畜禽智慧养殖技术与装备科研团队

畜禽智慧养殖技术与装备科研团队

第一部分 团队基本情况

畜禽智慧养殖技术与装备科研团队是一支多学科交叉融合的创新团队，成员专业背景涵盖人工智能、工学、动物医学及动物科学等领域。团队依托农业农村部养殖装备重点实验室，聚焦畜牧福利健康保障与智慧化养殖技术的研发应用，重点开展三大方向研究：动物生产信息感知技术、畜禽精准健康养殖关键技术与装备研发，以及智慧管控大数据平台构建。目前，团队已承担国家自然科学基金等智慧养殖领域科研项目20余项，发表高水平学术论文30余篇，获授权发明专利10余项。

第二部分 团队成员

第三部分 团队研究方向

1.畜牧养殖智能机器人技术

基于嵌入式系统与物联网技术，团队自主研发了一款基于多传感器信息融合的畜禽养殖信息监测机器人，集成畜禽生态、生理、生长多维度专用传感技术，突破复杂养殖环境多特征联动监测难题，实现养殖信息精准获取与智能分析。

2.畜禽生长状态智能监测技术

通过整合视觉传感器与环境传感器，构建了一套高效的多模态数据采集体系。借助深度学习算法，系统能够精准识别畜禽的采食、饮水行为以及异常行为（如跛行、打斗等）。同时，结合体况评分等多维度数据，构建了疾病预警模型，从而实现对畜禽生长状态的智能化、全方位评估。

3.物联网设备故障诊断与状态评估技术

基于多源传感器数据融合、轻量化AI算法建模以及边缘计算下的算法部署，实时监测物联网设备的运行状态，对组件、系统以及数据质量方面的异常进行精准识别及预期性监测，从而实现物联网设备的故障诊断与状态评估。与英国林肯大学、江苏翼电科技有限公司等高校和企业建立深度合作。

4.养殖对象行为理解与智能分析技术

围绕“智能化养殖行为解析与精准调控”，构建多模态感知、深度学习与动物行为学融合的跨学科体系。针对水产、畜禽等，利用高精度传感器采集多源数据，结合时序建模与图神经网络，构建时空推理大模型。突破行为解耦、群体交互建模、异常预警等技术，开发轻量化边缘计算，实现实时解析与福利评估。最终形成“感知-认知-决策”闭环，提供智能解决方案，推动农牧业智能化转型。

第四部分 团队主持/参与的代表性科研项目

1.校自然科学类人才项目，基于多元数据融合的低碳减排式母猪精准饲喂关键技术研究，2024.10-2030.9，在研

2.科技创新2030项目，数据-知识驱动的典型畜禽疫病智能诊断，2021ZD0113803, 2021.12-2024.11

3.国家重点研发计划项目，绿色高效智能养猪工厂创制与应用，2021.12-2024.11

4.校自然科学类人才项目，基于多元表征指标量化的哺乳期仔猪生长状态评估模型研究，2024.01-2030.12，在研

5.农业农村部智慧养殖技术重点实验室开放课题，多因素耦合的哺乳期仔猪体重监测模型研究，2024.07-2025.08

6.国家自然科学基金青年基金项目，面向物联网太阳能杀虫灯的低成本轻量化故障自诊断方法研究，2025.01-2027.121，在研

7.校自然科学类人才项目，物联网太阳能杀虫灯轻量化故障自诊断方法研究，2024.10-2030.9，在研

8.校自然科学类人才项目，集约养殖代谢逆境下鱼类行为的流形学习与异常判别研究，2024.10-2030.9，在研

第五部分 代表性论文及发明专利

1.论文：

[1] Automatic detection of sow posture and estrus based on convolutional neural network, FRONTIERS IN PHYSICS, 2022, 10.

[2] CAT-CBAM-Net: An Automatic Scoring Method for Sow Body Condition Based on CNN and Transformer, SENSORS, 2023, 23(18)

[3] Instance Segmentation and Ensemble Learning for Automatic Temperature Detection in Multiparous Sows, SENSORS, 2023, 23(22)

[4] Body Weight Estimation for Pigs Based on 3D Hybrid Filter and Convolutional Neural Network, Sensors, 2023,23(18).

[5] 基于改进YOLO v5s的经产母猪发情检测方法研究, 农业机械学报, 2023, 54(1): 263-270

[6] Social density detection for suckling piglets based on convolutional neural network combined with local outlier factor algorithm. Computers and Electronics in Agriculture, 2022, 202: 107423.

[7]Activity detection of suckling piglets based on motion area analysis using frame differences in combination with convolution neural network. Computers and Electronics in Agriculture, 2022, 194: 106741.

[8]Fine-grained detection of caged-hen head states using adaptive Brightness Adjustment in combination with Convolutional Neural Networks. International Journal of Agricultural and Biological Engineering, 2023, 16(3): 208-216.

[9]Swift Transfer of Lactating Piglet Detection Model Using Semi-Automatic Annotation Under an Unfamiliar Pig Farming Environment[J]. Agriculture, 2025, 15(7): 696.

[10] 基于Jetson Nano+YOLO v5的哺乳期仔猪目标检测[J].农业机械学报,2022,53(03):277-284.

[11] A Survey on Smart Agriculture: Development Modes, Technologies, and Security and Privacy Challenges, IEEE/CAA Journal of Automatica Sinica, vol. 8, no. 2, pp. 273-302.

[12] Physical Security and Safety of IoT Equipment: A Survey of Recent Advances and Opportunities, IEEE Transactions on Industrial Informatics, vol. 18, no. 7, pp. 4319-4330.

[13] SILOS: An Intelligent Fault Detection Scheme for Solar Insecticidal Lamp IoTs with Improved Energy Efficiency, IEEE Internet of Things Journal, vol. 10, no. 1, pp. 920-939.

[14] SA1D-CNN: A Separable and Attention Based Lightweight Sensor Fault Diagnosis Method for Solar Insecticidal Lamp Internet of Things, IEEE Open Journal of the Industrial Electronics Society, vol. 3, pp. 291-303, 2022.

[15] A Lightweight Fault-Detection Scheme for Resource-Constraints Solar Insecticidal Lamp IoTs, Sensors, vol. 23, no. 15, pp. 6672, 2023.

[16] Locomotor posture and swimming-intensity quantification in starvation-stress behavior detection of individual fish. Computers and Electronics in Agriculture.2022.

[17] Dynamic and explainable fish mortality prediction under low-concentration ammonia nitrogen stress. Biosystems Engineering.2023.

[18] Fish feeding intensity assessment method using deep learning-based analysis of feeding splashes. Computers and Electronics in Agriculture.2024.

2.专利

(1) 一种基于双路网络的母猪体况自动评分系统, CN202310104483.9.发明专利.

(2) 基于热红外的猪只发热自动监测诊断系统,CN201910600734.6.发明专利.

(3) 基于交互特征的母猪发情状态自动检测系统, CN202210627637.8.发明专利.

(4) 基于边缘计算的仔猪吃奶行为监测系统, CN202011248694.2.发明专利.

(5) 基于激光定位的限位栏猪只姿态识别方法和系统, CN202010644050.9. 发明专利.

(6) 一种基于先验知识的太阳能杀虫灯物联网故障检测方法，CN 116155763 B, 发明专利.

(7) 一种改进随机森林气温数据质量控制方法, CN 106503459 B, 发明专利.

(8)一种地面气温数据质量控制方法, CN 106503458 B, 发明专利.

(9) 一种基于多尺度级联感知深度学习网络的幼鱼肢体识别方法,ZL202210454057.3,发明专利.

(10)  Juvenile fish limb identification method based on multi-scale cascaded perceptual convolutional neural network, US20230343128A1,发明专利.

第六部分 团队主要成果展示