智能物聯(lián)網(wǎng)技術(shù)在畜牧養(yǎng)殖業(yè)中的應(yīng)用研究進(jìn)展

陳渝浩 ，李 晟 ，楊 杰 ，蒲施樺 ，曾雅瓊 *

（1.重慶市畜牧科學(xué)院，重慶 榮昌 402460；2.四川御智微科技有限公司，四川 成都 610000）

1 引言

隨著畜牧養(yǎng)殖業(yè)的規(guī)?；?、集約化發(fā)展，進(jìn)一步降低養(yǎng)殖成本、提高生產(chǎn)質(zhì)量和效率是養(yǎng)殖業(yè)一直追求的目標(biāo)。黨的十八大以來，農(nóng)業(yè)農(nóng)村部印發(fā)的畜牧業(yè)工作要點(diǎn)中提到要加快轉(zhuǎn)型升級，加快向現(xiàn)代化邁進(jìn)。國務(wù)院在《關(guān)于促進(jìn)畜牧業(yè)高質(zhì)量發(fā)展的意見》中也明確提出：要加快構(gòu)建現(xiàn)代養(yǎng)殖體系，而智能物聯(lián)網(wǎng)技術(shù)則是現(xiàn)代化畜牧養(yǎng)殖業(yè)中發(fā)揮重要作用的基礎(chǔ)。智能物聯(lián)網(wǎng)技術(shù)在畜牧養(yǎng)殖業(yè)中的應(yīng)用主要包括各種監(jiān)測數(shù)據(jù)的采集、傳輸、分析處理等環(huán)節(jié)。數(shù)據(jù)的采集分為畜禽個體信息的編碼標(biāo)識、圈舍的環(huán)境信息和攝像頭等設(shè)備獲取的音頻、視頻等數(shù)據(jù)；將獲取到的數(shù)據(jù)，經(jīng)過各種無線傳輸協(xié)議傳送到節(jié)點(diǎn)，匯集到大數(shù)據(jù)智能平臺分析處理，最終再將決策指令分發(fā)到各個控制端，可以實(shí)現(xiàn)畜禽的精細(xì)化飼養(yǎng)、圈舍環(huán)境控制、畜禽異常監(jiān)測等，這為畜牧業(yè)的高效率運(yùn)行提供了很好的技術(shù)支撐。文章主要從畜禽耳標(biāo)身份標(biāo)識、環(huán)境控制、人工智能和大數(shù)據(jù)智能平臺等方面全方位綜述了當(dāng)前智能物聯(lián)網(wǎng)發(fā)展情況及存在的問題。

2 畜禽的耳標(biāo)身份標(biāo)識和環(huán)控技術(shù)

2.1 耳標(biāo)標(biāo)識技術(shù)

畜牧業(yè)常見個體電子標(biāo)簽類型有頸圈式、耳標(biāo)式、注射式和藥丸式等。耳標(biāo)式的標(biāo)簽早期是在耳標(biāo)上印制條形碼或者二維碼，這種耳標(biāo)的缺點(diǎn)很明顯，當(dāng)耳標(biāo)表面有污漬或者圖案磨損時，會導(dǎo)致識別標(biāo)識不準(zhǔn)確。射頻識別（RFID：Radio Frequency Identif ication）技術(shù)，在第二次世界大戰(zhàn)中的敵我識別系統(tǒng)中初次使用，在20 世紀(jì)90 年代大規(guī)模使用。RFID 電子耳標(biāo)由RFID芯片和線圈組成，通過射頻原理實(shí)現(xiàn)數(shù)據(jù)的非接觸式讀寫與識別，且無需內(nèi)置電池，通過接受器發(fā)射的射頻信號，將這種信號的部分能量轉(zhuǎn)化為電能供自身工作。通過RFID耳標(biāo)可對畜禽養(yǎng)殖進(jìn)行全程跟蹤，如對養(yǎng)殖場名稱、地點(diǎn)等信息的記錄，進(jìn)行養(yǎng)殖場的精細(xì)化管理。后來產(chǎn)生了使用無線傳輸協(xié)議的電子耳標(biāo)，使獲取到的信息傳輸更加便捷，極大地減少了人力成本。但是無線傳輸協(xié)議早期針對物與物進(jìn)行通信的方式主要是WIFI 和藍(lán)牙等，由于其無法滿足遠(yuǎn)距離、低功耗的要求，對物聯(lián)網(wǎng)的發(fā)展有一定制約作用；隨后出現(xiàn)一種短距離、低功耗的無線通信技術(shù)-ZigBee 技術(shù)，它可以應(yīng)用于一些可以安裝內(nèi)置電池的場景中，在一定程度上緩解了低功耗問題；業(yè)界為了同時解決物聯(lián)網(wǎng)中低功耗、長距離的需求，低功耗廣域網(wǎng)（LPWAN:Low Power Wide Area Network）的概念被提出，并且有多種技術(shù)誕生：LoRa、Sigfox、LTE-M、NWave，其中的LoRa 技術(shù)由于其產(chǎn)業(yè)鏈相對成熟取得了較快發(fā)展?；贚oRa 通信的電子耳標(biāo)很好地解決了長距離傳輸和續(xù)航問題，不僅可進(jìn)行畜禽的身份識別還能進(jìn)行畜禽心率、血氧、體溫等的實(shí)時監(jiān)測，極大地提高了監(jiān)測效率（如圖1）。

2.2 環(huán)控技術(shù)

畜禽健康直接影響?zhàn)B殖企業(yè)效益，環(huán)境因素是影響畜禽健康的重要因素之一。如極端溫度、有害氣體等因素會直接提高畜禽發(fā)病概率，為畜禽提供適宜的生長環(huán)境將極大地提高養(yǎng)殖效率。環(huán)境控制主要針對相對封閉的養(yǎng)殖環(huán)境，動態(tài)地監(jiān)測畜禽生存環(huán)境的溫度、濕度、二氧化碳、氨氣等指標(biāo)，然后調(diào)用相應(yīng)的設(shè)備，調(diào)節(jié)對應(yīng)指標(biāo)至正常范圍。早期對養(yǎng)殖環(huán)境的控制相對簡陋，沒有形成系統(tǒng)化的結(jié)構(gòu)方案?，F(xiàn)代的環(huán)控方案包括從數(shù)據(jù)獲取、傳輸、分析、控制的全環(huán)節(jié)閉環(huán)（如圖1）。對于溫濕度、二氧化碳、氨氣、硫化物等環(huán)境數(shù)據(jù)的獲取目前主要依賴于傳感器，然后通過無線傳輸協(xié)議，將獲取的環(huán)境信息傳輸?shù)骄W(wǎng)關(guān)設(shè)備，再通過移動網(wǎng)絡(luò)將數(shù)據(jù)上傳到互聯(lián)網(wǎng)中的智能平臺進(jìn)行分析處理，將決策處理后的結(jié)果發(fā)送到單片機(jī)、PLC（Programmable Logic Controller）等控制單元，最后將控制信號發(fā)送給電熱板、噴霧降溫等設(shè)備，起到調(diào)節(jié)控制環(huán)境的作用。

環(huán)境控制中一個很重要的環(huán)節(jié)是，智能平臺如何根據(jù)所收集到的環(huán)境信息，進(jìn)行科學(xué)的分析處理決策，把畜禽的生存環(huán)境調(diào)節(jié)到舒適的狀態(tài)。常用的方案是根據(jù)不同的環(huán)境信息進(jìn)行上下限閾值設(shè)定，當(dāng)監(jiān)測到采集的信息出現(xiàn)異常時進(jìn)行提醒，再發(fā)送相應(yīng)的控制信號進(jìn)行調(diào)整，這種調(diào)整方式更多的是通過人為經(jīng)驗(yàn)去設(shè)定閾值。楊柳等人基于前期采集的溫濕度信息，采用小波變換降噪和支持向量積（SVM：Support Vector Machine）進(jìn)行回歸，預(yù)測下一個時間點(diǎn)的溫濕度值，可以相對智能地調(diào)整環(huán)境溫濕度。毛罕平等人綜述了溫室環(huán)境控制進(jìn)展，其中總結(jié)多種溫室控制方法，對于畜牧養(yǎng)殖業(yè)可以作為很好的借鑒。綜上可以看出，大部分的環(huán)境控制方案，都按照各個環(huán)境因素相互獨(dú)立的方式來進(jìn)行優(yōu)化，而實(shí)際上畜禽的生存是多種環(huán)境因素綜合作用的結(jié)果，如果能運(yùn)用人工智能等技術(shù)，對所有采集到的環(huán)境信息進(jìn)行綜合分析，得到綜合環(huán)境控制方案也許是未來研究的方向。

2.3 目前存在的不足

目前的畜禽耳標(biāo)雖然在功能上有了很大進(jìn)步，但是由于佩戴方式、舒適度等原因，會出現(xiàn)畜禽撕咬、啃食其他畜禽的耳標(biāo)現(xiàn)象，造成耳標(biāo)損壞、脫落等情況。對于規(guī)模化程度不高的養(yǎng)殖戶來說，給畜禽打耳標(biāo)的認(rèn)知程度還不夠。這些問題在一定程度上阻礙了電子耳標(biāo)在實(shí)際生產(chǎn)中的應(yīng)用，不利于動物疫病防控與養(yǎng)殖場管理。

環(huán)境控制雖然目前已經(jīng)取得了一定的進(jìn)展，但是由于很多養(yǎng)殖場的整體設(shè)施不完善，技術(shù)水平層次不齊，且成本過高，導(dǎo)致環(huán)境控制的整體閉環(huán)沒有很好地發(fā)揮其作用，這個過程需要進(jìn)一步提高技術(shù)積累、降低成本，才能為畜牧養(yǎng)殖業(yè)的智能化提供基礎(chǔ)支撐。

3 人工智能識別技術(shù)

人工智能中最具代表性的技術(shù)是神經(jīng)網(wǎng)絡(luò)，其早期概念在1943 年就已經(jīng)被Warren McCulloch 和Walter Pitts 所提出，但由于早期硬件條件等因素的限制，其經(jīng)歷多次的發(fā)展和衰落，直到2012 年Geoffrey Hinton 等人在ImageNet 比賽中利用多層的卷積神經(jīng)網(wǎng)絡(luò)奪冠，隨后越來越多的研究成果涌現(xiàn)，至此，人工智能的熱潮再一次被點(diǎn)燃。如今，人工智能已經(jīng)滲透到包括畜牧業(yè)在內(nèi)的各行各業(yè)，而且有些行業(yè)的特定場景中，也已經(jīng)有比較出色的落地產(chǎn)品，比如機(jī)動車車牌識別等。

我國畜牧養(yǎng)殖業(yè)已經(jīng)從傳統(tǒng)的以家庭、小集體為單位的經(jīng)驗(yàn)式養(yǎng)殖，發(fā)展到現(xiàn)今以大規(guī)模、標(biāo)準(zhǔn)化、自動化、企業(yè)化為特征的現(xiàn)代化方式養(yǎng)殖。在此過程中，人工智能技術(shù)在畜牧養(yǎng)殖業(yè)的應(yīng)用研究逐步開始發(fā)揮作用，特別是通過對畜禽聲音、圖像等信息進(jìn)行識別分析，可以判斷畜禽的生長狀態(tài)、健康情況，這將在大規(guī)模、標(biāo)準(zhǔn)化的養(yǎng)殖體系中，很大程度上減少人力成本，提高養(yǎng)殖企業(yè)整體的運(yùn)行效率。

3.1 畜禽聲音識別

畜禽個體的聲音可以反映出畜禽的情緒、健康、發(fā)情、饑餓等狀況的變化，對飼養(yǎng)員采取正確的措施具有很強(qiáng)的指導(dǎo)意義。比如豬只出現(xiàn)感冒、咳嗽等癥狀時，規(guī)模養(yǎng)殖企業(yè)無論從時間還是空間上，都很難通過人工方式及時發(fā)現(xiàn)情況，往往當(dāng)畜禽出現(xiàn)了嚴(yán)重癥狀或者死亡時才能被發(fā)現(xiàn)，而采用自動化聲音識別方法可有效避免這種情況。對于畜禽聲音識別處理分析，一般都需要經(jīng)過穩(wěn)定聲音的采集方案設(shè)計、聲音信號的降噪處理以及信號的預(yù)處理等步驟，之后再對聲音信號進(jìn)行進(jìn)一步的模型分析。Berckmans 等人通過對豬只聲音在時域和頻域下分析，采用實(shí)際獲取的標(biāo)準(zhǔn)化功率譜密度（PSD：Power Spectrum Density）和每一個體參考PSD 相比較，用平方的歐式距離作為判斷條件，并采用一個閾值作為咳嗽和非咳嗽的豬只分類的判斷依據(jù)。此后，也有一些人通過相似的方法，對正常豬和患呼吸道疾病豬只的PSD 進(jìn)行研究分析。除此之外，基于淺層網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)方法，也被用于檢測畜禽的聲音異常，比如支持向量積（SVM：Support Vector Machine），通過將畜禽的異常聲音作為訓(xùn)練樣本構(gòu)建分類器，然后將訓(xùn)練好的分類器用于異常聲音的檢測。高斯混合模型（GMM：Gaussian Mixture Model）一般可以理解為多個單高斯模型的疊加，對于畜禽聲音識別，一般先對樣本聲音的特征參數(shù)進(jìn)行提取，然后訓(xùn)練出高斯混合模型，最后對待測樣本聲音進(jìn)行概率預(yù)測。隱馬爾可夫模型（HMM:Hidden Markov Model）通常用一個三元組λ=（A，B，π）來表示，對于畜禽不同的行為聲音可以構(gòu)造出不同的HMM 模型，最后可以采用Viterbi 算法求出最大的輸出概率，以此判斷待測聲音屬于哪一種HMM 模型。隨著深層網(wǎng)絡(luò)的發(fā)展，特別是卷積神經(jīng)網(wǎng)絡(luò)（CNN:Convolutional Neural Networks）出現(xiàn)，雖然其更多的是被用于處理圖像相關(guān)問題，但是由于語譜圖（如圖2）以二維圖像的形式存在，并且攜帶有聲音的三維信息，利用CNN 的平移不變等特性，可以將聲音變相的作為圖像來進(jìn)行識別處理，它的一般步驟包括數(shù)據(jù)集的構(gòu)造、預(yù)處理、網(wǎng)絡(luò)訓(xùn)練、模型生成和測試評估。

圖2 豬叫的波形圖（上）和語譜圖（下）

3.2 畜禽圖像識別

由于聲音信號的采集和它本身所能反映的畜禽行為的局限性，與畜牧業(yè)中畜禽聲音信號的研究相比，圖像信號的研究成果更為豐富。從畜禽的外在體型到內(nèi)部的肉質(zhì)都有相應(yīng)的分析研究，并且研究方法從傳統(tǒng)圖像處理到近年研究較多的深度學(xué)習(xí)都有涉及。研究的焦點(diǎn)主要包括畜禽的目標(biāo)檢測和計數(shù)、活體檢測、畜禽胴體背膘厚度和表皮干濕狀態(tài)、體重估計、肉質(zhì)分級、采食飲水行為，以及畜禽臉部識別等。

針對畜禽的目標(biāo)檢測和計數(shù)，最簡單的方法就是運(yùn)用幀間差分法和背景減除法來檢測運(yùn)動的目標(biāo)。第一種主要通過連續(xù)兩幀圖像作差，將圖像中固定的部分去除，然后通過閾值來區(qū)分出運(yùn)動的區(qū)域；第二種是提前獲取到背景圖像，然后用當(dāng)前幀圖像減去背景圖像獲得目標(biāo)。兩種方法的優(yōu)點(diǎn)是簡單、計算少，缺點(diǎn)是目標(biāo)點(diǎn)提取不完全和對環(huán)境變化敏感。還有通過大津算法（OTSU）等方式，將畜禽從圖像中分割出來，達(dá)到檢測和計數(shù)的目的。此外，深度卷積神經(jīng)網(wǎng)絡(luò)（CNN）由于其出色的自動特征提取能力，現(xiàn)也被用于畜禽的目標(biāo)檢測和計數(shù)，如YOLO 等目標(biāo)檢測網(wǎng)絡(luò)框架，需要先制作相應(yīng)畜禽的數(shù)據(jù)集，一般分為訓(xùn)練集、驗(yàn)證集和測試集，主要通過訓(xùn)練集來學(xué)習(xí)建立一個可以針對特定畜禽的識別檢測模型，用其對實(shí)際待測數(shù)據(jù)，通過畫框方式在圖像中可視化標(biāo)記達(dá)到檢測目的，所以對于目標(biāo)檢測的CNN 網(wǎng)絡(luò)，只能夠知道目標(biāo)在圖像中的大概位置，無法做到針對目標(biāo)像素級的邊界定位。

畜禽的活體檢測除了可以使用前文所述的RFID 電子耳標(biāo)或電子項(xiàng)圈，采用基于圖像算法的活體檢測，也是目前研究的熱點(diǎn)，特別是針對人臉的活體檢測。而針對畜禽的活體檢測有最大似然法和迭代閾值法。其中最大似然法通過標(biāo)記圖像中豬皮膚區(qū)域和非皮膚區(qū)域，制作出訓(xùn)練數(shù)據(jù)，然后構(gòu)造出最大似然分類器，來識別出圖像中的皮膚特征和非皮膚特征，以達(dá)到活體檢測的目的。迭代閾值法通過迭代方式計算出一個合適的閾值，來對圖像進(jìn)行分割，以達(dá)到檢測活體的目的。雖然兩種方法簡單、計算量小，但是這兩種方法的不足之處是得到的結(jié)果會存在很多噪聲干擾，需要進(jìn)一步進(jìn)行噪聲去除。

畜禽胴體背膘厚度和表皮干濕狀態(tài)，都直接了決定生豬在市場上的商品價值。對于背膘厚度的測量，首先需要從圖像中找到豬胴體區(qū)域，常用的方案是采用圖像分割算法，將其從圖像中提取出來，然后采用漫水填充得到背膘區(qū)域，再采用其他方法來對其進(jìn)行測量。表皮干濕狀態(tài)的識別是基于畜禽表皮的水分反光，在灰度圖中會呈現(xiàn)高灰度值的區(qū)域，同樣采用圖像分割將水分區(qū)域分割出來，然后根據(jù)水分區(qū)域的面積大小可以判斷出表皮的干濕狀態(tài)。雖然目前從調(diào)研上看，人們主要使用傳統(tǒng)圖像處理技術(shù)，研究此類問題；但是可以預(yù)見，使用傳統(tǒng)機(jī)器學(xué)習(xí)或者深度學(xué)習(xí)，可以很好地完成此類任務(wù)。

畜牧養(yǎng)殖過程中，一個很重要的環(huán)節(jié)，是了解畜禽的體重或體尺變化，傳統(tǒng)稱重需要將畜禽驅(qū)趕至固定稱重區(qū)域才能完成，一般畜禽又很難順從地聽取指令，對于大規(guī)模的養(yǎng)殖場來說更是難上加難，所以能夠從視覺的角度，在無接觸的場景完成對畜禽的體重估算，具有很強(qiáng)的現(xiàn)實(shí)意義。早期研究中先將畜禽從圖像中分割出來，利用投影面積和體重的相關(guān)性來進(jìn)行推測。由于畜禽體型的復(fù)雜性，單純的面積只能大概估算體重，遂加入體長、體寬、體高、臀寬、臀高等多個體尺參數(shù)，這些體尺信息的獲取方式，從手工測量發(fā)展到采用雙目相機(jī)獲取，再使用多種回歸神經(jīng)網(wǎng)絡(luò)建立模型來進(jìn)行估重。

肉質(zhì)分級主要從紋理、肉色等方面進(jìn)行分析，主要利用傳統(tǒng)圖像處理的顏色和圖像直方圖等方面進(jìn)行處理分析，也有采用基于顏色特征參數(shù)為數(shù)據(jù)基礎(chǔ)，利用BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行顏色分級。

畜禽的采食飲水行為可以直觀地反映出畜禽的健康狀況，但是針對畜禽采食飲水智能識別的研究還相對較少，主要方案是將畜禽從圖像中分割出來，然后利用深度學(xué)習(xí)識別頭部圖像，進(jìn)而判斷是否發(fā)生飲水行為。

畜禽臉部識別研究，在深度學(xué)習(xí)快速發(fā)展以前相對較少，隨著深度學(xué)習(xí)的火熱，近幾年針對豬臉、牛臉等畜禽的研究與日俱增，特別是采用各種卷積神經(jīng)網(wǎng)絡(luò)，如VGGNet、ResNet 等網(wǎng)絡(luò)和以此為基礎(chǔ)的各種網(wǎng)絡(luò)擴(kuò)展模型，并且取得了良好的效果。

3.3 目前的不足

通過對自動化、智能化技術(shù)在畜牧養(yǎng)殖業(yè)的應(yīng)用調(diào)研發(fā)現(xiàn)，雖然現(xiàn)在已經(jīng)有很多研究成果出現(xiàn)，但是由于每種技術(shù)的局限性，依然還存在非常多的不足，特別是針對基于卷積神經(jīng)網(wǎng)絡(luò)的研究，主要有以下三個方面：

（1）數(shù)據(jù)的采集。由于目前大部分養(yǎng)殖場的環(huán)境相對比較簡陋，無論對于聲音還是圖像的采集都還很難做到全天候穩(wěn)定的高質(zhì)量數(shù)據(jù)采集，這對于數(shù)據(jù)的后期處理識別都會造成精度的損失。

（2）數(shù)據(jù)的標(biāo)注。特別是針對畜牧養(yǎng)殖業(yè)特定畜禽的特定問題，沒有現(xiàn)成的數(shù)據(jù)集可用，很大程度上都需要進(jìn)行特定數(shù)據(jù)集的標(biāo)注，而這個標(biāo)注基本上都需要人工來完成，這會對其發(fā)展有一定的制約。

（3）算法的局限。比如針對豬舍中某頭豬的識別跟蹤，當(dāng)出現(xiàn)長時間的目標(biāo)丟失以后，如何能夠依然正確的編號，仍舊是個難題。

4 大數(shù)據(jù)智能化平臺系統(tǒng)

早期養(yǎng)殖場對畜禽信息的管理多采用紙質(zhì)方式，即使現(xiàn)在各行各業(yè)都在進(jìn)行信息化、數(shù)字化的改革，仍然有非常多的養(yǎng)殖場采用這種方式。但是隨著現(xiàn)代畜牧養(yǎng)殖向規(guī)模化、智能化方向發(fā)展，借助各種傳感器、攝像頭等硬件設(shè)備，可以獲取畜禽的全方位信息，使得養(yǎng)殖實(shí)體擁有更加多元化的手段進(jìn)行畜禽養(yǎng)殖管理。采集到的數(shù)字信息越多，數(shù)據(jù)量越來越大，采用原始的紙質(zhì)方式保存就越吃力，所以對于能提供統(tǒng)一的數(shù)字平臺進(jìn)行管理、展示、統(tǒng)計等的需求就更為迫切（如圖3）。

圖3 豬場智能化系統(tǒng)平臺

4.1 應(yīng)用分類綜述

最開始在養(yǎng)殖場景中出現(xiàn)的管理系統(tǒng)主要集中在養(yǎng)殖場信息、畜禽的基本信息、一些技術(shù)標(biāo)準(zhǔn)等數(shù)字化信息，且其中大部分信息需要人工收集、整理、錄入。針對特定對象的信息采集管理，比如基于RFID 可追溯的系統(tǒng)，可以通過對畜禽終端佩戴的RFID 獲取各項(xiàng)信息，進(jìn)行查詢、統(tǒng)計等功能，進(jìn)一步提供多種終端的查詢，為經(jīng)營、研究者提供更多選擇。

與針對某一特定功能的平臺建設(shè)相比，智能化平臺系統(tǒng)的趨勢是囊括畜禽本身各種體征、圈舍環(huán)境、養(yǎng)殖場周圍氣象等數(shù)據(jù)，并且融合3S（遙控監(jiān)測，RS:Remote sensing；地理信息系統(tǒng)，GIS :Geography information systems；全球定位系統(tǒng)，GPS :Global positioning systems）等技術(shù)，針對全終端平臺的綜合模式架構(gòu)。這將會對物聯(lián)網(wǎng)、人工智能、無線電通信等各方面技術(shù)提出更高的要求，而且需要國家、社會、企業(yè)各方面的支持，促進(jìn)畜牧養(yǎng)殖業(yè)的智能化更好的發(fā)展。

4.2 目前存在的不足

雖然未來畜牧智能化的發(fā)展是大勢所趨，但對于系統(tǒng)平臺建設(shè)，數(shù)據(jù)來源的穩(wěn)定性是制約其發(fā)展的關(guān)鍵環(huán)節(jié)，這就會落實(shí)到每一個關(guān)鍵的產(chǎn)品、功能和技術(shù)點(diǎn)上，所以對于穩(wěn)定的數(shù)據(jù)產(chǎn)生、獲取、傳輸、保存和處理都至關(guān)重要。比如帶有Lora 和ZigBee 等傳輸協(xié)議的RFID如何進(jìn)一步提高續(xù)航等問題，只有它能持續(xù)穩(wěn)定的產(chǎn)生準(zhǔn)確的數(shù)據(jù)，系統(tǒng)平臺才能獲取高質(zhì)量有效的數(shù)據(jù)。

對于建立全方位的智能化系統(tǒng)平臺，除了軟件上的需求外，同時需要大量的硬件設(shè)備支撐，如各種傳感器、攝像頭、網(wǎng)關(guān)等，而有些設(shè)備成本相對較高，如能進(jìn)一步通過技術(shù)手段在設(shè)計、生產(chǎn)硬件的各個環(huán)節(jié)降低成本，將會反過來促進(jìn)系統(tǒng)平臺的推廣和發(fā)展。

5 結(jié)束語

智能物聯(lián)網(wǎng)技術(shù)是一個融合了物聯(lián)網(wǎng)、人工智能、云計算、大數(shù)據(jù)等諸多關(guān)鍵性前沿技術(shù)的綜合性體系。而我國畜牧養(yǎng)殖業(yè)的自動化水平在國際上相對較低，隨著智能物聯(lián)網(wǎng)的發(fā)展，這將對我國畜牧養(yǎng)殖業(yè)的自動化、智能化的發(fā)展起到促進(jìn)作用。當(dāng)然也要清醒地認(rèn)識到，這個過程中機(jī)遇與挑戰(zhàn)并存。機(jī)遇是人工智能等技術(shù)領(lǐng)域我們的研究目前處于世界領(lǐng)先水平，而且有國家層面對物聯(lián)網(wǎng)、人工智能、云計算、大數(shù)據(jù)發(fā)展的大力支持。挑戰(zhàn)是針對這些技術(shù)的研究相對獨(dú)立、融合性不強(qiáng)，特別是在畜牧養(yǎng)殖業(yè)中應(yīng)用落地的高質(zhì)量產(chǎn)品相對較少。但是我們相信，隨著技術(shù)的逐步積累，在畜牧養(yǎng)殖業(yè)，一定能形成數(shù)據(jù)產(chǎn)生→傳輸→分析→決策→控制的高質(zhì)量閉環(huán)，提高生產(chǎn)效率。