圖片來源: 

科技部

傳統養豬可能予人一種環境髒亂、廢水、惡臭,讓人難以與之為鄰的印象,為改善這些問題,科技部與臺大動物科學技術學系(簡稱動科系)團隊合作,推動智慧科技應用於豬隻養殖環境,近期展示研究成果,其中運用大數據、人工智慧,協助監測豬隻生長及健康狀態,以改善養豬場所的經營效率。

臺大動科系團隊與宜蘭一家養豬場合作,為了改善豬隻養殖過程中,糞便、尿所產生的惡臭、二氧化碳及大量氨氣,臺大動科系研究團隊研究營養配方,包括控制飼料的蛋白質含量、酵素,以及添加精油等方式,改善飼養過程中,豬隻排出的廢棄物臭味,再結合益生菌,一方面降低豬隻腸道壞菌、糞便臭味,以提高豬肉品質,進而提升養豬獲利率。

至於養豬場所產生的廢水,則運用智慧化的廢水處理與沼氣生物脫硫設施,經過處理的廢水,可透過網頁或手機App遠端掌握。

而在飼養環境監測方面,將智慧化設備導入養豬場,並使用開源的Thingsboard,建構IoT管理平臺。位於宜蘭的養豬場分為左右兩排,每排各有6個養豬欄位,配合養豬場環境,他們在兩排各設置一組移動式的空中台車,以空中懸吊方式在不同欄位移動,克服傳統定點偵測的限制。每輛台車每一小時巡行於每個養豬欄位,相當於每個欄位一天紀錄24次。利用台車上配置的空氣品質偵測器,蒐集各欄位的二氧化碳、氨氣、硫化氫、PM2.5,以及溫溼度變化,再透過有線網路傳送數據至後臺。

每個移動式的空中台車,配備有深度攝影機、光學攝影機、空氣偵測器,24小時每小時在各欄位移動檢視一次:

特別的是,每個台車搭載英特爾的RealSense深度攝影機及光學攝影機,用以紀錄豬隻的體態、行為數據,以深度攝影機、光學攝影機拍攝每個欄位內飼養的豬隻,回傳影像經過影像處理分析,測估豬隻的體型數值,估算其重量,透過台車每天24次,以紀錄豬隻的生長情形。每個養豬欄位的方型飼料槽、圓型筒也經過改良,以多台串聯的方式自動回傳飼料重量數據,在電腦上紀錄豬隻採食的情形,作為飼料配方調整的決策參考。因此,管理人員在後臺,可以掌握每個欄位豬隻生長狀態,飼料採食情形,或是根據每個欄位的溫度、空氣品質決定開啟或關閉風扇。

每個欄位的飼料筒及飼料糟,都有自動秤重裝置,圖中液晶螢幕顯示該欄位的飼料重量:

養豬場也導入人工智慧技術,動科系團隊和臺大資工合作,利用物件偵測技術,當台車經過不同欄位時,對飼養的豬隻進行影像辨識學習,他們以監督式學習技術,由動科系學生協助人工標註影像,訓練對豬隻的影像辨識,目前成功率已達85%以上。

臺大動科系副教授林恩仲表示,透過影像辨識技術,可紀錄欄位內豬隻的互動情形,掌握豬隻的正面或負面行為,例如小豬一起嬉戲,還是彼此爭食、打架,供養豬場的管理者參考,例如將爭食弱勢的豬隻移到別的欄位飼養,避免影響其生長。

不過,目前的影像辨識以辨識單一豬隻為主,尚無法辨識欄內可能聚集在一起的多隻豬,因此辨識時會儘量讓單一豬隻走在特殊走道,以方便影像辨識。

另外,團隊也利用IoT協助監測豬隻的健康情形,利用每天多次巡視的台車,結合攝影機的影像與聲音,經過機器學習技術,辨識豬隻的咳嗽狀態,判斷屬於正常的咳嗽或是因為疾病造成的咳嗽。林恩仲表示,利用白天與晚上的聲音資料,目前辨識的確準率已可達85%。結合影像畫面,例如欄位內某隻豬在角落躺著數個小時,採用飼料情形不佳時,提醒管理人員。

林恩仲指出,在養豬場建置IoT通訊網路是一項挑戰,飼養現場環境容易對無線通訊造成干擾,儘管當地已有4G網路覆蓋,但考量到傳輸影像檔案需要較大頻寬,因此還是以有線方式傳輸影像及數據,回傳至養豬場旁的辦公室,由伺服器運算處理。

由於深度攝影機蒐集的影像資料相當龐大,30秒的資料量多達1GB以上,若以一天12個欄位,24次拍攝為例,資料量約80至90GB,加上回傳到辦公室的伺服器進行機器學習訓練需要較長的時間,因此林恩仲坦言,目前機器學習的訓練資料為事後處理,往往要一天或幾天時間,影像辨識的結果才能讓養豬場管理者知道,但這並不夠即時,因為當豬隻有咳嗽的情形,畜主隔天就需要立即治療。因此,未來的挑戰是,即時的處理影像辨識資料,為了做到這個目標,在養豬場外設計一個封閉式箱體,避免粉塵等環境干擾,箱體內設置邊緣運算設備,在養豬場就近處理影像辨識,再將結果回傳給管理人員。

熱門新聞

Advertisement