当 AI 开始进村养猪

“母猪杜洛克C7259号，没有怀孕，请在12小时内再次安排配种！”如今，国内一些猪场工作人员已经能在自己的电脑上看到这样的提醒。

与此同时，长白山精气神养殖基地里，一只母猪在猪栏中的六个食槽一一凑过去，但都没有通过面部识别。饲喂机纹丝不动，就是不给投料，它只能落寞地走到墙角趴下。

工程师在 App 上查了一下状态，原来智能饲喂机识别出这头猪的当日进食量已经达到配额，不能再吃了。

▲工程师在App上查看猪舍的状态 摄影：樟脑玩

这幅魔幻的景象正在曾经蚊蝇漫天、臭气逼人的养猪场每天上演。不知不觉中，一场人工智能参与的技术革命正在中国乡村养猪场徐徐拉开帷幕。

“我跟你讲，猪场处处都是坑”

2017年，京东数科工程师李佳隆第一次来到山东滨州实地调查养猪场时，尽管已经做好了心理准备，但他还是被猪场扑面而来的氨氮气体熏得流出了眼泪。

当时，同行的同事们甚至还买了口罩、防毒面具、鞋套，“你能想到的一切都带了”。然而几天过后，大家都默默地把这些行头留在了宿舍里。防毒面具下岗是因为猪臭味渗透力太强防不胜防，鞋套则会在行走时被猪粪吸住，稍不留神就会中招，“戴了还不如不戴”。

养猪场内夏季多生蚊蝇，冬天为了不让猪着凉则需要关紧门窗，臭气无法及时排出，室内空气甚至比夏天还要差。每间猪舍都是封闭的大屋，平均一个猪舍里有三百到四百头猪，而另一边种猪舍宽度只有半米的限位栏里，是没法转身的母猪。

而这已经是当地颇具规模的养殖场的条件。

别说是初来乍到的工程师，就算是已经在猪场工作多年的养殖户，在进入猪场的一瞬间也还是会脑袋里“嗡”的一下。在山东养猪的散户葛洪完全能理解李佳隆们的感受：“猪场里空气不好，年轻人不一定受得了。”

工程师们尚有喘息的机会，养殖户却被大猪小猪牢牢拴住，不得不一天到晚“泡”在猪场里。

“到了猪场才发现，我们真的是一个象牙塔里的团队。”李佳隆说道，“都 2017 年了，农户还在肩扛饲料、手工拌料、手动称重，所有的环节都要人来做。”

中国是世界生猪养殖和猪肉消费第一大国，生猪养殖产值占国内畜牧业总产值的四分之三。对于中国的养殖户来说，养猪一直以来都是一个极耗心力的劳动密集型行业。在大型养殖场里，平均每100头猪就要至少配备一个工作人员，对于没有形成规模养殖的散户来说，养猪更是全家上阵的苦差事。

大到猪的生产出栏，小到猪的吃喝拉撒，猪的每一个成长环节都不能离开人的监控。因此，养殖场里少不了人日夜巡舍，养殖户也往往住在离猪圈不远的地方，与猪同呼吸共进退。

举个例子，母猪生产时如果无人看护，就很有可能在翻身时压死小猪仔，为了保证生产安全，养殖户常常要亲自在猪圈旁守候到深夜。

此外，猪场需要大量的人力来记录猪的日常数据。比如给猪称体重时，就要把猪一头一头赶到秤上，再等猪停止挣扎后才能称重，平均称一头要花 3 分钟时间。

对于动辄上千头猪的养殖场来说，这是一笔很大的人工成本。

▲长白山精气神养殖基地的小黑猪正在休息 图源：京东数科

人少猪多数据量大，传统的养殖模式往往难免粗放。

养殖场里，10 头到 15 头猪一起投料，每头猪只能凭力气抢着吃。结果同一栏猪在出栏时往往体重差异巨大，力气小的猪只有 70 公斤，战斗力强的猪则可以长到 130 公斤，饲养效率低下。

当有猪生病时，“眉毛胡子一把抓”的毛病就更明显了。“昨天看到有猪打喷嚏，拿来药找不到到底是哪一头了，只好把抗生素拌进料里，一栏猪都喂了。”葛洪说。

但在工程师眼里，这些困扰养殖户多年的苦活累活，正是人工智能（AI）的用武之地：人不可能 24 小时监控猪场，捕捉分析猪发出的每一个信号，但机器人可以。

眼前这只猪，到底是不是昨天那只？

李佳隆一行人来到猪场的初衷，其实是为了解决一个金融部门同事提出的委托。

为了抵御瘟疫等灾害，有不少农户会给自家的猪投保，但问题在于，在理赔过程中，查勘员难以确定死于非命的猪是不是投保的那只猪。甚至有些人用同一头猪的左脸右脸伪装两头死猪来骗保，也没法识破。于是，京东数科决定开发“猪脸识别”系统，以确定猪只的身份。

“其实，理论上来讲猪脸识别比人脸识别更好做。猪的脸比人立体，特征点更多。人脸的特征点能达到一百八，猪脸的话能达到二百三四。”李佳隆说，“但问题在于，猪没有主观能动性，不会乖乖把脸凑过来让你刷。”

在猪场，理论和现实总是有巨大的差距，几乎没有任何一个常规方法能行得通。

一开始，李佳隆和同事们打算套用人脸识别的建模方法，用单反相机为猪采集各个角度的高清照片，然而工程师们“真的很难摁住猪，让它乖乖被拍”。而且猪的成长速度很快，如果隔几天不采集，面部特征就会产生差异。

常规方法录入效率太低，大家只好研究“非常之法”。

详细观察了很久之后，李佳隆们终于抓住了一个捕捉猪正脸的机会——在开饭时，猪从休息区走到采食区的几米距离，头是一直冲着食槽的。在这短短的几秒钟内，装在食槽上的 3D 摄像头可以从正面清晰地录入猪脸。

▲京东数科的摄像头已经认出了猪脸 图源：京东数科

很快，工程师们发现，自己在研究保险理赔问题的解决方法时，竟然也一举解决了困扰养殖户多年的问题：确认每头猪的身份。

确定猪只身份，也是猪场精细化管理最关键的一步。把给料数据和体重数据对准到每一头猪，能帮助农户针对不同的猪进行差异化饲养，大大减少饲料的浪费，提高料肉比。

应用了猪脸识别系统后，配合食槽上的重量传感器，系统就能精确标识判定哪头猪吃掉了多少克饲料。对于饭量还没达标的猪，智能食槽会适当加餐，如果喂食量已经达到标准，食槽就会停止给食——就如本文开头那只母猪遭遇的情况。

据李佳隆透露，目前京东数科猪脸识别的准确率已经达到了 100%，绝对不会认错猪。

谈到猪只识别的难度，阿里云工程师念钧也深有体会。

念钧第一次来到距离成都四百多公里四川宜宾市麻衣村养猪场时，农户们觉得他们无所不能，给予了他们最大的期待和支持，然而面对5000头嗷嗷待哺的种猪，工程师们自己都没底气。

▲麻衣村里的宣传标语 图源：阿里云

“猪脸很脏，上面全是灰尘和草料，很难做到一一识别。要网络没有网络，要设备没有设备，一切都要从零开始架设，”念钧说，“一些理想化的解决方法只能止步于实验室。”

为了解决猪只识别问题，阿里云因地制宜，选择了不同的思路：对于一猪一栏限位养殖的猪只，采用猪栏对应的方法，建立唯一 ID 进行管理，对于群养模式下的猪，则进行刺青编码，再通过摄像机把对应信息导入系统，在后台统一管理。

只要查阅数字 ID，就能获得这头猪的品种、天龄、体重、进食情况、运动频次、轨迹等信息，而饲养员再也不用再花费大量的时间在猪场里巡逻，手动更新纸质档案了。

AI 比人更懂猪

除了料肉比，另一个评估养殖效率的关键数据是 PSY，即每头母猪每年提供的断奶仔猪头数。养猪发达国家的规模猪场平均 PSY 能超过 25，丹麦的 PSY 甚至高达 30，而在中国，PSY 的平均数只有 16。

“PSY 提不上来的原因之一，就是让猪怀孕实在太费劲了，空怀期太长。”葛洪说。

想要让母猪怀孕，就要先判断母猪是否已经发情做好配种准备，在传统养殖业里，这是一件既要靠眼力也要靠运气的大工程。

进猪场的第一周，李佳隆就有幸参与了母猪发情鉴定小分队。

当时，李佳隆和几个猪场的小伙子七手八脚地赶着一头大公猪走进种猪舍，慢慢经过两侧限位栏里“夹道欢迎”的母猪们。“500 斤的大公猪，獠牙那么老长，看了直害怕。”回想起这个过程，李佳隆还是心有余悸。一边赶着公猪慢慢走，李佳隆一边挨个观察着母猪的反应：“如果母猪眼神很迷离，耳朵竖起，站着不动，那大概率是发情了。”

一般来说，从确定母猪的发情期，到判断配种之后是否怀孕、是否要重复配种，需要耗费1个多月。而如果母猪错过受孕窗口期没怀上，就会耽误产仔，成为“无效饲养”。

“无效饲养”无法完全避免，但通过悬挂在屋顶的巡检机器人一天 24 小时对母猪图像的采集和分析，阿里云 AI 已经可以捕捉母猪的每一个细小动作，自动检测发情信号。

▲沿着轨道运行的巡检机器人 图源：阿里云

“如果在特定的时间母猪发出了特定的信号，AI 就会判断母猪已经发情，”念钧解释道，“比如说母猪断完奶后 3~7 天后，摄像头监测到母猪耳朵竖立，身体绷直，进食量骤降，就会判定母猪已经发情可以配种。”

而当巡逻摄像头观测到母猪容易进入深度睡眠、站着不乱跑、食量稳定增长，即可判断母猪已经怀孕。

目前阿里云的这套“怀孕诊断算法”已经在四川特驱集团、德康集团旗下的养殖场得到应用。在去年的理论验证阶段，AI 已经可以让母猪每年多产 3 头小猪仔，且猪仔死淘率降低 3% 左右。

另一边，在河北唐山的猪场，负责开发养猪算法的李佳隆也在研究怎么利用 AI 提高母猪产量。

“想要入这个门，就必须要会养猪，和饲养员聊天，和他们做一样的事。”李佳隆说。为了研究猪的行为模式，有一段时间，李佳隆的枕边书都变成了《母猪的产后护理》、《母猪饲养宝典》和《PSY 提升宝典》。这些书中的理论也许有依赖经验主义之嫌，却是农户总结出的精华。

比如，母猪什么样的体型最适合发力、什么样的臀部形状最适合生产、猪仔后膘的厚度和出栏时的重量之间有什么关系等等。

“书中说道，母猪排卵期体温会略有上升，于是我们用集成了温湿度感应器的摄像头直接看母猪体温，发现在排卵期，它们的体温会上升 0.8 到 1 度。”李佳隆说。

农户的经验与大数据得出的模型互证，AI 正在一步一步破译猪的行为逻辑。

念钧则更进一步，认为最好的 AI 必须邀请农户一起来开发。

在四川宜宾麻衣村的养殖场内，每一头猪面前都有一张布满格子的小卡片，这些小格子分门别类地记录了母猪的断奶、背膘、发情、疫病等多种情况，只要农户发现异常，就可以随时涂卡告知巡检机器人。

▲阿里云开发的卡片 图源：阿里云

“巡检机器人会识别农人判断的信息，用输入的信息优化模型。这样，我们的模型就会在不知不觉间受到专家知识训练，越来越准确。”念钧说。