CN104573188B - 一种基于大数据猪行为方式分析的育肥猪舍设计方法 - Google Patents

Abstract

本发明属于养殖领域，公开了一种基于大数据猪行为方式分析的育肥猪舍设计方法，首先通过多组实验获得猪行为的大数据流，然后通过分析数据流，获得出栏体重与总行走距离、总行走距离与圈养密度之间的关系，根据最佳的出栏体重找到对应的行走距离，然后找出该总行走距离对应的圈养密度，即最佳圈养密度。本发明利用摄像机与软件采集猪的总行走距离，通过最佳出栏体重得出对应猪的总行走距离，然后找到对应猪所在的猪舍对应的圈养密度，找到最佳的圈养密度；将猪行为纳入猪舍设计的考虑因素，为猪舍的合理设计提供指导，设计出更有利于育肥猪生活的猪舍，有利于猪的育肥。

Description

一种基于大数据猪行为方式分析的育肥猪舍设计方法

技术领域

本发明涉及养殖技术领域，特别涉及一种基于大数据猪行为方式分析的育肥猪舍设计方法。

背景技术

影响猪育肥效果的因素有很多种。

一、品种。不同品种的猪在育肥性能上的差异较大，如瘦肉型猪较脂用型猪育肥效果好。

二、营养。营养水平的高低对猪育肥情况影响较大，其中能量物质和蛋白质是最重要的影响因素。

三、饲养方式。猪的饲养方法通常采用自由采食和限制采食两种。自由采食的猪增重快、胴体较肥；限制采食的猪增重较慢，饲料利用率较高，胴体背膘较薄。

四、环境。环境因素主要包括群居环境和圈养密度等。猪对群居环境具有一定的适应力，在适宜的环境下身体健壮、增重快、耗料少。圈养密度过大或过小都会影响猪的生长健康状态，因此，适宜的圈养密度可以保证育肥猪群的最佳育肥效果。

事实上不同品种、生理阶段的猪，对其猪舍的要求是不尽相同。但是动物行为是动物机体直观的功能表现，动物行为能够有效反映动物当前健康状况。因此在设计猪舍时应该充分考虑猪的生物学特征，主要包括猪在不同生长发育阶段的特点以及猪行为学特点等。

但是目前，猪舍设计通常主要考虑猪舍的建设地点、温度、湿度和通风量等环境参数，而很少涉及与猪本身相关的因素(如品种、年龄等生理行为特征)。缺少通过检测猪行为的方式，来指导设计适用于育肥阶段的猪舍的方法，致使生猪在育肥阶段由于猪舍设计不合理而无法获得最佳的育肥效果。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：现有的猪舍设计过程中，很少考虑猪行为对育肥效果的影响，因而无法设计出更加有利于猪育肥的猪舍，无法取得最佳的育肥效果的问题。

(二)技术方案

为了解决上述技术问题，本发明提供了一种基于大数据猪行为方式分析的育肥猪舍设计方法，其特征在于，该方法包括：

第一步：获取猪行为的大数据流，具体步骤如下：

A1：选取发育程度接近的猪仔若干只，为所有猪仔佩戴用于识别身份的RFID标签；

A2：将若干只猪仔均分为X个大组，并将每个大组的猪仔分成M个小组；M个小组之间，每个小组的猪仔数量均不相同；每个大组内对应小组的猪仔数量均相同；

A3：选取若干间相同规格的猪舍，均分为X个大组，然后将X个大组的猪舍各自均分为M个小组；

A4：在每个所述猪舍内设置体重测量装置，每天测定每头猪的体重；

A5：在每个所述猪舍内安装可以360度旋转的摄像机，用于获取猪在整个育肥期内的日行走距离；

A6：将各小组的猪仔放入相应大组对应小组的猪舍内，以提供M个不同圈养密度的样本，以及(X-1)组对照样本；育肥期内，根据育肥猪的生长态势和采食情况，提供相应饲料，自由采食，自由饮水，所有猪舍的饲养方式均相同；

A7：将采集到的猪的体重和日行走距离以数据流的方式存储，数据流格式为：采集时间+猪编号+日行走距离+体重；

第二步：计算最佳育肥猪舍圈养密度，具体步骤如下：

B1：按照数据流的定义，将数据流进行分片处理，获得如下键值对：<采集时间，体重>、<猪编号，体重>、<猪编号，日行走距离>；

B2：针对育肥期最后一天采集的数据流，计算正常猪体重的最小值、平均值和最大值，分别设为Wmin，Wavg和Wmax；

B3：将步骤B2得到的数据进行分组，分组依据为：G1＝{g1|g1∈[Wmin，Wavg)}，G2＝{g2|g2∈[Wavg，Wmax]}；

B4：依据步骤B3的分组原则，将所有猪编号分到相应的组别中；即：(G1，[猪编号，猪编号，…])、(G2，[猪编号，猪编号，…])，G2组中的猪为目标猪；

B5：按G2组中的目标猪编号，汇总目标猪的出栏体重和日行走距离，获得键值对<猪编号，出栏体重>、<猪编号，日行走距离>；育肥期最后一天采集的猪的体重即为出栏体重；

B6：计算G2组中每一头猪的日行走距离总和，确定G2组中每一头猪的圈养密度，进而获得2组有序数对：<出栏体重，总行走距离>和<总行走距离，圈养密度>；

B7：依据步骤B6获得的有序数对，建立WD模型和DD模型，分别表示出栏体重与总行走距离、总行走距离与圈养密度的关系；

B8：通过对WD模型参数寻优，确定最佳出栏体重对应的总行走距离，继而由DD模型确定出最佳圈养密度。

其中，步骤A4是通过在每个猪舍内安装围栏，并在围栏处设置体重感应器和RFID接收器，每天固定时间使猪按顺序通过围栏，以测定每头猪的体重。

其中，步骤A5是利用计算机图像处理技术，对摄像机拍摄到的视频进行处理，建立图像坐标系，分别选取每头猪为焦点猪，利用软件计算出每个焦点猪的日行走距离。

(三)有益效果

上述技术方案具有如下优点：本发明公布了一种基于大数据猪行为方式分析的育肥猪舍设计方法，通过分组实验，采集不同圈养密度下猪的出栏体重和总行走距离，经过参数分析，获得出栏体重最佳的猪对应的总行走距离，然后通过总行走距离得出对应的圈养密度；将猪行为纳入影响猪舍设计的范围内，为猪舍的设计提供指导，从而获的最佳的育肥效果。

附图说明

图1是本发明所述基于大数据猪行为方式分析的育肥猪舍设计方法的数据分析流程图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本发明一种基于大数据猪行为方式分析的育肥猪舍设计方法包括两个大的步骤：

第一步：获取猪行为的大数据流，具体步骤如下：

A1：选取发育程度接近的猪仔若干只，为所有猪仔佩戴用于识别身份的RFID(英文名：Radio Frequency Identification，中文名：射频识别)标签；

A2：将若干只猪仔均分为X个大组，并将每个大组的猪仔分成M个小组；M个小组之间，每个小组的猪仔数量均不相同；每个大组内对应小组的猪仔数量均相同；

A3：选取若干间相同规格的猪舍，均分为X个大组，然后将X个大组的猪舍各自均分为M个小组；

A4：在每个所述猪舍内设置体重测量装置，每天测定每头猪的体重；优选在每个猪舍的中部安装围栏，并在围栏处的地面上设置体重感应器，在围栏的边缘安装RFID接收器，每天固定时间使猪按顺序通过围栏，以测定每头猪的体重。

A5：在每个所述猪舍内安装可以360度旋转的摄像机，用于获取猪在整个育肥期内的日行走距离；具体的，利用计算机图像处理技术，对摄像机拍摄到的视频进行处理，建立图像坐标系，分别选取每头猪为焦点猪，利用软件计算出每个焦点猪的日行走距离。

A6：将各小组的猪仔放入相应大组对应小组的猪舍内，以提供M个不同圈养密度的样本，以及(X-1)组对照样本；育肥期内，根据育肥猪的生长态势和采食情况，提供相应饲料，自由采食，自由饮水，所有猪舍的饲养方式均相同；

A7：将采集到的猪的体重和日行走距离以数据流的方式存储，数据流格式为：采集时间+猪编号+日行走距离+体重；

第二步：计算最佳育肥猪舍圈养密度，具体步骤如下：

B1：按照数据流的定义，将数据流进行分片处理，获得如下键值对：<采集时间，体重>、<猪编号，体重>、<猪编号，日行走距离>；

B2：针对育肥期最后一天采集的数据流，计算正常猪体重的最小值、平均值和最大值，分别设为Wmin，Wavg和Wmax；

B3：将步骤B2得到的数据进行分组，分组依据为：G1＝{g1|g1∈[Wmin，Wavg)}，G2＝{g2|g2∈[Wavg，Wmax]}；

B4：依据步骤B3的分组原则，将所有猪编号分到相应的组别中；即：(G1，[猪编号，猪编号，…])、(G2，[猪编号，猪编号，…])，G2组中的猪为目标猪；

B5：按G2组中的目标猪编号，汇总目标猪的出栏体重和日行走距离，获得键值对<猪编号，出栏体重>、<猪编号，日行走距离>；育肥期最后一天采集的猪的体重即为出栏体重；

B6：计算G2组中每一头猪的日行走距离总和，确定G2组中每一头猪的圈养密度，进而获得2组有序数对：<出栏体重，总行走距离>和<总行走距离，圈养密度>；

B7：依据步骤B6获得的有序数对，建立WD模型和DD模型，分别表示出栏体重与总行走距离、总行走距离与圈养密度的关系；

B8：通过对WD模型参数寻优，确定最佳出栏体重对应的总行走距离，继而由DD模型确定出最佳圈养密度。

下面举个具体的例子来进一步说明：

获取猪行为大数据流是计算最佳育肥猪舍圈养密度的重要数据基础，本发明选择14间相同规格的猪舍用来养育猪仔，优选断奶28天后再饲养35天，且发育程度接近的猪仔。猪舍高度为3.3m，面积为3*3m²，猪舍内温湿度及其他环境参数严格按照育肥阶段的参数调控。将14间猪舍分为2组，一组做目标实验，另一组做对照实验，以保证数据真实有效。每组包含7间猪舍，分别养育15头、13头、11头、10头、9头、8头、6头猪仔，两组共144头。育肥时间是12周，所有的猪舍的饲养方式相同。在育肥期内，将根据育肥猪的生长态势和采食情况，提供相应饲料，自由采食，自由饮水。每一头猪上安有RFID标签，作为身份识别标签。每一间猪舍顶棚安装可以360度旋转的摄像机进行猪舍全景拍摄，用以获取猪整个育肥期内行为方式。同时在猪舍内安装围栏，在该围栏中底部装体重感应器，围栏侧边处装RFID接收器，用于测定猪体重。

猪与所在猪舍的编号的对应关系如表1所示。由于猪舍规格相同，饲养猪的数量不同，一组内的每间猪舍的圈养密度不同。

表1猪编号、猪舍编号以及圈养密度的对应关系

猪编号	猪舍编号
			1-15	1	1.67
16-28	2	1.44
			29-39	3	1.22
40-49	4	1.11
			50-58	5	1
59-66	6	0.89

67-72	7	0.67
			73-84	8	1.67
88-100	9	1.44
			101-111	10	1.22
112-121	11	1.11
			122-130	12	1
131-138	13	0.89
			139-144	14	0.67

本发明在育肥期内每日测定猪的行走距离和体重。其中，猪行走距离通过对所采集的视频图像进行计算分析获得。利用计算机图像处理技术，建立图像坐标系，分别选取每头猪为焦点猪，利用软件计算出每个焦点猪的日行走距离。而体重则是在每天固定时间将猪按顺序通过围栏，以获取相关数据。

本发明将猪行为和体征数据将以数据流的方式存储。数据流格式为：采集时间+猪编号+日行走距离+体重。其中，时间为8位数字表示，如20141120表示2014年11月20日；猪编号：3位数字，如004，表示4号猪；猪的日行走距离：4位数字，如1234，表示猪行走距离为1234cm；猪体重：3位数字，如044，表示44kg；则完整数据流表示为：201411200041234044。

如图1所示，本发明的核心在于依据所采集的猪行为大数据流，基于大数据分析方法建立猪行为方式与圈养密度间的关系模型。通过猪行为方式与圈养密度之间关系，确定最佳育肥期猪舍圈养密度，并用于指导猪舍设计，使得所设计的猪舍最适于育肥期猪。

依据大数据分析方法，最佳育肥期猪舍圈养密度计算方法如下：

1)Map处理

按照数据流的定义，将数据流进行分片处理，获得具有含有一定语义信息的键值对。依据本发明的目标，获取最佳圈养密度所对应的猪行走距离。数据流经过map处理后，将获得数据键值对，分别为：<采集时间,体重>、<猪编号,日行走距离>、<猪编号，体重>。

2)Reduce处理

将map处理后所产生的数据键值对，作为Reduce处理的输入。

针对育肥期最后一天采集数据流，计算正常猪体重的最小值、平均值和最大值，分别设为Wmin、Wavg、和Wmax，单位均为kg；依此为依据，将数据进行分为2组，分组依据为：G1＝{g1|g1∈[Wmin,Wavg)}，G2＝{g2|g2∈[Wavg,Wmax]}。依据分组原则，将所育猪分到相应的组别中。即：(G1，[猪编号，猪编号，…])、(G2，[猪编号，猪编号，…])。G2组中的猪为目标猪。由于两组数据连续且没有重复点，分组时可以根据需要计算出一组，则剩余的猪即归为另一组，方便分组。

按照Reduce处理后所确定的目标猪编号，汇总其出栏体重和行走距离，获得键值对<猪编号，出栏体重>、<猪编号，行走距离>，出栏体重即育肥期最后一天的体重。

3)最佳育肥猪舍圈养密度计算

对Reduce结果中每一头猪都计算其总行走距离，即对每头猪的所有日行走距离求和；并通过查表1确定出每头猪所在猪舍的圈养密度，进而获得2组有序数对，即<出栏体重，总行走距离>和<总行走距离，圈养密度>。依据所建立的有序数对，分别建立表示出栏体重与猪行走距离的WD模型、表示猪行走距离与圈养密度的DD模型。通过对WD模型参数寻优，确定出最佳出栏体重所对应的猪行走距离。继而由DD模型确定出最佳圈养密度。

圈养密度和总行走距离是呈正相关的，圈养密度越大，猪的总行走距离越大，这不利于最终的育肥效果；因此我们用出栏体重这一参数作为衡量标准，即得到最大出栏体重的正常猪的总行走距离参数，依据该参数，可以确定对应的圈养密度，为猪舍的设计提供指导。

由于猪舍空间环境对猪的育肥效果、猪的福利状态等具有较大影响,由以上实施例可以看出，本发明利用大数据分析方法,研究不同猪舍条件下猪行为方式,建立基于大数据的猪行为方式与育肥猪舍圈养密度的关系模型,依据该模型设计育肥猪舍,能够为育肥猪提供最佳生活空间。本发明能够有效解决因为猪的生活空间不适宜而引起的猪育肥效果不佳、应激行为多发等问题。为育肥猪舍设计提供理论依据和实际指导。利用本发明公开的方法，能够确定猪舍圈养密度与猪行为方式(特别是猪行走距离)之间的关系，为进一步利用猪行为方式指导猪舍设计提供理论依据。本发明所提出建立数学模型方法是依据于大数据分析方法所建立的，并且设有对照实验组，结论准确、可靠。本发明的一个重要特点在于提出以猪行为参数作为猪舍设计的重要依据，可根据设定的饲养量与最佳的圈养密度，合理设计猪舍的大小，使得猪舍设计更为科学，更适于育肥猪生活，能够获得最佳的育肥效果。通过大数据分析方法，建立育肥猪行为方式与猪舍空间的关系模型，解析猪舍空间与猪行为方式相互关系，应用该模型指导猪舍设计，使得利用所建设猪舍养育的猪育肥最佳效果。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。

Claims (3)

1.一种基于大数据猪行为方式分析的育肥猪舍设计方法，其特征在于，该方法包括：

第一步：获取猪行为的大数据流，具体步骤如下：

A1：选取发育程度接近的猪仔若干只，为所有猪仔佩戴用于识别身份的RFID标签；

A2：将若干只猪仔均分为X个大组，并将每个大组的猪仔分成M个小组；M个小组之间，每个小组的猪仔数量均不相同；每个大组内对应小组的猪仔数量均相同；

A3：选取若干间相同规格的猪舍，均分为X个大组，然后将X个大组的猪舍各自均分为M个小组；

A4：在每个所述猪舍内设置体重测量装置，每天测定每头猪的体重；

A5：在每个所述猪舍内安装可以360度旋转的摄像机，用于获取猪在整个育肥期内的日行走距离；

A6：将各小组的猪仔放入相应大组对应小组的猪舍内，以提供M个不同圈养密度的样本，以及(X-1)组对照样本；育肥期内，根据育肥猪的生长态势和采食情况，提供相应饲料，自由采食，自由饮水，所有猪舍的饲养方式均相同；

A7：将采集到的猪的体重和日行走距离以数据流的方式存储，数据流格式为：采集时间+猪编号+日行走距离+体重；

第二步：计算最佳育肥猪舍圈养密度，具体步骤如下：

B1：按照数据流的定义，将数据流进行分片处理，获得如下键值对：<采集时间，体重>、<猪编号，体重>、<猪编号，日行走距离>；

B2：针对育肥期最后一天采集的数据流，计算正常猪体重的最小值、平均值和最大值，分别设为Wmin，Wavg和Wmax；

B3：将步骤B2得到的数据进行分组，分组依据为：G1＝{g1|g1∈[Wmin，Wavg)}，G2＝{g2|g2∈[Wavg，Wmax]}；

B4：依据步骤B3的分组原则，将所有猪编号分到相应的组别中；即：(G1，[猪编号，猪编号，…])、(G2，[猪编号，猪编号，…])，G2组中的猪为目标猪；

B5：按G2组中的目标猪编号，汇总目标猪的出栏体重和日行走距离，获得键值对<猪编号，出栏体重>、<猪编号，日行走距离>；育肥期最后一天采集的猪的体重即为出栏体重；

B6：计算G2组中每一头猪的日行走距离总和，确定G2组中每一头猪的圈养密度，进而获得2组有序数对：<出栏体重，总行走距离>和<总行走距离，圈养密度>；

B7：依据步骤B6获得的有序数对，建立WD模型和DD模型，分别表示出栏体重与总行走距离、总行走距离与圈养密度的关系；

B8：通过对WD模型参数寻优，确定最佳出栏体重对应的总行走距离，继而由DD模型确定出最佳圈养密度。

2.如权利要求1所述的基于大数据猪行为方式分析的育肥猪舍设计方法，其特征在于，步骤A4是通过在每个猪舍内安装围栏，并在围栏处设置体重感应器和RFID接收器，每天固定时间使猪按顺序通过围栏，以测定每头猪的体重。

3.如权利要求1所述的基于大数据猪行为方式分析的育肥猪舍设计方法，其特征在于，步骤A5是利用计算机图像处理技术，对摄像机拍摄到的视频进行处理，建立图像坐标系，分别选取每头猪为焦点猪，利用软件计算出每个焦点猪的日行走距离。