奶牛智慧養(yǎng)殖技術(shù)裝備及其數(shù)字孿生系統(tǒng)構(gòu)建

胡肄農(nóng)，仇振升，劉建龍，潘海海，朱紅賓，柏宗春

摘要：數(shù)字孿生被視為智慧農(nóng)業(yè)新的發(fā)展階段。通過(guò)建立農(nóng)業(yè)生產(chǎn)的物理系統(tǒng)和數(shù)字空間，數(shù)字孿生技術(shù)實(shí)現(xiàn)了“連接-感知-決策-控制”一體化，可以通過(guò)更高水平的智能控制應(yīng)對(duì)農(nóng)業(yè)生產(chǎn)系統(tǒng)的復(fù)雜性。我國(guó)農(nóng)業(yè)數(shù)字孿生系統(tǒng)發(fā)展相對(duì)較晚，相關(guān)研究與技術(shù)裝備整體處于探索和起步階段。本文基于奶牛養(yǎng)殖多維信息采集、數(shù)據(jù)分析和生產(chǎn)仿真模型的研究，面向飼喂管理、繁殖管理、健康管理和環(huán)境調(diào)控等關(guān)鍵生產(chǎn)場(chǎng)景，建立奶牛場(chǎng)在虛擬空間的數(shù)字化映像，構(gòu)建了奶牛養(yǎng)殖數(shù)字孿生系統(tǒng)，實(shí)現(xiàn)了對(duì)養(yǎng)殖技術(shù)流程與生產(chǎn)裝備的數(shù)據(jù)驅(qū)動(dòng)、實(shí)時(shí)反饋、模擬推演和以虛控實(shí)的智能管控，并在江蘇省某千頭規(guī)模奶牛場(chǎng)進(jìn)行了具體應(yīng)用和初步驗(yàn)證。

關(guān)鍵詞：奶牛養(yǎng)殖；智慧養(yǎng)殖；數(shù)字孿生

0? 引言

近年來(lái)，我國(guó)奶牛養(yǎng)殖的牧場(chǎng)規(guī)模和生產(chǎn)水平穩(wěn)步提升，生產(chǎn)設(shè)施設(shè)備機(jī)械化、生產(chǎn)管控信息化發(fā)展較快。據(jù)農(nóng)業(yè)農(nóng)村部統(tǒng)計(jì)，截至“十三五”末，全國(guó)存欄百頭以上的規(guī)模奶牛場(chǎng)中，擠奶機(jī)械化率為100%，全混合日糧飼喂機(jī)械化率為95%，飼草料收獲加工、糞污處理和環(huán)境調(diào)控等環(huán)節(jié)普遍實(shí)現(xiàn)了機(jī)械化[1]。但是，與奶業(yè)發(fā)達(dá)國(guó)家相比，仍存在養(yǎng)殖技術(shù)智能化水平較低、國(guó)產(chǎn)關(guān)鍵成套養(yǎng)殖設(shè)備較少、生產(chǎn)數(shù)據(jù)整合和共享不足、數(shù)據(jù)分析和智能決策能力欠缺等差距，在基本實(shí)現(xiàn)信息化、機(jī)械化的基礎(chǔ)上，發(fā)展智慧養(yǎng)殖技術(shù)是我國(guó)奶牛養(yǎng)殖業(yè)轉(zhuǎn)型升級(jí)的目標(biāo)和重大任務(wù)。

奶牛智慧養(yǎng)殖是基于信息通信、人工智能、生物信息等技術(shù)，針對(duì)奶牛養(yǎng)殖生產(chǎn)各關(guān)鍵環(huán)節(jié)，實(shí)施信息采集、數(shù)據(jù)分析、風(fēng)險(xiǎn)預(yù)警和優(yōu)化決策，對(duì)養(yǎng)殖環(huán)境和設(shè)施實(shí)施精準(zhǔn)感知、調(diào)控和智能管理，對(duì)奶牛實(shí)施生理健康、生產(chǎn)性能的監(jiān)測(cè)與保障，從而實(shí)現(xiàn)各環(huán)節(jié)生產(chǎn)要素的優(yōu)化配置和精準(zhǔn)調(diào)控，達(dá)到改善動(dòng)物福利、提升產(chǎn)品質(zhì)量、降低環(huán)境、疫病及食品安全風(fēng)險(xiǎn)，提高企業(yè)生產(chǎn)效率和經(jīng)濟(jì)效益的現(xiàn)代化養(yǎng)殖模式。

奶牛智慧養(yǎng)殖技術(shù)和裝備的核心能力是“智慧”——包括獲取外界信息的感知能力、基于人類賦予的認(rèn)知架構(gòu)和運(yùn)算模式的思維能力，以及與外界進(jìn)行互動(dòng)的行為決策能力[2]。感知能力如應(yīng)用檢測(cè)和傳感技術(shù)，獲取動(dòng)物的生理、行為、生長(zhǎng)和生產(chǎn)相關(guān)指標(biāo)參數(shù)，及養(yǎng)殖環(huán)境和生產(chǎn)設(shè)備信息；思維能力如應(yīng)用人工智能實(shí)現(xiàn)基于圖像信息的個(gè)體身份識(shí)別、生理和行為分析，或基于聲音信息的情緒和健康分析，或針對(duì)養(yǎng)殖大數(shù)據(jù)的數(shù)據(jù)挖掘，及對(duì)養(yǎng)殖設(shè)施、裝備運(yùn)行的數(shù)據(jù)監(jiān)測(cè)與分析等；決策能力如基于信息和算法模型，對(duì)養(yǎng)殖過(guò)程中設(shè)備、工藝、配方等進(jìn)行輔助決策?！爸腔邸必灤┯谥腔垧B(yǎng)殖全環(huán)節(jié)、全流程，其實(shí)現(xiàn)形式包括信息系統(tǒng)、智能設(shè)備、機(jī)器人，以及人機(jī)合作的生產(chǎn)決策系統(tǒng)。

在農(nóng)業(yè)領(lǐng)域，數(shù)字孿生被視為智慧農(nóng)業(yè)的新階段——農(nóng)業(yè)數(shù)字孿生系統(tǒng)將有機(jī)整合、融合農(nóng)業(yè)生產(chǎn)的物理實(shí)體和數(shù)字空間，實(shí)現(xiàn)“連接—感知—決策—控制”一體化，能夠更好地感知和認(rèn)知農(nóng)業(yè)復(fù)雜系統(tǒng)并實(shí)現(xiàn)智慧管控[3]。數(shù)字孿生在畜牧業(yè)領(lǐng)域的應(yīng)用，目前在國(guó)內(nèi)外均處于探索和起步階段，一些精準(zhǔn)畜牧應(yīng)用，初步具備數(shù)字孿生的基本特征和形式。瓦赫寧根大學(xué)動(dòng)物科學(xué)系NEETHIRAJAN指出多種動(dòng)物傳感器可用于動(dòng)物信息監(jiān)測(cè)，如運(yùn)動(dòng)加速度傳感器、熱紅外體溫傳感器、呼吸頻率傳感器、反芻傳感器、瘤胃pH值傳感器、微血管檢測(cè)PPG傳感器、體液免疫傳感器等[4]，并利用數(shù)字孿生技術(shù)為動(dòng)物行為和情感進(jìn)行建模和預(yù)測(cè)，實(shí)現(xiàn)動(dòng)物情緒和異常行為預(yù)警[5]；韓國(guó)電子和電信研究所針對(duì)豬舍的環(huán)境控制與能耗管理，建立物聯(lián)網(wǎng)系統(tǒng)和環(huán)境模型，完成對(duì)數(shù)字孿生技術(shù)框架的驗(yàn)證[6]；美國(guó)威斯康星大學(xué)麥迪遜分校開(kāi)發(fā)實(shí)時(shí)采集、數(shù)據(jù)集成、數(shù)據(jù)驅(qū)動(dòng)的持續(xù)決策引擎奶業(yè)大腦（The Dairy Brain），應(yīng)用于奶牛的營(yíng)養(yǎng)分析與管理、臨床乳腺炎的早期風(fēng)險(xiǎn)檢測(cè)，展示出基于數(shù)字孿生提供高級(jí)分析和創(chuàng)新決策的能力[7]。

針對(duì)奶牛智慧養(yǎng)殖對(duì)信息監(jiān)測(cè)技術(shù)、智能作業(yè)裝備和數(shù)據(jù)分析平臺(tái)的需求，本研究團(tuán)隊(duì)通過(guò)奶牛養(yǎng)殖多維信息采集、數(shù)據(jù)分析和生產(chǎn)仿真模型的研究，構(gòu)建奶牛養(yǎng)殖數(shù)字孿生系統(tǒng)，將奶牛場(chǎng)數(shù)字化映射到虛擬空間，面向飼喂管理、繁殖管理、健康管理和環(huán)境調(diào)控等關(guān)鍵生產(chǎn)場(chǎng)景，實(shí)現(xiàn)養(yǎng)殖技術(shù)流程與生產(chǎn)裝備的數(shù)據(jù)驅(qū)動(dòng)、實(shí)時(shí)反饋、模擬推演、以虛控實(shí)的智能管控，并通過(guò)在江蘇省某千頭奶牛場(chǎng)的實(shí)際應(yīng)用進(jìn)行初步驗(yàn)證。

1? 奶牛場(chǎng)數(shù)字孿生系統(tǒng)架構(gòu)與設(shè)計(jì)

參考系統(tǒng)架構(gòu)設(shè)計(jì)范式[8]設(shè)計(jì)奶牛場(chǎng)數(shù)字孿生系統(tǒng)，分析數(shù)字孿生系統(tǒng)的組成架構(gòu)，對(duì)數(shù)字孿生模型進(jìn)行定義和描述，將物理實(shí)體抽象為概念模型；在此基礎(chǔ)上，應(yīng)用物聯(lián)網(wǎng)和多源異構(gòu)數(shù)據(jù)融合技術(shù)建立奶牛場(chǎng)數(shù)字化鏡像，基于孿生數(shù)據(jù)進(jìn)行奶牛生產(chǎn)的智能化預(yù)測(cè)及決策，對(duì)生產(chǎn)設(shè)施與裝備的管控進(jìn)行優(yōu)化。

奶牛養(yǎng)殖是一個(gè)涉及育種、繁殖、營(yíng)養(yǎng)、疫病防控、環(huán)境調(diào)控、牛奶收集保鮮等多技術(shù)、多維度的復(fù)雜生產(chǎn)活動(dòng)，基于數(shù)字孿生的奶牛智慧養(yǎng)殖系統(tǒng)，其架構(gòu)可劃分為物理實(shí)體層、數(shù)字孿生模型層和系統(tǒng)功能層，如圖1所示。

物理實(shí)體層包括奶牛、養(yǎng)殖場(chǎng)、養(yǎng)殖設(shè)施設(shè)備、投入品和產(chǎn)品等各種生產(chǎn)要素，還包括養(yǎng)殖人員、生產(chǎn)工藝、管理制度等管理要素，各要素的屬性如養(yǎng)殖環(huán)境、投入品質(zhì)量、人員素質(zhì)等，是物理實(shí)體的客觀屬性，應(yīng)用檢測(cè)、傳感、通訊、信息處理等先進(jìn)技術(shù)，可對(duì)物理實(shí)體進(jìn)行感知，并根據(jù)感知信息對(duì)物理實(shí)體進(jìn)行調(diào)節(jié)、控制，在物理實(shí)體層實(shí)現(xiàn)控制閉環(huán)。

數(shù)字孿生層是物理實(shí)體層的虛擬映射，是基于模型和數(shù)據(jù)建立的物理實(shí)體的數(shù)字化鏡像。模型對(duì)實(shí)體進(jìn)行多維度映射：幾何模型反映物理實(shí)體在空間或平面的幾何特征，如奶牛的身體結(jié)構(gòu)、設(shè)備的外部和內(nèi)部結(jié)構(gòu)等；物理模型反映物理實(shí)體的客觀特征，如奶牛的體重、養(yǎng)殖舍的溫濕度和有害氣體濃度、飼料的營(yíng)養(yǎng)成分等；機(jī)理模型反映物理實(shí)體的運(yùn)行規(guī)律，如風(fēng)機(jī)的轉(zhuǎn)速控制、養(yǎng)殖舍環(huán)境控制原理等；生理模型則反映生物體在微觀或宏觀層面，生理、生化乃至生命活動(dòng)的相關(guān)規(guī)律。模型的實(shí)現(xiàn)方式包括關(guān)聯(lián)數(shù)據(jù)、數(shù)據(jù)模型、解析公式、經(jīng)驗(yàn)公式、信息系統(tǒng)、算法模型，乃至專家經(jīng)驗(yàn)等；數(shù)據(jù)既包括物理實(shí)體層的真實(shí)測(cè)量數(shù)據(jù)，也包括模型分析和仿真產(chǎn)生的數(shù)據(jù)，數(shù)據(jù)在模型內(nèi)流通，是反映和控制物理實(shí)體、更新虛擬實(shí)體驅(qū)動(dòng)模型、實(shí)現(xiàn)系統(tǒng)功能的基礎(chǔ)。

系統(tǒng)應(yīng)用層是數(shù)字孿生系統(tǒng)的關(guān)鍵功能，由各類模型通過(guò)獨(dú)立或協(xié)同的方式形成“功能模塊”。通過(guò)模型化實(shí)例在數(shù)字孿生層進(jìn)行業(yè)務(wù)部署，經(jīng)過(guò)模型驗(yàn)證后，將控制信號(hào)更新下發(fā)至物理實(shí)體層，完成諸如精準(zhǔn)飼喂、智能環(huán)控、精準(zhǔn)繁殖、疾病預(yù)警等業(yè)務(wù)功能。體現(xiàn)出由實(shí)向虛（孿生數(shù)據(jù)映射）、以虛控實(shí)（虛擬模型推演）和虛實(shí)共生（物理實(shí)體和虛擬實(shí)體同步進(jìn)化）的特點(diǎn)。

2? 奶牛場(chǎng)數(shù)字孿生系統(tǒng)關(guān)鍵技術(shù)

建立數(shù)字孿生系統(tǒng)的關(guān)鍵技術(shù)包括以下內(nèi)容：多領(lǐng)域多尺度融合建模、數(shù)據(jù)驅(qū)動(dòng)與物理模型融合的虛擬實(shí)體評(píng)估、數(shù)據(jù)采集和傳輸、全壽命周期數(shù)據(jù)管理、VR和MR（虛擬現(xiàn)實(shí)和混合現(xiàn)實(shí)）技術(shù)及高性能計(jì)算等[9]。本文研究的奶牛智慧養(yǎng)殖技術(shù)裝備及其數(shù)字孿生系統(tǒng)的關(guān)鍵技術(shù)包括：①奶牛場(chǎng)數(shù)據(jù)孿生模型建立；②物理實(shí)體層到數(shù)據(jù)孿生層數(shù)據(jù)映射，即奶牛場(chǎng)數(shù)據(jù)采集技術(shù)：包括奶牛多維信息監(jiān)測(cè)裝備，以及基于視頻對(duì)奶牛識(shí)別、跟蹤與行為分析技術(shù)的研究；③數(shù)字孿生層數(shù)據(jù)驅(qū)動(dòng)模型技術(shù)，包括流數(shù)據(jù)計(jì)算平臺(tái)建立及數(shù)據(jù)分析技術(shù)；④針對(duì)養(yǎng)殖設(shè)施、環(huán)境、奶牛、養(yǎng)殖工藝等生產(chǎn)要素，基于模型開(kāi)展的參數(shù)仿真和優(yōu)化控制研究。

2.1? 數(shù)字孿生層模型建立

奶牛場(chǎng)數(shù)字孿生系統(tǒng)，既包括由多種生產(chǎn)要素組成的物理實(shí)體，又包括數(shù)字孿生模型與數(shù)據(jù)，從幾何、物理、機(jī)理和生理等多個(gè)維度，將物理實(shí)體在虛擬空間進(jìn)行數(shù)字化映射。本研究提出的奶牛場(chǎng)數(shù)字孿生模型DF-DTM（Dairy Farm Digital Twin Model），將數(shù)字孿生奶牛場(chǎng)定義為幾何模型、信息模型和預(yù)測(cè)模型的集合，即DF-DTM = {GM， IM， PM}。

在DF-DTM模型中，GM（Geometric Model）用于呈現(xiàn)實(shí)體奶牛場(chǎng)在孿生空間的三維狀態(tài)，其中包括奶牛場(chǎng)物理實(shí)體的尺寸、形狀、材質(zhì)。幾何模型GM可描述為GM = {MS， MM， MF}。其中：MS（Model Scale）為模型尺寸數(shù)據(jù)，MM（Model Material）為模型材質(zhì)數(shù)據(jù)，MF（Model Feature）為模型形狀數(shù)據(jù)。

在DF-DTM模型中，IM（Information Model）采用統(tǒng)一模型語(yǔ)言表達(dá)物理奶牛場(chǎng)在孿生空間的特征，以描述物理對(duì)象的標(biāo)識(shí)及其屬性信息，包括環(huán)境數(shù)據(jù)信息、設(shè)備的狀態(tài)信息以及層級(jí)從屬等方面的信息。IM具體描述為IM = {ID， NA， MT， CP， GL}。其中：ID（Identity）為孿生模型的唯一標(biāo)識(shí)，NA（Name）為孿生模型的名稱，MT（Model Type）為模型類型，CP（Custom Property）為自定義屬性，GL（Geographic Location）為孿生模型的位置信息。

在DF-DTM模型中，PM（Prediction Model）用于描述數(shù)字空間中牛舍內(nèi)設(shè)備運(yùn)行機(jī)理的預(yù)測(cè)，包括對(duì)牛舍內(nèi)設(shè)備的機(jī)理模型以及基于牛場(chǎng)環(huán)境數(shù)據(jù)的智能預(yù)測(cè)模型。PM具體描述為PM = {MPM， PPM}。MPM （Mechanism Prediction Model）為機(jī)理預(yù)測(cè)模型；PPM （Physiology Prediction Model）為生理預(yù)測(cè)模型。

奶牛場(chǎng)數(shù)字孿生系統(tǒng)模型及其結(jié)構(gòu)，如圖2所示。

2.2? 物理實(shí)體層到數(shù)字孿生層數(shù)據(jù)映射

2.2.1? 奶牛生理傳感設(shè)備研究

研發(fā)具有生理傳感功能的耳標(biāo)，集成三維加速度傳感器、溫度傳感器和無(wú)線模塊，采集奶牛體溫、活動(dòng)量及定位數(shù)據(jù)，突破生理傳感系統(tǒng)的微型化、高精度等瓶頸問(wèn)題[10]。

通過(guò)優(yōu)化耳標(biāo)結(jié)構(gòu)，使傳感器與皮膚充分接觸，提高測(cè)量準(zhǔn)確度；三軸加速度傳感器數(shù)據(jù)緩存后自動(dòng)喚醒嵌入式處理器，通過(guò)神經(jīng)網(wǎng)絡(luò)推理方法，識(shí)別奶牛行走、躺臥、采食、反芻等特征數(shù)據(jù)，識(shí)別精度較高，計(jì)算量和功耗遠(yuǎn)小于卡爾曼、高斯等濾波算法；識(shí)別數(shù)據(jù)通過(guò)自組網(wǎng)發(fā)送到現(xiàn)場(chǎng)基站，基站匯總數(shù)據(jù)后定時(shí)將數(shù)據(jù)發(fā)送給后臺(tái)服務(wù)。

基于耳標(biāo)生理傳感設(shè)備，還可以將奶牛運(yùn)動(dòng)數(shù)據(jù)發(fā)送到后臺(tái)，如圖3所示。應(yīng)用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法進(jìn)行數(shù)據(jù)挖掘，有助于提高耳標(biāo)內(nèi)嵌處理器推理性能。

2.2.2? 基于視頻的奶牛識(shí)別、跟蹤與行為分析技術(shù)

開(kāi)展多目標(biāo)奶牛檢測(cè)、奶牛多目標(biāo)跟蹤與運(yùn)動(dòng)行為分析的理論和方法研究。主要包括多目標(biāo)檢測(cè)、在線多目標(biāo)跟蹤和基本運(yùn)動(dòng)行為識(shí)別三大模塊，如圖4所示。在多目標(biāo)檢測(cè)、跟蹤的基礎(chǔ)上，獲取監(jiān)控視頻每頭奶牛運(yùn)動(dòng)視頻幀序列，結(jié)合基本運(yùn)動(dòng)行為識(shí)別算法和滑動(dòng)窗口機(jī)制實(shí)現(xiàn)行為標(biāo)簽的獲取，最終實(shí)現(xiàn)基于視頻分析的非結(jié)構(gòu)化環(huán)境下在線多目標(biāo)奶?；具\(yùn)動(dòng)行為識(shí)別。

（1）自然場(chǎng)景下的多目標(biāo)奶牛檢測(cè)方法研究

基于改進(jìn)的GrabCut算法進(jìn)行高精度圖像分割，在高效目標(biāo)檢測(cè)網(wǎng)絡(luò)YOLO網(wǎng)絡(luò)結(jié)構(gòu)基礎(chǔ)上，通過(guò)引入SA注意力模塊和MSHA模塊高效目標(biāo)檢測(cè)網(wǎng)絡(luò)，采用基于GMM分類的YOLO算法，實(shí)現(xiàn)高維度特征的篩選和局部、全局信息匯集；引入PANet+實(shí)現(xiàn)豐富尺度語(yǔ)義特征交互；采用CIOU Loss及加權(quán)DIOU- NMS實(shí)現(xiàn)對(duì)重疊目標(biāo)回歸框的精確篩選，最終實(shí)現(xiàn)自然場(chǎng)景下奶牛目標(biāo)準(zhǔn)確、快速的檢測(cè)。

（2）基于濾波算法的在線多目標(biāo)跟蹤方法研究

在EYOLOv5檢測(cè)的基礎(chǔ)上，提出基于特征度量的在線多目標(biāo)跟蹤算法，在HOG特征中加入LBP特征和顏色特征。利用卡爾曼濾波對(duì)奶牛目標(biāo)進(jìn)行運(yùn)動(dòng)狀態(tài)的匹配和估計(jì)，作為奶?；具\(yùn)動(dòng)行為識(shí)別的基礎(chǔ)。

（3）奶?；具\(yùn)動(dòng)行為識(shí)別方法研究

首先對(duì)行為視頻進(jìn)行稀疏采樣得到16幀的幀集合，其次采用標(biāo)準(zhǔn)的3D卷積模塊進(jìn)行下采樣及特征升維，然后送入沙漏型SandGlass-3D堆疊模塊實(shí)現(xiàn)時(shí)空特征的抽取，并在其中引入ECA模塊實(shí)現(xiàn)特征通道信息的篩選。最終送入3D池化層壓縮為一維特征，并送入Softmax模塊實(shí)現(xiàn)時(shí)空特征分類，以期實(shí)現(xiàn)基于視頻分析的奶牛基本運(yùn)動(dòng)行為識(shí)別。

（4）非結(jié)構(gòu)環(huán)境下的奶?；具\(yùn)動(dòng)行為識(shí)別的軟件設(shè)計(jì)

采用PyQt5進(jìn)行GUI設(shè)計(jì)，將奶牛多目標(biāo)檢測(cè)、在線多目標(biāo)跟蹤及基本運(yùn)動(dòng)行為識(shí)別算法集成為在線識(shí)別監(jiān)測(cè)系統(tǒng)，可同時(shí)實(shí)現(xiàn)多目標(biāo)奶牛檢測(cè)、在線跟蹤及基本運(yùn)動(dòng)行為識(shí)別和實(shí)時(shí)監(jiān)測(cè)。

2.3? 數(shù)字孿生層數(shù)據(jù)驅(qū)動(dòng)模型技術(shù)

2.3.1? 奶牛場(chǎng)數(shù)字孿生系統(tǒng)計(jì)算平臺(tái)

考慮數(shù)字孿生系統(tǒng)實(shí)時(shí)連續(xù)流處理和流分析的需求，采用流媒體平臺(tái)Kafka+機(jī)器學(xué)習(xí)/深度學(xué)習(xí)的技術(shù)方案，實(shí)現(xiàn)可擴(kuò)展、可靠和開(kāi)放的基礎(chǔ)架構(gòu)，如圖5所示。

Kafka可在本地部署，也可以部署在阿里云上，或部署云原生Kubernetes提供的Kafka集群。計(jì)算平臺(tái)可滿足奶牛場(chǎng)數(shù)據(jù)采集、模型訓(xùn)練+部署及實(shí)時(shí)管控的需求。使用HiveMQ作為開(kāi)源MQTT代理從IoT設(shè)備中獲取數(shù)據(jù)，將數(shù)據(jù)實(shí)時(shí)采集到Apache Kafka集群中，使用Kafka Streams/KSQL進(jìn)行預(yù)處理，使用TensorFlow及其TensorFlow I/O Kafka插件進(jìn)行模型訓(xùn)練和推理。利用來(lái)自HiveMQ和Confluent的企業(yè)組件提高操作性、擴(kuò)展性和可視性。

2.3.2? 奶牛生理－行為表征信息與奶牛健康－生產(chǎn)性能的映射模型研究

針對(duì)具有復(fù)雜結(jié)構(gòu)關(guān)系的奶牛多源信息參數(shù)，采用基于偏最小二乘路徑建模（Partial Least Squares Path Modeling，PLS-PM）方法解析模型中變量間復(fù)雜關(guān)系并做出因果關(guān)系預(yù)測(cè)，同時(shí)能識(shí)別模型中的潛變量?；谀膛Ｐ袨閷W(xué)及專家系統(tǒng)建立奶牛行為-生理表征映射關(guān)系，開(kāi)發(fā)樣本數(shù)據(jù)庫(kù)。

在奶牛數(shù)字孿生體提供的孿生數(shù)據(jù)基礎(chǔ)上，分四個(gè)階段開(kāi)展研究：首先對(duì)數(shù)據(jù)特征進(jìn)行特征間相關(guān)性分析及主成分分析；接著通過(guò)聚類分析識(shí)別不同類別間相關(guān)變量組合模式；然后建立偏最小二乘法結(jié)構(gòu)方程模型，識(shí)別并驗(yàn)證潛變量，并利用機(jī)器學(xué)習(xí)方法對(duì)潛變量進(jìn)行聚類分析，從而識(shí)別具有不同潛變量特征的表征指標(biāo)分類，最后采用前瞻性觀察隊(duì)列對(duì)潛變量進(jìn)行驗(yàn)證，并分析表征指標(biāo)對(duì)生產(chǎn)性能的影響因素。

2.4? 基于數(shù)字孿生的奶牛行為仿真分析決策系統(tǒng)研究

通過(guò)對(duì)奶牛生理、生長(zhǎng)與行為監(jiān)測(cè)指標(biāo)進(jìn)行數(shù)字化表征、分類辨析和數(shù)據(jù)采集，收集奶牛養(yǎng)殖信息，如生理表征、行為表征和環(huán)境參數(shù)的監(jiān)測(cè)數(shù)據(jù)，奶牛健康、生長(zhǎng)、繁殖、生產(chǎn)等性能指標(biāo)和相關(guān)管理措施，以領(lǐng)域知識(shí)作為基礎(chǔ)進(jìn)行場(chǎng)景感知，包括數(shù)據(jù)的降噪、預(yù)處理、特征提取和特征選擇等，然后將分析得到的有效特征作為該場(chǎng)景下優(yōu)選狀態(tài)，在未來(lái)出現(xiàn)相同場(chǎng)景時(shí)作為控制參數(shù)，在虛實(shí)空間循環(huán)交互過(guò)程中不斷迭代、升級(jí)。通過(guò)建立奶牛行為大數(shù)據(jù)深度挖掘模型，對(duì)多源異構(gòu)數(shù)據(jù)進(jìn)行智能化分析，進(jìn)一步基于孿生數(shù)據(jù)完成應(yīng)對(duì)未來(lái)情景的智能化決策，最后根據(jù)奶牛行為識(shí)別發(fā)出控制指令。

3? 奶牛智慧養(yǎng)殖數(shù)字孿生系統(tǒng)開(kāi)發(fā)與應(yīng)用

建立奶牛場(chǎng)數(shù)字孿生系統(tǒng)平臺(tái)，實(shí)現(xiàn)奶牛場(chǎng)三維可視化、物聯(lián)網(wǎng)數(shù)據(jù)接入、奶牛養(yǎng)殖業(yè)務(wù)場(chǎng)景及數(shù)據(jù)、圖表顯示等功能，面向飼喂管理、繁殖管理、健康管理和環(huán)境調(diào)控等關(guān)鍵生產(chǎn)場(chǎng)景，實(shí)現(xiàn)業(yè)務(wù)數(shù)字化，提高牧場(chǎng)養(yǎng)殖管理智能化水平。

3.1? 奶牛場(chǎng)數(shù)字孿生平臺(tái)開(kāi)發(fā)

奶牛場(chǎng)數(shù)字孿生平臺(tái)采用基于瀏覽器的解決方案實(shí)現(xiàn)，核心是北京優(yōu)锘公司開(kāi)發(fā)的ThingJS物聯(lián)網(wǎng)可視化PaaS開(kāi)發(fā)和運(yùn)營(yíng)平臺(tái)，ThingJS基于HTML5和WebGL技術(shù)，集成3D可視化界面，使用Javascript語(yǔ)言，在瀏覽器上即可進(jìn)行開(kāi)發(fā)調(diào)試和部署應(yīng)用，支持從模型場(chǎng)景、數(shù)據(jù)結(jié)構(gòu)、效果設(shè)置到數(shù)據(jù)對(duì)接全流程零代碼配置交付。

在物聯(lián)網(wǎng)數(shù)據(jù)接入方面，ThingJS提供的森數(shù)據(jù)DIX平臺(tái)，是一款高效的數(shù)據(jù)集成系統(tǒng)，支持主流的物聯(lián)網(wǎng)集成協(xié)議，如http（s）、Socket、OPC、JDBC、SNMP等，可支持JSON、XML、Text、Binary等數(shù)據(jù)格式，解決多源異構(gòu)問(wèn)題。單節(jié)點(diǎn)集成性能達(dá)到每秒萬(wàn)級(jí)，并支持管理節(jié)點(diǎn)去中心化，節(jié)點(diǎn)橫向靈活擴(kuò)展，解決高并發(fā)大吞吐量需求。

在視頻數(shù)據(jù)接入方面，森視頻LiveServer支持GB28181、RTSP協(xié)議下的視頻流轉(zhuǎn)換為H5視頻流功能，支持?？?、大華等各類廠家標(biāo)準(zhǔn)監(jiān)控?cái)z像頭的接入，API可以對(duì)接業(yè)務(wù)數(shù)據(jù)、監(jiān)控視頻等功能。

奶牛場(chǎng)數(shù)字孿生模型的構(gòu)建過(guò)程如圖6所示。

3.2? 智慧養(yǎng)殖技術(shù)裝備集成

奶牛場(chǎng)數(shù)字孿生系統(tǒng)實(shí)現(xiàn)奶牛場(chǎng)與虛擬牛場(chǎng)之間的實(shí)時(shí)數(shù)據(jù)連接和感知，如圖7所示，奶牛場(chǎng)各種設(shè)備如擠奶機(jī)、TMR飼喂系統(tǒng)、精準(zhǔn)環(huán)控系統(tǒng)和稱重分群系統(tǒng)，以及奶牛生理監(jiān)測(cè)設(shè)備等產(chǎn)生的動(dòng)態(tài)數(shù)據(jù)，匯總、存儲(chǔ)到孿生數(shù)據(jù)層，形成領(lǐng)域內(nèi)或者跨領(lǐng)域應(yīng)用數(shù)據(jù)庫(kù)，驅(qū)動(dòng)虛擬實(shí)體層的分析模型，挖掘領(lǐng)域數(shù)據(jù)間的關(guān)聯(lián)、分布規(guī)則等數(shù)據(jù)特征，對(duì)生產(chǎn)管理做出預(yù)測(cè)、預(yù)警和決策判斷，幫助養(yǎng)殖人員更加高效地管理牧場(chǎng)。

3.3? 奶牛場(chǎng)數(shù)字孿生系統(tǒng)應(yīng)用驗(yàn)證

為驗(yàn)證本文技術(shù)路線及成果的可行性，在江蘇某規(guī)模養(yǎng)殖場(chǎng)開(kāi)展應(yīng)用。該牧場(chǎng)目前奶牛存欄1483頭，其中成母牛873頭，建有現(xiàn)代化的牛舍、擠奶廳以及飼料庫(kù)房、消毒區(qū)、辦公區(qū)、糞污處理區(qū)等等，區(qū)劃明確、布局合理。該牧場(chǎng)已建立TMR飼喂監(jiān)測(cè)、奶牛發(fā)情監(jiān)測(cè)、擠奶廳智能管理系統(tǒng)，已建立生奶速冷和全程冷鏈儲(chǔ)運(yùn)體系，在該牧場(chǎng)已經(jīng)開(kāi)展的示范成果包括：

（1）在奶牛個(gè)體生理、行為表征信息采集方面，一方面研發(fā)了奶牛生理傳感耳標(biāo)，應(yīng)用于奶牛發(fā)情、反芻監(jiān)測(cè)，數(shù)據(jù)采集和分析性能接近行業(yè)主流應(yīng)用的進(jìn)口產(chǎn)品；另一方面研發(fā)奶牛行為機(jī)器視覺(jué)系統(tǒng)，突破實(shí)際養(yǎng)殖環(huán)境下奶牛目標(biāo)檢測(cè)、連續(xù)跟蹤和行為分類精度等技術(shù)瓶頸，奶牛舍內(nèi)目標(biāo)檢測(cè)和行為分類的精度均達(dá)到90%以上。

（2）研究畜牧數(shù)字孿生的技術(shù)框架和支撐平臺(tái)，構(gòu)建具有數(shù)據(jù)融合、三維可視化、人機(jī)交互、模型分析、模擬仿真功能的奶牛數(shù)字孿生體，針對(duì)奶牛養(yǎng)殖關(guān)鍵場(chǎng)景應(yīng)用——精準(zhǔn)飼喂、精準(zhǔn)繁殖、精準(zhǔn)健康和精準(zhǔn)環(huán)境，研究關(guān)鍵技術(shù)設(shè)備的集成應(yīng)用問(wèn)題。

（3）奶牛場(chǎng)數(shù)據(jù)集成，整合自建和第三方數(shù)據(jù)源，包括：奶牛場(chǎng)信息系統(tǒng)；奶牛體況評(píng)分和自動(dòng)稱重系統(tǒng)數(shù)據(jù)；基于耳標(biāo)實(shí)時(shí)采集奶牛體溫、運(yùn)動(dòng)量、反芻時(shí)間等數(shù)據(jù)；奶牛自動(dòng)檢測(cè)、連續(xù)跟蹤、行為分析的機(jī)器視覺(jué)系統(tǒng)數(shù)據(jù)；場(chǎng)區(qū)車輛位置和活動(dòng)監(jiān)測(cè)數(shù)據(jù)；牛舍環(huán)境數(shù)據(jù)和控制系統(tǒng)參數(shù)。

已建成的牧場(chǎng)數(shù)字孿生系統(tǒng)實(shí)現(xiàn)可視化和數(shù)據(jù)整合功能，如圖8所示。

4? 結(jié)語(yǔ)

目前，數(shù)字孿生系統(tǒng)在國(guó)內(nèi)外農(nóng)業(yè)領(lǐng)域的研究和應(yīng)用，均處于起步和上升階段。在應(yīng)用實(shí)踐方面，國(guó)外傾向于將數(shù)字孿生視為物聯(lián)網(wǎng)數(shù)據(jù)采集與系統(tǒng)仿真的組合，采用ANSYS、達(dá)索、PTC、Matlab、IBM、GE、西門子、微軟等廠商提供的解決方案；國(guó)內(nèi)傾向于以三維可視化為基礎(chǔ)，集成物聯(lián)網(wǎng)數(shù)據(jù)采集和機(jī)器學(xué)習(xí)模型，阿里云、騰訊、安世亞太等廠商提供相應(yīng)解決方案。在理論研究方面，主要處于全要素信息抽象階段，尚未對(duì)專業(yè)領(lǐng)域中數(shù)字孿生模型的構(gòu)建過(guò)程進(jìn)行研究[11]。農(nóng)業(yè)數(shù)字孿生系統(tǒng)主要實(shí)現(xiàn)對(duì)生產(chǎn)場(chǎng)景的再現(xiàn)，對(duì)環(huán)境、設(shè)施和設(shè)備的可視化管理，以及對(duì)動(dòng)植物的可視化觀測(cè)和部分表型參數(shù)采集。

區(qū)別于工業(yè)界以數(shù)字孿生車間為代表的數(shù)字孿生模型[12]，農(nóng)業(yè)數(shù)字孿生的對(duì)象還包括農(nóng)業(yè)系統(tǒng)和生物，前者是具有海量參數(shù)的復(fù)雜巨系統(tǒng)，后者則具有微觀和精細(xì)的生命機(jī)理，相關(guān)參數(shù)的信息采集較難實(shí)現(xiàn)自動(dòng)化。雖然對(duì)農(nóng)業(yè)模型和仿真的研究已進(jìn)行數(shù)十年[13]，對(duì)奶牛營(yíng)養(yǎng)、泌乳等機(jī)理模型的研究也比較深入[14]，但目前農(nóng)業(yè)數(shù)字孿生模型研究的核心難題，仍是對(duì)復(fù)雜巨系統(tǒng)和生命過(guò)程機(jī)理的數(shù)據(jù)采集和模型建立。

本文研究建立的奶牛場(chǎng)數(shù)字孿生系統(tǒng)，目前已完成三維可視化平臺(tái)的選型和建立、物聯(lián)網(wǎng)數(shù)據(jù)接口與數(shù)據(jù)整合、流數(shù)據(jù)計(jì)算平臺(tái)建立、奶牛生理參數(shù)監(jiān)測(cè)設(shè)備、基于視頻的奶牛檢測(cè)和行為識(shí)別、奶牛場(chǎng)環(huán)境與設(shè)施監(jiān)測(cè)與控制等技術(shù)工作，初步實(shí)現(xiàn)奶牛場(chǎng)關(guān)鍵生產(chǎn)要素從物理世界向虛擬空間的數(shù)字化映射。

針對(duì)上述農(nóng)業(yè)數(shù)字孿生系統(tǒng)的核心難題，在后續(xù)研究中，將基于流數(shù)據(jù)計(jì)算平臺(tái)，研究數(shù)據(jù)驅(qū)動(dòng)、場(chǎng)景識(shí)別的奶牛養(yǎng)殖數(shù)據(jù)分析與生產(chǎn)仿真模型，包括奶牛生理－行為表征信息與奶牛健康－生產(chǎn)性能的映射模型，以及奶牛營(yíng)養(yǎng)－繁殖－保?。h(huán)境管理影響健康－生產(chǎn)性能的仿真模型；對(duì)奶牛生產(chǎn)管理進(jìn)行優(yōu)化。

參考文獻(xiàn)

[1] 暴夢(mèng)川.《2021中國(guó)奶業(yè)質(zhì)量報(bào)告》發(fā)布[N].消費(fèi)日?qǐng)?bào)， 2021-07-22（A02）.

[2] 胡肄農(nóng).智慧奶業(yè)關(guān)鍵技術(shù)與發(fā)展建議[J].中國(guó)畜牧雜志， 2023，59（4）：318-322.

[3] 顧生浩，盧憲菊，王勇健，等.數(shù)字孿生系統(tǒng)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用探討[J].中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào)，2021，23（10）：82-89.

[4] NEETHIRAJAN S， KEMP B. Digital livestock farming[J/OL]. Sensing and Bio-Sensing Research，2021，32：100408. https：//doi.org/ 10.1016/j.sbsr. 2021.100408.

[5] NEETHIRAJAN S， KEMP B. Digital twins in livestock farming[J]. Animals （Basel），2021，11（4）：1008. DOI： 10.3390/ani11041008.

[6] JO S K， PARK D H， PARK H， et al. Energy planning of pigsty using digital twin[C]//2019 International Conference on Information and Communication Technology Convergence（ICTC）. IEEE， 2019： 723-725.

[7] CABRERA V E， BARRIENTOS-Blanco J A， DELGADO H， et al. Symposium review： Real-time continuous decision making using big data on dairy farms[J]. Journal of Dairy Science，2020，103（4）：3856-3866. DOI：10.3168/jds. 2019-17145.

[8] TEKINERDOGAN B， VERDOUW C. Systems architecture design pattern catalog for developing digital twins. Sensors （Basel）， 2020， 20（18）： 5103. doi：10.3390/s20185103.

[9] 郭飛燕，劉檢華，鄒方，等.數(shù)字孿生驅(qū)動(dòng)的裝配工藝設(shè)計(jì)現(xiàn)狀及關(guān)鍵實(shí)現(xiàn)技術(shù)研究[J].機(jī)械工程學(xué)報(bào)，2019，55（17）：110-132.

[10] 胡肄農(nóng)，柏宗春，還紅華.加快智慧奶業(yè)建設(shè)，推進(jìn)江蘇奶業(yè)現(xiàn)代化[J].江蘇農(nóng)業(yè)科學(xué)，2022，50（22）：65-69.

[11] 施佳宏，劉曉軍，劉庭煜，等.面向生產(chǎn)線仿真的數(shù)字孿生邏輯模型構(gòu)建方法[J].計(jì)算機(jī)集成制造系統(tǒng)，2022，28（2）：442-454.

[12] 陶飛，劉蔚然，張萌，等.數(shù)字孿生五維模型及十大領(lǐng)域應(yīng)用[J].計(jì)算機(jī)集成制造系統(tǒng)，2019，25（1）：1-18.

[13] 高亮之.農(nóng)業(yè)模型學(xué)[M].北京：氣象出版社，2019.

[14] 易渺，楊琴，熊本海.反芻動(dòng)物營(yíng)養(yǎng)代謝調(diào)控的數(shù)學(xué)模型化[J].動(dòng)物營(yíng)養(yǎng)學(xué)報(bào)，2013，25（5）：943-950.

引用格式：胡肄農(nóng)，仇振升，劉建龍，潘海海，朱紅賓.柏宗春奶牛智慧養(yǎng)殖技術(shù)裝備及其數(shù)字孿生系統(tǒng)構(gòu)建[J].農(nóng)業(yè)大數(shù)據(jù)學(xué)報(bào)，2024，6（1）： 117-126. DOI： 10. 19788/j.issn.2096-6369.000003.

CITATION： HU YiNong， QIU ZhenSheng， LIU JianLong， PAN HaiHai， ZHU HongBin， BAI ZongChun. Construction of a Digital Twin System for Smart Dairy Farming Technologies and Equipment[J]. Journal of Agricultural Big Data， 2024，6（1）： 117-126. DOI： 10.19788/j.issn.2096-6369.000003.

Construction of a Digital Twin System for Smart Dairy Farming Technologies and Equipment

HU YiNong1*， QIU ZhenSheng1， LIU JianLong1， PAN HaiHai2， ZHU HongBin3， BAI ZongChun1

1. Institute of Agricultural Facilities and Equipment， Jiangsu Academy of Agricultural Sciences， Nanjing 210014， China; 2. Wuxi FOFIA Technology Co. Ltd. Wuxi 214135， Jiangsu， China; 3. Shanghai Kepaiteng Information Technology Co. Ltd.， Shanghai 200072， China

Abstract： Digital twin has been recognized as a new development stage of smart agriculture. By establishing physical systems and digital spaces for agricultural production， digital twin technology has achieved the integration of "connection - perception - decision - control"， which can address the complexity of agricultural production systems through higher levels of intelligent control. The development of China's agricultural digital twin system is relatively late， and the overall research and technical equipment are in the exploratory and initial stage. In this article， on the basis of research on multidimensional information acquisition， data analysis， and production simulation models for dairy farming， a digital image of dairy farms in virtual space is established， which is targeting key production scenarios such as feeding management， breeding management， health management， and environmental regulation， and a digital twin system for dairy farming is constructed， implementing the data-driven， real-time feedback， simulation deduction， and intelligent control through virtual control of breeding technology processes and production equipment. And the digital twin system has been conducted specific application and preliminary verification on a 1000-herd scale dairy farm in Jiangsu Province.

Keywords： dairy farming; smart farming; digital twin