摘要：随着我国农业结构调整和农业产业化的推进，规模化、集约化的畜禽养殖模式快速发展，高密度养殖带来的疾病防控日益成为难题。在信息化时代的背景下，人工智能、大数据、物联网等技术可为提高畜禽疫病智能防控水平提供有力支撑。本文围绕畜禽疫病智能防控技术研究现状与发展趋势，总结分析了图像识别、音频识别、智能传感等畜禽疫病在线监测技术，以及基于感知数据、知识决策和计算模型的畜禽疫病智能诊断与防控决策方面的试验进展、发展现状和存在问题，并展望了应用新一代信息技术进行畜禽疫病在线诊疗与智能诊断的技术优势和应用前景。
关键词：畜禽疫病；图像识别；音频分析；智能诊断；防控决策
畜牧业的发达水平一定程度上代表了一个国家的农业发展水平。2019年我国畜牧业总产值达33 064.35亿元，占农业总产值的27%左右，是农业领域当之无愧的支柱产业。但是受畜禽疫病影响，生产能力低、病死率高、生长速度慢等问题一直掣肘着我国畜牧业的快速发展。近年来，随着我国畜牧业集约化、规模化养殖模式的加快推进，畜禽疫病问题越来越凸显，畜禽疫病的发生不仅会影响畜牧业的现代化进程，更会对食品安全、人民健康及生态环境造成严重危害。随着计算机和网络技术的发展，畜禽疫病防控逐渐信息化，机器视觉、语音识别、物联网等技术手段能够多角度采集畜牧生产中的动物疫病信号，进而利用大数据、云计算技术进行数据智能化分析，提前进行预警预报，信息技术为畜禽疫病防控提供了有力的支撑，成为解决畜禽疫病防控的有效手段。信息技术在畜禽疫病防控方面的研究和应用主要集中在畜禽生理及行为的在线监测、疾病早期检测与智能诊断、防控决策几方面。本文围绕畜禽疫病在线监测、智能诊断和防控决策这3个方面，重点分析了国内外的研究进展、应用现状及未来展望，为国内发展畜禽疫病智能防控决策技术提供参考依据。
1 畜禽疫病在线监测
畜禽疫病在线监测是指通过各种信息化手段（如生物传感技术、电子个体标识技术、图像识别技术、音视频分析技术等）对畜禽的生物学指标及行为动作进行监测与收集，判断动物的健康状况，对畜禽可能发生的疫病做出预警。畜禽发生疫病情况会直接体现在其生理指标的变化上，如体温情况可以直观地反映畜禽的健康情况，呼吸、心跳等都与畜禽健康状况有密切的联系。此外，在动物行为学的概念中，动物会根据外界环境的变化及内在生理状况的变化而做出有机性调整，并以最有利于生存的方式完成各种生命活动。如果畜禽的生理状况出现异常，其正常行为就会受到一定影响，通过在线监测畜禽的行为可以判断其健康状况及可能发生的疫病情况。
1.1 图像识别 畜禽的图像识别技术，主要应用于畜禽的行为监测，通过提取图像中相关特征信息并进行处理分析，应用人工神经网络等算法识别畜禽的不同行为，判定畜禽出现的异常，评估其健康状况，对其疫病情况进行在线监测。朱伟兴等研发了基于ARM平台的病猪识别系统，其利用安装于猪舍排泄区的嵌入式监控设备对猪的排泄行为进行监控，通过改进的运动目标检测算法和图像识别算法以定位具有异常的猪只。Kongsro提出一种运动检测、逐帧捕捉、多变量图像分析的低成本猪只行为视觉识别系统，通过主要成分分析等图像分析方法，为猪只的运动进行评分，辨别猪只的跛行情况。Nasirahmadi等将猪不同条件下的躺卧姿势结合图像三角剖分与多层神经网络方法区分为3类，不同的躺卧姿势情况可以作为调节环境温度的依据。Zhao等使用计算机视觉技术分析牛摆动腿的运动曲线，对牛步态的对称度、速度、轨迹、站立时间、步幅、柔度6个特征进行评价，对牛只跛行的程度进行分级。
畜禽行为主要包括采食、饮水、排泄、发情等，采食量与饮水量代表着畜禽摄入所需营养的能力水平高低，与其生产水平直接相关，反映了畜禽的健康状况，学者们对此研究较多。田富洋等利用高频反射涡流传感器采集奶牛颞窝部的动作规律，通过分析传感器的脉冲时间推算奶牛吞咽的动作，计算奶牛采食量。周雅婷等利用集陀螺加速度计和蓝牙模块为一体的传感器采集肉牛行动时产生的数据，通过蓝牙轮询组网模式将数据无线传输到PC机，使用BP神经网络分析肉牛采食行为数据，对肉牛的采食行为进行识别。
除了监测畜禽行为之外，图像识别技术也应用于监测畜禽的体温、体重、体尺等生理指标，不仅可以有效快速地获得数据，还能避免接触式测量为畜禽带来的身体损伤和应激反应，有效降低传播疾病风险。Sathiyabarathi等利用热红外图像测量奶牛关键部位温度后分析计算牛乳房与其他身体部位的温度差异，可以有效识别一定程度的乳房炎。Rainwater-Lovett等使用热红外成像仪测定牛只蹄部温度，结果表明热红外成像技术有潜力成为迅速诊断口蹄疫的方法。Amraei等使用Chan-vese法将肉鸡模型进行椭圆模拟，使用6个特征值对肉鸡图像进行处理，用支持向量回归对数据进行分析，对肉鸡体重进行估算。司永胜等为了提高计算机视觉识别猪只体尺数据的精准度，设计了一种基于Kinect相机的猪体理想姿态检测算法，可提高图像利用率和体尺测量效率。
在图像识别技术中，目前的主要问题集中在设备布置和数据采集方式复杂、操作不便以及识别精准度有待提高，未来理想的图像识别可以通过小巧便捷的设备，使用图像识别率接近100%的技术和算法，实现畜禽疫病在线监测。
1.2 音频分析 畜禽发出的声音中包含着很多信息，例如，畜禽咳嗽就是一种自身的不适应症状，在异物或刺激性气体刺激到畜禽的呼吸感受器时会出现，咳嗽过于频繁便会对畜禽呼吸道产生损伤。张铁民等根据收集到的家禽音频与环境噪声谱熵差别大的特点，从复杂声音环境中提取出家禽声，利用模糊神经网络对其进行处理分析，可有效辨别禽流感患病家禽。Banakar等利用数据挖掘方法和D-S证据理论，提出一种诊断家禽疾病的智能装置，该装置使用快速傅立叶变换和离散小波变换的方法对鸡的声音信号进行分析处理，可以准确诊断新城疫、支气管炎和禽流感。Chung等为了检测猪群中的呼吸道疾病，利用支持向量数据描述方法和稀疏编码表达，根据梅尔频率倒谱系数分析收集到的猪只呼吸声的音频，经济、准确地监测猪的呼吸道疾病。
也有一些研究将畜禽的音频分析应用于监测畜禽的行为，对畜禽疫病监测防控起到辅助作用。余礼根等研究了栖养模式下的分类识别方法采集到产蛋、愉悦、尖叫及争斗4种叫声的特征参数，采用支持向量机决策树和朴素贝叶斯算法建模，结果表明该模型可有效判别分类蛋鸡发声。Fontana等对隔离箱中饲养的肉鸡观察后，分析其叫声的持续时间、重复次数以及峰值频率，发现日龄较小的肉鸡会发出更多呼唤同伴的叫声。闫丽等提出基于偏度的子带聚类法合并特征不显著的子带，减少特征向量数量，对母猪哺乳声、无食咀嚼声、采食声和饮水声进行了有效识别。Meen等根据安装在奶牛场的摄像机和麦克风收集到的信息对奶牛发声及行为的关系进行了研究，采集到奶牛躺卧、饮食、社交行为等情况下发出的声音信号，发现躺卧时的声音信号频率与其他行为有显著差异。Clapham等采用驻极体麦克风佩戴在牛嘴边收集牛咬断草料以及咀嚼草料的声音，对该行为有效识别，不会受到周围动物叫声及环境噪音影响。
通过音频分析技术实现畜禽疫病监测的技术起步较晚，该技术受环境杂音及其他动物发声的干扰影响较大，如何提取出目标音频一直是音频分析技术中的重要课题，未来该问题会逐步得到解决，音频分析的正确识别率也会逐步提升。
1.3 生理指标监测 目前学者们利用传感器对畜禽的体温、脉搏等生理指标的监测，一般是通过热敏电阻、加速度传感器等进行数据采集，利用无线传输技术将信号发送到终端，来实现对畜禽生理指标的实时在线监测。屈东东等在奶牛耳道边沿配置DS18B20型数字温度传感器，利用无线连接WiFi将温度数据传输到服务器上，储存到MySQL数据库中，可实现牛奶体温变化的实时显示、温度补偿以及历史数据查询等功能。刘畅将铂电阻原理的温度传感器植入奶牛阴道内进行温度监测，利用433M无线技术与2.4GHz的ZigBee技术相结合的无线传感网络，将温度信号传输到项圈的中继节点，再传输到服务器上，解决了无线信号在奶牛体内传输性差、距离短、功耗高的问题。李赞设计了一种柔性贴片式在线测量方式，通过将柔性贴片粘贴在发情母猪后腿根部，实现了对母猪无伤害的实时体温监测，有利于监测母猪发情及疫病诊断。郑爽利用红外测温传感器、光电式传感器、三轴加速度传感器同时对奶牛体温、脉搏、活动量进行实时监测，通过ZigBee技术进行无线传输，应用基于二叉树SVM分类算法将奶牛活动状态进行判断，对奶牛健康和发情提供数据依据。
目前对畜禽生理指标监测的设备逐渐向无损监测方向发展，避免在监测过程中对畜禽产生损伤、应激，未来也会秉承“对畜禽个体产生最小的影响”的研究思路进行开发，为畜禽疫病在线监测提供实时的畜禽生理指标。
2 畜禽疫病智能诊断
畜禽疫病智能诊断主要是通过专家数据库、推理机制、解释模块3个部分对信息处理，远程对畜禽疫病情况作出判断，该技术充分体现了人工智能的优势，将兽医和其他领域专家们的知识、经验以及从畜禽场获取到的信息进行专业的推理、判断，对疫病情况采取准确的对策，减少损失，节约成本。
国内外在畜禽疫病智能诊断领域的研究问题主要集中在如何根据用户给出的条件对畜禽的疾病状况作出准确判断，多数学者通过丰富数据库内容、改进对信息的判定算法等途径来实现，随着智能终端的普及，越来越多的平台系统选择开发在不同的移动终端为畜禽养殖户提供更加便捷的智能诊断系统。Fu等开发的“猪专家”诊断系统根据300多条规则202张不同疾病的照片，可在线上远程诊断54种猪常见病。高锡强等在改进C-F模型的基础上增加不确定性推理方法，研究出一种猪病专家诊断系统。张丽等通过建立猪病不同症状信息的数学模型，构建了基于Android 移动平台的猪病在线诊断系统。王红君等以NET为开发平台，搭建了一个操作简单、通用性强的包括奶牛103种常见病的奶牛疾病专家诊断系统。雷萌桐把基层用户、诊断专家、防控部门结合到一起，开发了基于B/S的奶牛主要疫病专家诊断系统，提供了线上交流疫病诊断、治疗、防控的平台。Zeineldin等建立了一套根据肺音等在线远程诊断牛只呼吸系统疾病的系统。Nusai等根据奶牛性别、年龄范围和症状显著性的不同权重建立了不确定知识推理模型，由此开发的奶牛疾病诊断专家系统与兽医诊断进行比较，准确率达90%以上。Melek等开发的专家诊断系统使用线性评分系统来表示初始的主观分析，再结合模糊专家系统的推断来确定最终的诊断结果。在最主要的畜禽养殖领域之外，智能诊断技术同样被应用于马、犬、水产品等养殖领域，同样也有出色的应用效果。目前的畜禽疫病智能诊断技术停留在提供与专家线上交流的平台或者利用在线数据库做出基础的诊断，并不能完全取代兽医实地诊疗，主要问题在于目前技术采集、传输的图像、音频等信息不完整、不全面。另一方面，尽管目前的专家系统诊断准确率都在90%以上，但养殖场实际应用要求的准确率更高，仍需辅以人工判断，准确率有待提高。
3 畜禽疫病防控决策
动物疫病防控是有效控制、减轻动物疫病事件产生严重社会危害、造成重大经济损失的关键环节，将动物防疫信息化推广到实际生产中有利于全面、及时、准确、有效的防疫工作，为各级部门分析决策提供可靠有效的数据，促进建立并加强动物防疫工作中长效机制和快速反应的决策机制。畜禽疫病防控对于重大动物疫病事件的发生有着决定性作用，疯牛病、禽流感、新城疫、口蹄疫等畜禽疫病对畜牧生产造成巨大的创伤。2018年开始在我国肆虐的非洲猪瘟疫情对国内生猪养殖产业造成了毁灭性打击，2019年全国猪肉产量比上年减少21%，导致2019年猪肉价格暴涨，截止2020年底，共扑杀120万头感染生猪。非洲猪瘟病毒不仅通过血液、唾液、粪便、尿液等传播，还可以通过肉制品、泔水传播，对生猪产业造成严重损失，倒逼生猪产业转型升级，防疫措施加强，畜禽疫病防控机制不断改进完善。
发达国家在早年间就意识到动物疫情防控的重要性。新西兰早在1991年就开始建立用于紧急动物疫病控制的信息系统，美国1996年建立了“国家动物卫生报告体系”（National Animal Health Report System，NAHRS），同时在澳大利亚也有“国家动物卫生信息系统”（National Animal Health Informationsystem，NAHIS），欧盟也在不断完善重大动物疫病通报系统的预警体系。美国动植物卫生监督局（Animaland Plant Health Inspection Service，APHIS）是美国联邦最高兽医行政管理部门，负责全国动物卫生监督、动物及动物产品的进出口监督及紧急疫病扑灭工作，全国各地兽医局具体负责当地动物卫生管理的相关工作。
我国在动物疫病防控决策上的工作在近年来同样有较为出色的表现，逐步发展成较为完善的防控体系。中国动物疫病预防控制中心建立有全国动物疫病防控及动物卫生监督工作云平台，在全国动物疫病监测防控方面起到统领作用。在畜禽疫病防控决策方面，我国学者有许多研究成果应用于各地的畜禽疫病防控工作上。陈涛等提出包括“动物疫病防治信息中心，数据采集和处理、信息智能分析、监测预警和疫情展示4个子系统”的重大动物疫病监测预警平台，通过组合模型对数据进行分析，为疫病防控提供决策。徐全刚等基本本体理论的方法，建立了动物疫病领域本体框架，并验证了该本体应用于网络检索的可能性，改善和解决动物疫病防控数字化进程中所面临的问题；郝毫刚等提出根据兽药电子追溯机制建立兽药大数据平台，推动兽药行业信息化建设，在动物疫病防控领域提供数据支撑；白维生研发了基于webGIS技术的北京市动物疫病应急指挥平台，利用Flex控件与ArcObjects组件的无缝式捆绑，结合疫病防控综合决策模型、最佳路径选择分析及空间对象远程在线编辑等技术，实现了在应急指挥中及时、准确的获取防控信息，2009年11月，北京市一猪场发生口蹄疫疫情，相关部门利用该系统迅速划定疫点、疫区、受威胁区，系统自动输出疫区内养殖场分布、扑杀数量、补贴费用等数据，不仅快速控制住了疫情的蔓延，并及时完成了养殖户补贴费用等工作。
4 小结与展望
本文通过对畜禽疫病在线监测、智能诊断、防控决策的现状、应用成果以及未来发展方向进行分析介绍，阐述了畜禽疫病智能防控决策技术的重要性，并提出技术难点及研究重点。欧美发达国家在畜禽疫病信息化方面获得竞争优势，随着国内通讯网络技术的飞速发展，我国已在该领域取得可观进展，但应用推广依与发达国家有很大差距。接下来的研究重点应集中在开发能提供精准稳定的监测设备，打造畜禽全面诊断的诊疗平台，给决策部门提出具有前瞻性防疫建议的智能防控决策系统。
目前畜禽疫病监测诊断主要是通过影像、声音等便于获取的资料中分析动物疫病的关键信息，以计算机视觉、音频识别、红外感应、传感器等信息技术手段实现远程监测，并极大地提高动物福利水平，减少畜禽受到的影响。而目前的技术突破点主要受限于设备与方法的准确性、稳定性、通用性及运算速度，诊断系统的条件设定不全面、诊断准确率低等因素。具体问题：①畜禽养殖的高湿、高腐蚀性环境，畜禽活动过程中对仪器可能造成的损坏，在长时间的积累下可能导致监测不准确及不稳定；②大部分养殖场地处比较偏僻的地区，高新通讯技术可能还无法覆盖，由此限制了一些监测方法的通用性和运算速度；③畜禽的某些疾病的判定条件不明确、不全面，导致专家系统对畜禽疫病的误判误诊；④养殖户提供的文字叙述以及拍摄的图片视频可能无法使在线专家了解到畜禽患病的关键情况，造成诊断准确率低。
而在畜禽疫病防控决策方面，目前与科研的最新研究成果结合较少，主要集中在信息上报、信息管理、应急预案等功能上。目前因物联网覆盖面积较小，信息采集方式无法全面转变为物联网监测，致使采集上报的数据真实性差、时效性差、可操作性差。但随着互联网+、大数据、物联网等概念深入畜牧产业，物联网采集设备的成本降低、操作愈发便利，未来的信息采集方式必定被实时监测取代，由管理决策部门直接掌握第一手信息，这样收集的数据将会更丰富、更真实，也将会有更多的分析管理方法，为疫病防控决策提供更良好的数据支撑。
