趋势来临
人工智能进军养殖业
惊闻重庆某家养殖企业与中国的互联网领军企业合作开展人工智能养猪，新奇之余急忙奉上千余大洋，全程听讲、拍照、记笔记。全天听讲下来有收获，有惊喜，有疑问！会后仔细斟酌时，总是感觉哪里有些不完整的地方。有新鲜的事物就一定有不同的观点，养殖应该像治大国如烹小鲜，需要徐徐渐进，逐步提升更全面的养殖水平。个人认为人工智能绝不是雪中送炭，而只能是锦上添花。养殖场只要在现有的基础上做好精细化管理就一定能提升相应的养殖数据。人工智能一定是大势所趋，但没有把基本功做牢，在猪价低迷的现在如果盲目增加智能成本也是徒劳的！
图1 人工智能的使用范围
引用当天中国畜牧协会会长李熙荣的几个观点：
• 消费疲软，产能过剩
• 用地难拿，疾病难控
• 标准缺位，品牌混乱
• 成本升高，人才缺乏
• 进口扩大，环保施压
• 价格低迷，补贴难找
非常赞同李会长的观点，这里有很多外部的因素，无法人为管控。但我们与国际的养猪管理上还有一定的差距。中国的PSY（母猪年产籽成活头数）在18-21左右，美国在24左右，欧盟在27.5，甚至丹麦在30以上。简单的看来，差距不仅在人工智能的大数据分析上，更应该是在是（好种+好料）*好管理N次方的好技术。不管你用多么好的种猪，多么贵的饲料与原料，多么好的设备和厂房。如果管理有问题，人员不负责，疾病防不住。乘以一个零管理，最后一切都是打水漂。我的家乡有句老话：家财万贯，带毛的不算！
阿里的全产业农业链
阿里让我们看到了希望还是幻象？
同时可以看到阿里进入养殖业，又增加冷链物流管理，同时提出了新的行业标准（真是三流企业做产品，二流企业做品牌，一流企业做标准的模式），让每头猪跑上200公里再出栏，也就是差不多每天跑上1公里，以后没有运动场的猪场，都不能算上好猪场。再结合自有的品牌终端店“盒马鲜生”。我相信在不久的将来，广大消费者能够买到“概念满满”的新鲜品牌猪肉。但绝非是现在这个价格，也许和几十元一斤的黑猪肉比肩的全程可追溯、有身份识别的猪肉。一个与亚马逊加全食神似的“中国模式”应运而生。但是对改变和提升整个养殖水平能有多么大的帮助，我们还要拭目以待。但这就是线上线下融合，自有配套体系，无须消费者品牌忠诚度再教育的现代化互联网营销模式。
希望农业能还如此清秀
美国是怎么研究人工智能养殖的
由于个人的能力所限，紧急求援我们农业三只眼的成员——在美留学的专业人士—程建博士，特来请教国外是如何应用人工智能和大数据管理的。在其深造和工作的百忙之中与各位朋友做简短分享如下！
数字农业（Digital agriculture）是第四次工业革命的一部分，它通过计算机和通信相关的数字科技将物理世界和生物世界联系在一起。数字农业的物理组成包括但不限于：移动设备，物联网，感应器（包括图像，声频或视频，生化，电子，有线或无线等等），无人驾驶航空系统，自动车辆，云服务，识别技术等。 然而，这种精准农业在畜牧业生产上的发展和应用还落后于作物生产。可能是因为动物的复杂性，包括动物的移动特性以及数据输入的多样性。随着技术的发展，个体动物的多样性数据采集已经成为可能。进而，个体动物的数据整合到一个复杂的数据库也是可行的。 例如，通过AI（人工智能）和特殊的机器视觉技术（Machinevision technology），可以采集到每头猪的生产记录，日龄，体重，移动，饮水的采食状况。阿里巴巴希望通过声音识别软件采集到猪群的音频信息。英国的农业工程研究所开发的Innovent’s qscan，可以每天监测动物的体重和生长，根据目标生长速度调整饲喂计划，并且发现掉队动物，找出饮水，采食和健康问题。Clicr Technologies 的精确技术可以提高猪场效率。在最理想的体重下出栏，减少饲料浪费，准确及时给药，淘汰生产效率的较低的动物。欧盟开展的ALL-SMART-PIGS 项目，旨在将物联网应用到养猪业中。
使用感应器来检测健康状况，饲料和饮水，移动，体重，空气质量以及咳嗽等等。 总之，大量的数据正在向养猪业袭来，这就需要我们合理的分析和利用这些数据。下面举一些大数据在养猪生产研究中的例子。 首先管理上，大数据可以给养猪业提高准确率，降低浪费，从而提高经济效益。美国普渡大学动物科学学院和农业工程学院正在研究开发智能化的母猪冷却板系统，通过这个系统可以采集冷却板水流速度，移除的热量，以及母猪每天产乳量，饮水，采食，体重，呼吸频率，体温，胎次，繁殖性能等。通过这个研究可以评估热应激对母猪采食，饮水以及繁殖性能的影响，最终通过自动化控制决定母猪性能最佳的冷却板参数。
另外，通过一系列采集到的数据，还可以进一步探究饮水，采食，哺乳体重损失，生产性能之间的相互关系，了解猪的生理特征。 猪的体重鉴定是图像分析的新兴领域，因为体重对于营养，上市策略，配种管理和疾病来说都是非常重要的一环。因此，精准的体重评估对于养猪业来说是十分必要的。普渡大学同样做过研究，出栏时挑猪误差水平的高低直接影响到了猪场的效益以及最佳的上市体重。通过这种图像识别技术，有机会减少误差水平，同时可以针对性的调整饲喂策略，发现掉队猪及时处理或淘汰，减少饲料浪费，达到生产效益最大化。 动物行为的数据，可以提供关于环境状况，饲料，饮水，健康，福利和生产效率等的信息。机器视觉技术作为一项新技术，可以自动监控动物行为，为饲喂，饮水，躺卧行为，移动，攻击行为以及繁殖行为提供指导和研究（A. Nasirahmadi et al., 2017）。 遗传学是动物科学领域中最早开始使用机器学习和数据挖掘的学科，大数据应用于全基因组选育可以追溯到Long et al. (2007)-威斯康辛大学动物科学学院利用机器学习方法从基因组大量的SNP（单核苷酸多态性）信息中来筛选和肉鸡死亡率有关的SNP。
自动饲喂系统的应用也对育种有着非常重要的意义，自动饲喂系统提供了猪每天的采食量以及采食行为特征数据。通过对这些数据的分析和在育种上的应用，可以有效提高饲料效率，甚至提高对疾病的抵抗力。比如，通过选育RFI （剩余采食量）可以提高猪的饲料效率，同时保持稳定的生长速度和瘦肉率。而RFI 就是通过统计的方法用日增重和背膘厚数据得到估计采食量，估计采食量减去实际采食量就是RFI, 通过不断选育这种新的表型就可以提高饲料效率。通过大数据分析，来寻找替代表型，进而更有效的进行选育如今已非常普遍。例如，通过选育采食行为来提高饲料效率，通过机场的天气数据来研究热应激，利用个体日采食量数据提高猪对疾病的抵抗力等等。爱荷华州立大学的教授目前就在探索利用RMSE （均方根误差，通过统计方法从日采食量数据中获得）和采食时长作为新的表型来选育对疾病具有较高抵抗力的猪。
综上所述，在智能化养猪时代，大数据对生产管理，营养，健康以及遗传育种方面的应用研究都有着非常巨大的潜力，关键是如何正确合理地利用这些数据来造福行业。
网友评论