ear-attached accelerometer for detecting estrusevents in indoor housed dairy cows[J]. Theriogenology，2019， 130： 19-25.

[26]TSAI D M， HUANG C Y. A motion and image analysismethod for automatic detection of estrus and mating behaviorin cattle[J]. Computers and Electronics in Agriculture，2014， 104： 25-31.

[27]王少華， 何東健， 劉冬. 基于機(jī)器視覺的奶牛發(fā)情行為自動(dòng)識別方法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2020， 51（4）： 241-249.

[28]王少華， 何東健. 基于改進(jìn)YOLO v3 模型的奶牛發(fā)情行為識別研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2021， 52（7）： 141-150.

[29]LODKAEW T， PASUPA K， LOO C K. CowXNet： Anautomated cow estrus detection system[J]. Expert Systemswith Applications， 2023， 211： 118550.

[30]ARIKAN ?， AYAV T， SE?KIN A ?， et al. Estrus detectionand dairy cow identification with cascade deep learningfor augmented reality-ready livestock farming[J].Sensors， 2023， 23（24）： 9795.

[31]ANITA? ?， G?NCü S. Investigation of body secretionsas bioindicators in cattle estrus detection[J]. TurkishJournal of Veterinary amp; Animal Sciences， 2020， 44（5）：1070-1086.

[32]ALI A S， JACINTO J G， M?NCHEMYER W， et al. Estrusdetection in a dairy herd using an electronic nose bydirect sampling on the perineal region[J]. Veterinary Sciences，2022， 9（12）： 688.

[33]SUTHAR V， BURFEIND O， PATEL J， et al. Body temperaturearound induced estrus in dairy cows[J]. Journalof Dairy Science， 2011， 94（5）： 2368-2373.

[34]ROELOFS J， VAN ERP-VAN DER KOOIJ E. Estrus detectiontools and their applicability in cattle： Recent andperspectival situation[J]. Animal Reproduction， 2018，12（3）： 498-504.

[35]AUNGIER S， ROCHE J， SHEEHY M， et al. Effects ofmanagement and health on the use of activity monitoringfor estrus detection in dairy cows[J]. Journal of DairyScience， 2012， 95（5）： 2452-2466.

[36]FRIGGENS N， BJERRING M， RIDDER C， et al. Improveddetection of reproductive status in dairy cows usingmilk progesterone measurements[J]. Reproduction inDomestic Animals， 2008， 43（S2）： 113-121.

[37]鄭國生， 施正香， 滕光輝. 中國奶牛養(yǎng)殖設(shè)施裝備技術(shù)研究進(jìn)展[J]. 中國畜牧雜志， 2019， 55（7）： 169-174.

[38]HAMMON H， LIERMANN W， FRIETEN D， et al. Review：Importance of colostrum supply and milk feedingintensity on gastrointestinal and systemic development incalves[J]. Animal， 2020， 14： s133-s143.

[39]MEDRANO-GALARZA C， LEBLANC S J， DEVRIEST J， et al. A survey of dairy calf management practicesamong farms using manual and automated milk feedingsystems in Canada[J]. Journal of Dairy Science， 2017，100（8）： 6872-6884.

[40]KENNY D， FITZSIMONS C， WATERS S， et al. Invitedreview： Improving feed efficiency of beef cattle： The currentstate of the art and future challenges[J]. Animal，2018， 12（9）： 1815-1826.

[41]RAYNOR E J， DERNER J D， SODER K J， et al. Nosebandsensor validation and behavioural indicators for assessingbeef cattle grazing on extensive pastures[J]. AppliedAnimal Behaviour Science， 2021， 242： 105402.

[42]PEZESHKI A， STORDEUR P， WALLEMACQ H， et al.Variation of inflammatory dynamics and mediators inprimiparous cows after intramammary challenge with Escherichiacoli[J]. Veterinary Research， 2011， 42. doi：10.1186/1297-9716-42-15.

[43]VAN HERTEM T， BAHR C， TELLO A S， et al. Lamenessdetection in dairy cattle： Single predictor v. multivariateanalysis of image-based posture processing andbehaviour and performance sensing[J]. Animal， 2016，10（9）： 1525-1532.

[44]JIANG B， SONG H， HE D. Lameness detection of dairycows based on a double normal background statisticalmodel[J]. Computers and Electronics in Agriculture，2019， 158： 140-149.

[45]VIAZZI S， BAHR C， VAN HERTEM T， et al. Comparisonof a three-dimensional and two-dimensional camerasystem for automated measurement of back posture indairy cows[J]. Computers and Electronics in Agriculture，2014， 100： 139-147.

[46]RODRíGUEZ A， OLIVARES F， DESCOUVIERES P， etal. Thermographic assessment of hoof temperature indairy cows with different mobility scores[J]. LivestockScience， 2016， 184： 92-96.

[47]STOKES J， LEACH K， MAIN D， et al. An investigationinto the use of infrared thermography （IRT） as a rapiddiagnostic tool for foot lesions in dairy cattle[J]. VeterinaryJournal， 2012， 193（3）： 674-678.

[48][48] ALSAAOD M， BüSCHER W. Detection of hoof lesions using digital infrared thermography in dairy cows[J].Journal of Dairy Science， 2012， 95（2）： 735-742.

[49]NEETHIRAJAN S， TUTEJA S K， HUANG S T， et al.Recent advancement in biosensors technology for animaland livestock health management[J]. Biosensors and Bioelectronics，2017， 98： 398-407.

[50]GLOGENER P， KRAUSE M， KATZER J， et al. Prolongedcorrosion stability of a microchip sensor implantduring in vivo exposure[J]. Biosensors， 2018， 8（1）： 13.

[51]GRIESCHE C， BAEUMNER A J. Biosensors to supportsustainable agriculture and food safety[J]. TrAC Trendsin Analytical Chemistry， 2020， 128： 115906.

[52]VIDIC J， MANZANO M， CHANG C M， et al. Advancedbiosensors for detection of pathogens related tolivestock and poultry[J]. Veterinary Research， 2017， 48：11.

[53]ZENG Z， ZENG F， HAN X， et al. Real-time monitoringof environmental parameters in a commercial gestatingsow house using a zigbee-based wireless sensor network[J]. Applied Sciences， 2021， 11（3）： 972.

[54]LELIVELD L M C， BRANDOLESE C， GROTTO M， etal. Real-time automatic integrated monitoring of barn environmentand dairy cattle behaviour： Technical implementationand evaluation on three commercial farms[J].Computers and Electronics in Agriculture， 2024， 216：108499.

崔奎青，教授，博士生導(dǎo)師，主要從事動(dòng)物遺傳改良、生殖生理、智慧牧業(yè)等研究。作為主持人或重點(diǎn)參與的項(xiàng)目涵蓋動(dòng)物生態(tài)養(yǎng)殖、基因編輯和遺傳改良等多個(gè)方面，主持國家“863”計(jì)劃子課題1 項(xiàng)?“高效基因連續(xù)敲除技術(shù)”，國家自然科學(xué)基金3 項(xiàng)?“基于單細(xì)胞測序技術(shù)探究水牛附植前胚胎合子基因組激活調(diào)控機(jī)制”“應(yīng)用CRISPR/Cas 基因組編輯技術(shù)敲除德保豬MSTN 基因的研究”“BMP15 與GDF9 基因在水牛卵泡發(fā)生中的作用機(jī)制研究”，廣西科技廳項(xiàng)目1 項(xiàng)，國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目子課題1 項(xiàng)（經(jīng)費(fèi)100 萬元）。以第一作者或通信作者發(fā)表論文90 余篇。主持和參與多個(gè)示范推廣項(xiàng)目，涉及意大利奶水牛生態(tài)養(yǎng)殖和快速擴(kuò)繁關(guān)鍵技術(shù)體系研究、澳大利亞安格斯和西門塔爾良種肉牛的引進(jìn)與健康養(yǎng)殖模式。

【責(zé)任編輯 李慶玲】

基金項(xiàng)目：國家重點(diǎn)研發(fā)計(jì)劃（2023YFD2000700）；廣東省季華實(shí)驗(yàn)室基金項(xiàng)目（X220991UZ230）