關于農業方面的科研一直都備受關注，囊括種植業、畜牧業、漁業等多個細分行業。目前，畜牧業養殖方面的科研已經取得了一定進展，主要集中在檢測識別、喂養管理等方面。

一、奶牛運動行為智能監測

西北農林科技大學、 農業農村部和陜西省農業信息感知與智能服務重點實驗室，針對奶牛運動行為(躺臥、行走、站立、發情、呼吸、反芻及跛行等)智能檢測技術的研究進展予以分析，指在信息化、智能化技術的應用有助于養殖場及時掌握奶牛健康狀況，提高養殖效率。

該研究按照時間順序分別從接觸式檢測方法和非接觸式檢測方法兩方面綜述了國內外相關研究現狀，對相關研究的原理及成果進行詳細介紹，總結了當前接觸式和非接觸式奶牛運動行為檢測方法的問題與挑戰。最后，針對相關關鍵技術的發展趨勢進行了展望。

二、基于遷移學習的多尺度特征融合牦牛臉部識別算法

青海大學與青海省玉樹州動物疫病預防控制中心，針對智慧畜牧智能化、信息化等養殖平臺中動物個體識別技術應用需求，研究了一種基于遷移學習的多尺度特征融合牦牛臉部識別算法。

該算法基于遷移學習的卷積神經網絡模型，進行多尺度特征融合。實驗結果表明，該算法數據集中識別準確率達到96.01%，可為牦牛臉部識別研究提供參考，牦牛個體身份標識是實現個體建檔、行為監測、精準飼喂、疫病防控及食品溯源的前提。

三、復雜環境下肉牛三維點云重建與目標提取方法

中國農業大學、國家農業信息化工程技術研究中心等機構，針對復雜環境下的肉牛三維數據的采集問題，同時解決基于點云采集技術的非接觸式測量能夠緩解肉牛，在采集體尺體重等參數時的應急問題，開發了一種非接觸式肉牛三維點云重建與目標提取系統與方法，為肉牛育種育肥提供大量標準化和三維量化表型數據。

該研究對20頭肉牛進行了124次點云采集與目標提取實驗，結果表明，統采集成功率為91.89%，采集的點云與真實值相比，體次重建誤差為0.6%。該系統與方法可以在無人干預的情況下，實現多角度肉牛點云數據的自動采集與三維重建，并從復雜環境中自動提取目標肉牛的點云，為非接觸式肉牛體高、體寬、體斜長、胸圍、腹圍和體重等核心表型參數的測量提供重要的方法支撐，促進肉牛育種和育肥的標準化管理。

四、基于高斯混合-隱馬爾科夫融合算法識別奶牛步態時相

為準確自動識別奶牛步態時相，中國農業科學院農業信息研究所研究了一種融合高斯混合模型和隱馬爾可夫模型的無監督學習奶牛步態時相識別算法GMM-HMM。

研究構建了GMM-HMM模型，實現奶牛靜立相、連續步態中的站立相和擺動相等3種步態時相的自動識別。結果表明，靜立、連續步態中的站立、連續步態中的擺動等相識別率高達90%左右，為下一步基于穿戴式步態分析的奶牛跛行特征提取提供技術參考。

五、叫聲在生豬福利監測中的研究進展與挑戰

叫聲是評估生豬福利水平的重要方式之一，東北農業大學以叫聲為研究對象，分析了生豬叫聲與福利之間的相互關系，叫聲主要包括咳嗽聲、尖叫聲和呼嚕聲，基于這三種聲音進一步分析聲音與環境，聲音與身體狀況，以及聲音與健康之間的關系。目前關于生豬聲音分析的研究大多集中在分類器的選擇和識別算法的改進上，而對端點檢測和特征選擇的研究較少。同時，當下面臨的主要挑戰還包括不同生長階段的音頻數據獲取難度較高，缺乏公共的豬舍內音頻數據庫以及缺少完善的聲音指標與動物福利監測評價體系。總體來說，建議進一步對聲音識別過程中涉及的各部分技術進行深入探索，同時加強跨學科專家之間的合作，共同推動聲音監測在生豬實際生產中的應用，從而加快精準畜牧業的實現。

六、家畜飼喂機器人研究進展與發展展望

中國農業科學院針對家畜養殖的生產模式已由粗放型向集約型轉變過程中，表現出來的低勞動生產率、勞動力短缺等問題，利用現代信息和人工智能技術，研發家畜飼喂機器人，包括喂料、推料等機器人，意圖實現數字化、智能化的家畜養殖。

深入分析機器人技術在家畜養殖中的研究現狀，收集國內外家畜機器人研究實例和文獻資料，從軌道式喂料機器人、自走式喂料機器人和推料機器人等方面研究進展，及技術特點和實際應用情況，進行國內外飼喂機器人進行了比較，從戰略規劃制定、核心技術發展和產業發展趨勢三個方面進行展望并提出發展建議，為家畜飼喂機器人在中國的進一步發展和應用提供參考。

七、商業化肉牛繁育大數據平臺設計與關鍵技術

北京市農林科學院、國家農業信息化工程技術研究中心等機構，針對當前中國肉牛繁育管理水平和信息化智能化水平不高等問題，研究借鑒國際先進肉牛養殖國家的經驗，建立了適合中國的商業化肉牛繁育大數據平臺。

該平臺主要完成肉牛種質信息資源的整合，在線自動測定肉牛關鍵繁育性狀，全程服務支撐肉牛繁育過程，形成肉牛種質資源大數據分析決策，并實現肉牛聯合育種創新模式。為中國肉牛種業發展提供可持續發展的信息化解決方案，以促進肉牛育種整體水平的提高。

八、基于計算機視覺的奶牛生理參數檢測與疾病診斷研究進展及挑戰

具有非接觸、免應激、低成本及高通量等優點的計算機視覺技術，可作為信息技術，推動智能養殖業發展。中國農業大學聯合浙大寧波理工學院，從該技術在智能化養殖業發展中的重要性入手，奶牛跛行及乳腺炎等疾病診斷的前沿技術發展過程和研究現狀。對奶牛生理參數監測進展，包括體尺、體溫、體重的前沿監測設備、技術和模型參數。總結了目前，相關技術研究和應用推廣中存在的問題，比如：監測準確性不高、受環境因素影響大、系統普及難度、檢測系統成本高等問題和挑戰。并結合中國養殖業發展現狀，針對保證檢測準確性、減少環境干擾等問題，提出了相關建議，旨在為中國奶牛養殖業的科學管理和現代化生產提供新方法和新思路。

九、中國飼料營養大數據分析平臺研制

中國農業科學院攜手北京大北農科技集團股份有限公司，針對飼料糧缺口的逐漸大、飼料營養基礎數據缺失或不足等問題，研究依據16類中國飼料原料描述規范和屬性數據標準，飼料資源的種類、空間分布、飼料成分含量及營養價值特性數據，開發了新一代飼料營養大數據分析平臺(http：//www.chinafeeddata.org.cn/)，并提供Web數據共享功能。

該平臺提供所有入庫數據的可視化分析、所有飼料營養屬性數據及飼料實體樣本溯源數據的移動端實時分享與下載服務、飼料原料養分變異提供動態分析、飼料營養數據地理信息圖譜的分布查詢及對比分析及下載等功能。拓展飼料資源數據并提供飼料養分的預測分析模型，可最大化利用已有飼料養分數據的價值，進一步嵌入各類飼料配方的網絡計算模塊，可以達到飼料營養數據的一站式服務及數據的最大化升值服務。

十、基于深度圖像的多姿態肉牛體尺自動測量方法

中國農業大學聯合浙大寧波理工學院，針對肉牛較為活躍，采集圖像數據多變、肉牛姿態端正幀較少，導致自動測量肉牛體尺困難的問題，研究提出一種多姿態肉牛體尺自動測量方法。

該研究通過分析大量深度圖像數據，將圖像中肉牛姿態分為左歪、右歪、姿態端正、低頭和抬頭五類。實驗結果表明，在5種姿態下的頭部去除成功率均高于92%，可為精確測量多姿態下肉牛體尺提供支撐。

審核編輯黃宇