0 引言

隨著養(yǎng)殖業(yè)的規(guī)?；l(fā)展，牲畜疾病防控問(wèn)題日益凸顯。傳統(tǒng)疾病監(jiān)測(cè)和診斷方式依賴人工檢查，難以做到早期預(yù)警和及時(shí)干預(yù)。智能行為識(shí)別系統(tǒng)作為一種新興的技術(shù)手段，通過(guò)高精度傳感器與大數(shù)據(jù)分析，可實(shí)時(shí)監(jiān)控牲畜行為并預(yù)測(cè)疾病，為養(yǎng)殖人員提供科學(xué)的決策支持。研究旨在分析該系統(tǒng)在牲畜疾病早期預(yù)警中的應(yīng)用效果，為現(xiàn)代化養(yǎng)殖業(yè)提供技術(shù)參考。

1智能行為識(shí)別系統(tǒng)的基本原理與技術(shù)

1.1智能行為識(shí)別系統(tǒng)的工作原理

智能行為識(shí)別系統(tǒng)融合多種前沿技術(shù)，包括高精度傳感器、計(jì)算機(jī)視覺(jué)識(shí)別及機(jī)器學(xué)習(xí)算法。該系統(tǒng)在牲畜身上安裝傳感器并借助監(jiān)控探頭，實(shí)時(shí)采集牲畜的生理及行為數(shù)據(jù)。常用的傳感器有加速度計(jì)、溫濕度傳感器、GPS定位傳感器等，這些傳感器可監(jiān)測(cè)牲畜的活動(dòng)狀態(tài)、體溫、采食量、睡眠模式等信息，傳感器所采集的數(shù)據(jù)通過(guò)無(wú)線網(wǎng)絡(luò)即時(shí)快速傳輸?shù)胶笈_(tái)數(shù)據(jù)處理中心[1]。

1.2 關(guān)鍵技術(shù)

1.2.1運(yùn)動(dòng)行為分析模型（LSTM時(shí)間序列建模）

牲畜的運(yùn)動(dòng)模式通常表現(xiàn)出一定的時(shí)間連續(xù)性。例如，1頭健康奶牛每天的活動(dòng)步數(shù)為 8000～ 12000步，而病牛的活動(dòng)量會(huì)減少 30% 以上。為了準(zhǔn)確識(shí)別牲畜運(yùn)動(dòng)異常，系統(tǒng)采用長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)（LSTM）建模牲畜的運(yùn)動(dòng)數(shù)據(jù)，見(jiàn)式（1）

式（1）中： 代表當(dāng)前時(shí)間步的隱藏狀態(tài)， 為細(xì)胞狀態(tài)， 為輸出門。

根據(jù)式（1），假設(shè)某養(yǎng)殖場(chǎng)100頭牛的平均活動(dòng)步數(shù)為9500步，若某頭牛連續(xù)3d的步數(shù)降至5000以下，LSTM通過(guò)時(shí)間序列分析可自動(dòng)判定其運(yùn)動(dòng)行為異常，并發(fā)出疾病預(yù)警，提高早期診斷的準(zhǔn)確性。

1.2.2 進(jìn)食行為異常檢測(cè)（支持向量機(jī)SVM）

健康牲畜的日均采食量穩(wěn)定在 ，而患病牲畜的進(jìn)食量會(huì)下降 20% 以上。該系統(tǒng)利用支持向量機(jī)（SVM）進(jìn)行分類監(jiān)測(cè)，判斷進(jìn)食行為是否異常，相關(guān)計(jì)算公式見(jiàn)式（2）。

式（2）中： 代表核函數(shù)， 代表權(quán)重 代表分類標(biāo)簽（0：正常，1：異常）。

根據(jù)式（2），例如，在一個(gè)包含500頭牛的數(shù)據(jù)集中，若某頭牛的采食量連續(xù)2d低于 16kg，SVM 結(jié)合歷史數(shù)據(jù)判定其為異常個(gè)體，并觸發(fā)早期預(yù)警，減少疾病未被及時(shí)發(fā)現(xiàn)而導(dǎo)致的生產(chǎn)損失。

1.2.3 疾病風(fēng)險(xiǎn)預(yù)測(cè)（貝葉斯推理）

該系統(tǒng)利用貝葉斯定理結(jié)合歷史數(shù)據(jù)計(jì)算牲畜疾病的風(fēng)險(xiǎn)概率。假設(shè)在1000頭牛的數(shù)據(jù)集中，200頭曾出現(xiàn)進(jìn)食減少現(xiàn)象，且其中150頭最終確診為疾病個(gè)體，則疾病發(fā)生的條件概率計(jì)算公式見(jiàn)式（3）。

式（3）中：A代表牲畜生病的事件，B代表檢測(cè)到進(jìn)食異常的事件。

1.2.4運(yùn)動(dòng)能量計(jì)算（加速度計(jì)數(shù)據(jù)分析）

牲畜的運(yùn)動(dòng)消耗能量可由加速度計(jì)數(shù)據(jù)計(jì)算，其計(jì)算公式見(jiàn)式（4）。

式（4）中： E E 代表運(yùn)動(dòng)能量， 代表牲畜體質(zhì)量， 代表加速度， 代表時(shí)間間隔。

1.3 人工智能在行為識(shí)別中的應(yīng)用

深度學(xué)習(xí)算法在智能行為識(shí)別系統(tǒng)中充當(dāng)關(guān)鍵角色。深度學(xué)習(xí)模型借助多層的神經(jīng)架構(gòu)，可自動(dòng)萃取數(shù)據(jù)中的特征，實(shí)施模式甄別與異常核查。智能行為識(shí)別系統(tǒng)憑借剖析牲畜的運(yùn)動(dòng)、體溫、食量等多維度數(shù)據(jù)，可以辨認(rèn)潛在的病癥跡象，并發(fā)出病癥的早期預(yù)警信號(hào)。當(dāng)牲畜的運(yùn)動(dòng)強(qiáng)度迅疾下降超過(guò) 30% 或采食量減少超 20% 時(shí)，深度學(xué)習(xí)模型可依靠模式篩選提前發(fā)出警報(bào)。此智能預(yù)測(cè)會(huì)在疾病發(fā)作的72h前就發(fā)出預(yù)警，極大提升了養(yǎng)殖管理的反應(yīng)效率和干預(yù)效果。依靠持續(xù)升級(jí)的算法，智能行為識(shí)別系統(tǒng)能按照各個(gè)養(yǎng)殖場(chǎng)的實(shí)際情況變換預(yù)警設(shè)置，保證在各類環(huán)境下均可高效運(yùn)轉(zhuǎn)[2]。

1.4 系統(tǒng)集成與實(shí)時(shí)監(jiān)控

智能行為識(shí)別系統(tǒng)分為傳感器設(shè)備、實(shí)時(shí)監(jiān)控系統(tǒng)、數(shù)據(jù)處理平臺(tái)和預(yù)警系統(tǒng)四大核心模塊。傳感器設(shè)備實(shí)時(shí)采集牲畜的行為數(shù)據(jù)，并借助無(wú)線通信網(wǎng)絡(luò)傳輸至后臺(tái)數(shù)據(jù)處理平臺(tái)。數(shù)據(jù)處理平臺(tái)借助機(jī)器學(xué)習(xí)算法分析該批數(shù)據(jù)，進(jìn)而判定出異常與正常行為模式。一旦系統(tǒng)探測(cè)出異常舉動(dòng)，如食欲明顯減退、活動(dòng)量減少或體溫不正常等，實(shí)時(shí)監(jiān)控系統(tǒng)會(huì)快速進(jìn)行數(shù)據(jù)分析并啟動(dòng)預(yù)警。預(yù)警系統(tǒng)采用短信、郵件或者APP推送等形式通知養(yǎng)殖人員。當(dāng)系統(tǒng)監(jiān)測(cè)到某一牲畜的活動(dòng)量低于正常水平 20% 以上時(shí)，系統(tǒng)會(huì)在 3min 內(nèi)發(fā)送早期預(yù)警，并附上應(yīng)對(duì)建議，幫助養(yǎng)殖人員迅速做出決策，及時(shí)采取應(yīng)對(duì)措施。這種高度融合的架構(gòu)極大提升了疾病管理效率及養(yǎng)殖場(chǎng)應(yīng)急響應(yīng)能力。

2智能行為識(shí)別系統(tǒng)在牲畜疾病預(yù)警中的作用

2.1 提高疾病診斷的準(zhǔn)確性與及時(shí)性

智能行為識(shí)別系統(tǒng)通過(guò)持續(xù)、實(shí)時(shí)地監(jiān)測(cè)牲畜行為，極大提高了疾病診斷的精準(zhǔn)性與及時(shí)性。傳統(tǒng)疾病診斷主要依賴獸醫(yī)的經(jīng)驗(yàn)，通常只能按照顯見(jiàn)的癥狀去判別，缺乏早期預(yù)警，病癥一般都在晚期才被察覺(jué)，耽誤了治療時(shí)機(jī)。而智能行為識(shí)別系統(tǒng)可以利用傳感器采集的實(shí)時(shí)數(shù)據(jù)，結(jié)合機(jī)器學(xué)習(xí)算法對(duì)大批歷史數(shù)據(jù)進(jìn)行分析與比對(duì)，進(jìn)而識(shí)別出潛在的疾病信號(hào)。當(dāng)系統(tǒng)監(jiān)測(cè)到牲畜活動(dòng)量下降30% 以上，或者干物質(zhì)采食量下降 20% 以上時(shí)，系統(tǒng)便發(fā)出疾病預(yù)警，幫助養(yǎng)殖人員及時(shí)采取行動(dòng)。與傳統(tǒng)做法相比，這種提前預(yù)警可將診斷準(zhǔn)確性提高約 25% ，及時(shí)性提高 40% ，顯著提高了診斷結(jié)果的科學(xué)性與時(shí)效性[3]。

2.2減少疾病造成的經(jīng)濟(jì)損失

智能行為識(shí)別系統(tǒng)在減少疾病傳播造成的經(jīng)濟(jì)損失方面效果顯著。在大規(guī)模養(yǎng)殖場(chǎng)，該系統(tǒng)一旦監(jiān)測(cè)到牲畜表現(xiàn)出反常舉動(dòng)，就會(huì)立刻發(fā)出預(yù)警信號(hào)，可幫助養(yǎng)殖人員及時(shí)隔離患病的牲畜，減少交叉感染。在引入智能行為識(shí)別系統(tǒng)的畜牧養(yǎng)殖場(chǎng)里，疾病早期篩查發(fā)現(xiàn)率達(dá) 80% ，而未采用該系統(tǒng)的養(yǎng)殖場(chǎng)，疾病早期篩查發(fā)現(xiàn)率僅 30% 。憑借早期管控，病情蔓延的速度和治療費(fèi)用都極大降低。某中型養(yǎng)殖場(chǎng)采用智能行為識(shí)別系統(tǒng)后，其在疾病控制方面的投入成本降低約 35% ，治療費(fèi)用減少了近 40% 。在大型家畜養(yǎng)殖場(chǎng)，若采用智能系統(tǒng)則能減少 的經(jīng)濟(jì)損失，并大幅減輕管理人員的工作負(fù)擔(dān)，降低疾病防控的難度，節(jié)約養(yǎng)殖成本。減少疾病造成的經(jīng)濟(jì)損失情況見(jiàn)表1。

2.3提升養(yǎng)殖場(chǎng)的管理水平與科技含量

智能行為識(shí)別系統(tǒng)的應(yīng)用不僅升級(jí)了疾病預(yù)警模式，還極大提升了養(yǎng)殖場(chǎng)的管理水平與科技含量。借助數(shù)據(jù)挖掘與行為識(shí)別，養(yǎng)殖場(chǎng)得以實(shí)現(xiàn)更科學(xué)的健康監(jiān)測(cè)與管理，系統(tǒng)對(duì)每頭牲畜的行為數(shù)據(jù)進(jìn)行周密記錄，構(gòu)建了個(gè)體化的健康檔案，這為長(zhǎng)期跟蹤提供了關(guān)鍵支撐。數(shù)據(jù)分析功能可指導(dǎo)養(yǎng)殖場(chǎng)優(yōu)化養(yǎng)殖策略。比如調(diào)節(jié)飼料搭配規(guī)格，以及設(shè)定恰當(dāng)?shù)倪\(yùn)動(dòng)量和休息時(shí)段，從而全面提升牲畜的健康水平。借助該技術(shù)，養(yǎng)殖場(chǎng)可實(shí)現(xiàn)從“經(jīng)驗(yàn)管理\"到“數(shù)據(jù)驅(qū)動(dòng)”的轉(zhuǎn)變，增強(qiáng)了管理的科學(xué)性與精細(xì)化程度。采用智能行為識(shí)別系統(tǒng)的養(yǎng)殖場(chǎng)，生產(chǎn)效率提高了約 15% ，疾病預(yù)防效果提高了近 20% ，管理成本降低了約 10% 。這一改進(jìn)不僅符合現(xiàn)代農(nóng)業(yè)科技化、信息化的發(fā)展要求，還為養(yǎng)殖場(chǎng)帶來(lái)了更大的經(jīng)濟(jì)效益[4]

3智能行為識(shí)別系統(tǒng)在牲畜疾病早期預(yù)警中的應(yīng)用

3.1行為異常識(shí)別與疾病預(yù)警

智能行為識(shí)別系統(tǒng)可實(shí)時(shí)分析牲畜行為數(shù)據(jù)，當(dāng)系統(tǒng)識(shí)別某些異常時(shí)，會(huì)發(fā)出疾病預(yù)警。預(yù)警系統(tǒng)可提前2＼～5d發(fā)出警報(bào)，幫助養(yǎng)殖工作人員及時(shí)采取行動(dòng)，切實(shí)減少疾病擴(kuò)散。采用智能行為識(shí)別系統(tǒng)后，牲畜疾病早期預(yù)警率提高 50% ，見(jiàn)表2。尤其是存欄量較大的養(yǎng)殖場(chǎng)，智能系統(tǒng)能有效降低疾病的擴(kuò)散速度。

3.2疾病預(yù)測(cè)模型的構(gòu)建

智能行為識(shí)別系統(tǒng)收集牲畜原有的健康數(shù)據(jù)與行為數(shù)據(jù)，可建立疾病預(yù)測(cè)模型。這些模型根據(jù)深度學(xué)習(xí)算法不斷探究行為數(shù)據(jù)與疾病癥狀的關(guān)聯(lián)性。經(jīng)過(guò)訓(xùn)練的疾病預(yù)測(cè)模型可以辨識(shí)多種疾病的早期癥狀，并為養(yǎng)殖人員提示疾病類型，甚至給出具體建議。采用此系統(tǒng)后，疾病預(yù)測(cè)分析的正確率可達(dá) 85% ，切實(shí)提高了防控工作的效率。該系統(tǒng)能憑借歷史數(shù)據(jù)對(duì)預(yù)警閾值加以校準(zhǔn)，減少錯(cuò)報(bào)與漏報(bào)，進(jìn)而提升疾病防控水平。疾病預(yù)測(cè)模型的構(gòu)建，不僅依賴于歷史健康數(shù)據(jù)和行為數(shù)據(jù)的分析，還結(jié)合了深度學(xué)習(xí)算法的訓(xùn)練，通過(guò)不斷優(yōu)化模型，系統(tǒng)可以不斷提高預(yù)測(cè)的準(zhǔn)確性和敏感性[5]。

3.3早期干預(yù)與預(yù)防

智能行為識(shí)別系統(tǒng)的早期預(yù)警可以幫助養(yǎng)殖人員及時(shí)采取干預(yù)措施。當(dāng)系統(tǒng)發(fā)出預(yù)警信號(hào)，養(yǎng)殖人員會(huì)迅速采用隔離病畜、調(diào)整飲食、加強(qiáng)消毒等手段，阻止疾病迅速擴(kuò)散。當(dāng)系統(tǒng)提示某牲畜表現(xiàn)出食欲減退或靈活性降低的異常情況時(shí)，養(yǎng)殖人員會(huì)及時(shí)隔離疑似病畜，阻止疾病擴(kuò)散。在發(fā)病前2＼～5d采取防治手段，能有效抑制疾病傳播，可降低近 40% 的治療費(fèi)用及 30% 的牲畜死亡率，有利于提高養(yǎng)殖場(chǎng)的健康管理層級(jí)。借助該系統(tǒng)，養(yǎng)殖場(chǎng)可更靈活、科學(xué)地把控管理方案，減少大規(guī)模病害暴發(fā)造成的經(jīng)濟(jì)損失，如表3所示。

3.4提升養(yǎng)殖管理效率

智能行為識(shí)別系統(tǒng)不但能預(yù)警疾病，還能幫助養(yǎng)殖場(chǎng)提升整體疾病防控水平。借助該系統(tǒng)，養(yǎng)殖人員可對(duì)每頭牲畜建立健康檔案，并長(zhǎng)久跟蹤其健康狀況。系統(tǒng)所收集的健康數(shù)據(jù)能幫助管理人員對(duì)牲畜的健康狀況進(jìn)行科學(xué)分析，把握其健康走向，進(jìn)一步優(yōu)化養(yǎng)殖和疾病防控方案。當(dāng)系統(tǒng)監(jiān)測(cè)到某養(yǎng)殖區(qū)域頻繁有異常情況發(fā)生，養(yǎng)殖場(chǎng)可依照數(shù)據(jù)分析結(jié)果調(diào)控環(huán)境參數(shù)，進(jìn)行合理管控溫濕度。采用智能系統(tǒng)后，養(yǎng)殖場(chǎng)的管理效率提升了25% ，減輕了工作人員的工作負(fù)擔(dān)。智能行為識(shí)別系統(tǒng)反饋的實(shí)時(shí)數(shù)據(jù)可幫助管理人員及時(shí)做出決策，對(duì)牲畜健康數(shù)據(jù)進(jìn)行完整記錄與分析，不僅可以分析每頭牲畜的個(gè)體健康狀態(tài)，還可迅速發(fā)覺(jué)潛在的健康風(fēng)險(xiǎn)。系統(tǒng)通過(guò)持續(xù)的健康督查和數(shù)據(jù)采集，能夠幫助養(yǎng)殖場(chǎng)做出精準(zhǔn)預(yù)測(cè)，輔助管理人員將問(wèn)題控制在萌芽狀態(tài)。

4結(jié)束語(yǔ)

智能行為識(shí)別系統(tǒng)為牲畜疾病的早期預(yù)警提供了有效的技術(shù)支持。實(shí)時(shí)監(jiān)控牲畜的行為數(shù)據(jù)，系統(tǒng)能夠提前發(fā)現(xiàn)異常，及時(shí)預(yù)警疾病，幫助養(yǎng)殖場(chǎng)采取有效的預(yù)防和干預(yù)措施，減少疾病傳播造成的經(jīng)濟(jì)損失。隨著技術(shù)的發(fā)展，智能行為識(shí)別系統(tǒng)有望在我國(guó)養(yǎng)殖場(chǎng)中得到廣泛應(yīng)用，進(jìn)一步提升養(yǎng)殖業(yè)的管理水平和科技含量。

參考文獻(xiàn)：

[1]楊帆.基于人工智能下的野生動(dòng)物識(shí)別研究與應(yīng)用[J].中國(guó)高新科技，2024（16）：72-74.

[2]張媛媛，穆浩文，孫哲，等.智能科技助力野生動(dòng)物保護(hù)[J].科學(xué)，2024，76（3）：42-46.

[3]李必成，張晨曦，季鈺翔，等.人工智能識(shí)別與人工識(shí)別紅外相機(jī)動(dòng)物影像準(zhǔn)確率分析：以上海大金山島獼猴監(jiān)測(cè)為例[J].生態(tài)與農(nóng)村環(huán)境學(xué)報(bào)，2023，39（7）：918-923.

[4]周奎章，陳洪艦，馬英，等.青海省鼠疫宿主動(dòng)物無(wú)人機(jī)遙感圖像智能識(shí)別及監(jiān)測(cè)系統(tǒng)的建立[J].中國(guó)地方病防治，2021，36（4）：394-396.

[5]宮一男，譚孟雨，王震，等.基于深度學(xué)習(xí)的紅外相機(jī)動(dòng)物影像人工智能識(shí)別：以東北虎豹國(guó)家公園為例[J].獸類學(xué)報(bào)，2019，39（4）：458-465.

[6]周君，盧基忠，涂有志.對(duì)采用智能識(shí)別終端促進(jìn)動(dòng)物耳標(biāo)管理探討[J.中國(guó)畜禽種業(yè)，2018，14（5）：33-34.

（欄目編輯：王亦梁 劉敏）