众所周知，近些年人工智能（AI）技术以惊人的速度发展，在许多领域推出了令人惊艳的落地应用。就在AI推动无人驾驶、智能医疗等前沿技术大步迈进的同时，一则用“AI来养猪”的新闻吸引了小镭的眼球。

年2月6日，阿里云与四川特驱集团、德康集团宣布达成合作，将阿里ET农业大脑用于养猪业，用人工智能技术对养猪业进行升级改造。阿里宣称此举将“极大减少”生产成本，规范养殖生产流程，奠定猪肉食品安全溯源基础，并建立起一整套猪只健康档案和实时分析系统，为中国广大养猪企业乃至整个畜牧养殖行业的生产安全保驾护航。

可爱的猪猪们和高大上的AI会碰撞出怎样的火花？阿里的AI养猪是否真的可行？请大家跟随小镭的脚步一起来看看吧。

Q1阿里具体是如何用AI来养猪呢？

阿里云试图使用通用型弱终端+云端人工智能的技术架构以较少的硬件投入实现猪场智能化。该方案中使用的硬件包括摄像头、红外测温仪和麦克风，设计功能包括猪只个体识别、红外体温监测、声音识别和无人称重。

1.猪只个体识别

猪只个体识别是实现猪只全生命周期精细化运营与管理和全链条食品安全溯源的基础。阿里云认为目前主流的基于RFID标签方案的猪只个体识别方案成本较高（￥2.0-6.0/只），通过部署摄像头使用基于AI的视觉识别技术可大幅降低猪只个体识别的成本，摄像头还可被其他应用场景所复用，阿里云官方新闻稿中提到了实现猪只个体识别的两种方案，分别是猪脸识别和猪身符号标记。

2．红外体温监测

体温是高价值核心生产数据，连续、细粒度、准确的体温数据结合AI技术可用于疫情早期发现、辅助诊断和种母猪排卵期的预测。阿里云未提及红外测温产品的具体形态和部署方案，不过在阿里云ET大脑的官方网站上有明确指出整体方案是“无接触式、无人工干预”的，小镭结合市面上红外测温的方案推测，阿里云使用的是固定部署于猪舍、中远距离非接触式红外测温/红外成像仪。

3．声音识别

通过基于AI的声音模式识别分辨仔猪被母猪卧倒挤压时发出的特征性尖叫并及时加以干预可降低新生仔猪死亡率，猪只感染呼吸道疾病时也会发出咳嗽、打喷嚏、气喘等特征性的声音。

4．无人称重

通过基于AI的机器视觉识别猪只外形轮廓推算体重，对猪只个体体重的判定并“因猪制宜”地调整饲喂和管理策略是提高猪场运营可靠性的重要手段之一。

Q2阿里云AI养猪方案是否真的可行呢？

接下来小镭将从猪只个体识别、红外体温监测和声音识别这三个阿里的设计功能分别进行分析。

1．阿里云猪只个体识别的两套方案缺乏用于实际生产环境的可行性

猪脸识别方案缺乏生产可行性的原因主要有如下三点：

（1）猪在人类长期驯化和育种下，产生的“副作用”之一就是品种内基因相似度极高，性状高度趋同，面部特征也非常接近，猪脸识别的难度要远高于人脸识别；

（2）面部识别对获取面部图像的清晰度、角度及识别对象距摄像头距离均有一定要求，猪舍环境中要想具备猪脸识别的基础需要部署的摄像头密度远大于普通监控摄像头，从投入产出比上也远不及基于RFID的方案；

（3）育肥猪在育肥中后期可能出现耳朵遮挡面部的现象，重要的面部特征被遮挡后识别的准确性势必将会大幅下降。

基于在猪身体上做符号标记的个体识别方案同样无法应用于生产，规模化育肥场单一猪舍的猪只数量可达数百头，依靠人工标记具有识别度的数百个不同图案工作量很大，此外标记的符号会随着时间变淡或受污迹影响等因素而不可识别，重复标记时还要保证每一头猪符号的一致性也是一项工作量巨大的操作。

2．非接触式的红外测温方案无法获取真实有用的体温数据

威胁养猪场的疫病主要为微生物感染引起的传染病，绝大部分传染病都伴随有体温的异常变化，某些疾病的体温变化模式具备特征性，体温变化属于感染早期体征，往往出现在其他可被肉眼识别的症状之前，对疫病的早期诊断有很高价值。

小镭在这里再啰嗦几句：哺乳动物在排卵期前体温会出现特征性的波动，下图以人类为例。

猪在排卵期前也有类似的体温特征性变化，通过AI技术识别这一特征精准预测排卵日，由此获得的最佳受孕时间，能更有效指导配种作业，降低人工成本，提高母猪PSY（每年生产断奶仔猪数）、仔猪出生体重和存活率。

阿里云方案中使用的中远距离非接触式红外测温仪器无法获取有效体温数据，这又是为啥呢？

（1）有效体温数据是指能直接反应动物病理和生理变化的核心体温数据（corebodytemperature），而红外测温仪的测量对象是皮肤表面温度，它会因为猪周围小环境的温度、湿度和风速变化等因素产生较大变化，而核心温度并不会如此剧烈的波动。在南方阴冷潮湿的冬季，猪的皮肤表面温度可能会低于32℃，而核心温度仍维持在38.5℃（猪的正常体温），此时红外测温得到的皮肤表面温度数据对指导生产就没有什么意义。那么可以将皮肤温度与核心温度建立起准确关联吗？理论上是可行的，但需要对每只猪所处小环境的温度、湿度和风速等数据进行准确测量，这在生产环境下是难以实现的。

（2）距离系数K（即测温仪到目标的距离与测温目标直径的比值）对红外测温的精确度有很大的影响，当距离增加时，会使红外测温仪测得的物体的尺寸在瞬时视场面积的倍数减小，当被测物体不能充满视场时，输出数据就会减少，从而产生了误差，距离越远，误差也越大。简单来说，测温仪离猪过远会造成结果误差很大。所以中远距离的红外测温方案是无法满足精确测温的应用需求的哦。

（3）红外测温仪从物体上接收到的辐射能量大小与该物体的辐射率成正比。猪体表有浓密的绒毛覆盖，是非均质不光滑的表面，辐射率不稳定。从而造成测温仪接收到的辐射能量同比减少，对红外测温造成较大误差。

3．利用AI技术可准确识别出仔猪被压求救信号，但只有及时干预施救才能形成有效方案

被母猪挤压死亡是仔猪的首要死因，因母猪挤压死亡以及失去育肥价值（如挤压导致跛行）的仔猪高达仔猪总数的10%-27%，每年给中国养殖业带来超过亿元的损失。解救仔猪这一场景是智慧养猪全景图中的“杀手级应用”。

利用AI技术可以实现生产环境中对仔猪被压时发出尖叫的准确辨识，但仅仅辨识是不够的。仔猪被压后30秒—90秒就会死亡，致死和致残率会随时间增高。因此在识别出挤压发生后需要在短时间内进行干预解救仔猪才能形成有效闭环，阿里云推崇的以通用型弱终端切入，不针对行业细分场景开发专用型终端及“无接触式、无人工干预”的理念无法实现本场景的有效闭环。

这样看来，阿里目前提出的AI养猪只是噱头比较大罢了。但是现在物联网技术正在不断地发展，指不定哪天BAT又提出一些新的可实现的idea帮助猪猪们走向猪生巅峰也未可知呢？

特别感谢本文作者：

镭场景实验室

智慧猪基站合伙人张嘉嘉

长按下方