面向2040年我国智慧牧场发展战略研究

冯献 ,  李瑾 ,  范贝贝 ,  郭美荣

中国工程科学 ›› : 1 -16.

PDF (1100KB)
中国工程科学 ›› : 1 -16. DOI: 10.15302/J-SSCAE-2025.10.016

面向2040年我国智慧牧场发展战略研究

作者信息 +

Development Strategy of Smart Livestock Farm in China by 2040

Author information +
文章历史 +
PDF (1125K)

摘要

畜牧业是事关国计民生的基础性、战略性产业，在全球畜牧业迈向绿色化、智能化发展阶段的背景下，加快智慧牧场建设成为推动我国畜牧业高质量发展的关键路径。本文分析了国内外智慧牧场的宏观部署和技术差距，总结了畜牧业数字化、智能化技术架构，研判了数据驱动全产业链变革、高端养殖装备快速发展、多学科交叉融合赋行业转型的智慧牧场发展趋势。在梳理畜禽标准化规模养殖、智能养殖装备、饲料配方软件、养殖大模型技术、农业科技企业实践等总体情况的基础上，剖析了智慧牧场建设面临的缺乏标准化技术参照、关键技术装备与畜牧业融合不紧密、传统养殖主体数字素养不高等问题，系统阐述了面向2040年我国智慧牧场发展的总体构想。可在畜禽智能设计育种与智慧繁育，畜禽养殖环境智能监测与控制装备，畜禽养殖智能装备与机器人，重大疫情疫病风险预判、预警和智能防控，养殖业人工智能大模型开发与利用，绿色智能高效养殖集成应用与示范等方面开展关键技术攻关，采用包括智能技术配置、关键场景覆盖、规模适配性系统在内的智慧牧场建设框架并在生猪、家禽、奶牛、肉牛等产业方向上取得应用突破，从而跨越式提升畜牧业发展质量并支撑农业强国建设。

Abstract

Animal husbandry is a fundamental industry vital to the national economy and people's livelihood. As global animal husbandry advances toward green and intelligent development, expediting the construction of smart livestock farms has emerged as a key to promoting the high-quality development of China's animal husbandry. This study analyzes the macro-level policy deployment and technological gaps of smart livestock farms in China and abroad, summarizes the digital and intelligent technology framework of animal husbandry, and clarifies development trends of smart livestock farms, including data-driven transformation across the entire industrial chain, rapid advancement of high-end breeding equipment, and multidisciplinary integration enabling industry transformation. Moreover, it reviews the overall situation of China's animal husbandry, involving standardized large-scale livestock farming, smart breeding equipment, feed formulation software, large model technologies for livestock breeding, and practices of agricultural technology enterprises. The study also identifies several problems existing in the development of smart livestock farms in China, such as the lack of standardized technical references for smart farm construction, insufficient integration of key technologies and equipment with animal husbandry practices, and low digital literacy among traditional livestock-breeding entities. On this basis, it outlines a strategic blueprint for the development of China's smart livestock farms by 2040, and proposes key technological breakthroughs in the following areas: intelligent design breeding and smart reproduction of livestock and poultry; intelligent monitoring and control equipment for livestock breeding environments; smart breeding equipment and robots; risk prediction, early warning, and intelligent prevention and control of major epidemics and diseases; development and utilization of artificial intelligence large models for animal husbandry; and integrated application and demonstration of green, intelligent, and efficient farming. Meanwhile, a smart livestock farm construction framework covering intelligent technology configuration, key scenario coverage, and scale adaptability systems is proposed, alongside with application breakthroughs to be achieved in sectors including live pigs, poultry, dairy cows, and beef cattle. These efforts aim to substantially improve the development quality of the animal husbandry and boost China's strength in agricultural development.

Graphical abstract

关键词

智慧牧场 / 智能养殖装备 / 畜禽饲养精准管理 / 畜禽养殖大数据 / 养殖大模型

Key words

smart livestock farm / smart breeding equipment / precision feeding management of livestock / big data of livestock breeding / large model for livestock breeding

引用本文

引用格式 ▾
冯献,李瑾,范贝贝,郭美荣. 面向2040年我国智慧牧场发展战略研究[J]. 中国工程科学, , (): 1-16 DOI:10.15302/J-SSCAE-2025.10.016

登录浏览全文

4963

注册一个新账户 忘记密码

一、 前言

当前，全球科技加速发展，人工智能（AI）成为核心驱动力并与生命科学、量子科学等方向交叉融合[1]。以GPT-4、DeepSeek为代表的大模型技术持续突破，正在与传统农业融合应用，推动农业生产效率、农产品品质、农业科技创新能力的显著提升。同时，全球农业科技竞争更加激烈，发达国家构建技术壁垒、实施贸易限制（如高精度传感器出口管制），持续挤压后发国家的创新空间，对我国农业科技自主可控构成挑战。为此，国家提出了2035年建成科技强国、基本实现农业现代化，2050年左右全面建成农业强国、实现农业农村现代化的发展目标，也将培育农业领域新质生产力置于突出位置，自主攻关并加快突破农业关键核心技术。面对全球科技与产业形态的体系性变革，2040年前智能技术将是影响深、覆盖广的发展驱动力，在促进现代农业科技高水平自立自强方面将发挥突出价值[2]。基于相关判断，2026—2040年是依托科技创新驱动农业领域高质量发展的关键攻坚期，也是实现高水平农业科技自立自强、支撑农业强国建设的战略窗口期[3]。

畜牧业作为事关国计民生的基础性、战略性产业，既是农业农村经济的支柱，又是保障国家食物安全与营养健康的核心载体，发展质量涉及国家粮食安全、居民营养升级、农村经济稳定[4]。然而，我国畜牧业仍面临产能调控能力弱、饲料转化效率低、生产与管理效率不高、疫病防控及质量监管难度大、“双碳”目标下环境约束加剧等挑战[5-6]。联合国粮食及农业组织发布的报告显示，我国畜禽肉类产量虽然连续多年位居全球首位，但畜牧业“大而不强”的特征依然突出；参照国际先进水平，我国人均肉类供给量仅为60%左右，猪、牛、鸡的单产水平也分别仅为83.5%、40.1%、61.4%。随着城乡居民对优质蛋白和健康营养需求的日益增长，我国畜牧业保供压力持续加大。传统养殖模式主要受经验驱动，存在资源消耗高、环境污染重、风险防控难的情况，难以适应高质量、高效率、绿色低碳的发展要求。在此背景下，加快发展以数字化、智能化为特征的智慧牧场工程科技，成为推动畜牧业转型升级的主攻方向。

智慧牧场是集成环境精准调控、生长信息监测、疫病智能诊断防控、精准饲喂、自动巡检等功能的智能装备系统，支持养殖设施、装备和机械的远程控制，全程自动化或机器人自主作业的少人化养殖模式，具有全天候、全过程、全空间的生产特征[7]。智慧牧场融合物联网、大数据、AI等技术，以数据驱动决策的方式来显著减少人工依赖，有效提升畜牧业生产效率、资源利用率、动物福利、食品安全水平，成为全球畜牧业发展的主流趋势[8-11]。近年来，国家高度重视智慧牧场对农业现代化的关键支撑作用，如《农业农村部关于大力发展智慧农业的指导意见》（2024年）将推进畜牧养殖智慧化、培育一批智慧牧场列为重点任务，《国务院关于深入实施“人工智能+”行动的意见》（2025年）提出支持种植、养殖等农业领域中的智能应用。这表明，智慧牧场成为未来一段时期内推动畜牧业从传统模式向数字化、智能化、绿色化转型的科学路径。

当前，智慧牧场工程科技研究集中在细分技术方向，如智能饲喂与动物营养配方[12-18]、畜舍环境监控[19-23]、动物行为和健康识别[24-31]、智能育种与良种繁育[32-35]、疫病诊断[36-41]等，具有畜牧兽医、生物学、农业工程、计算机科学等学科交叉融合的特征；但在聚焦技术层面的“点”状突破、偏重单一环节或设备层面创新的基础上，未能将智慧牧场作为有机整体进行系统性规划，尤其是面向2040年的发展路径、技术迭代序列、产业生态协同等关键议题缺少前瞻性研究，制约了我国智慧牧场从技术到产业的有效衔接，也导致环境传感器、挤奶机器人、疫病诊断模型等关键环节与国际先进水平持续保持差距[42]。针对这些现实挑战，亟需从工程科技宏观层面加强顶层设计与路径策划，以系统化思路推进智慧牧场的中长期发展，为农业强国建设提供坚实支撑。

二、 全球智慧牧场发展态势分析

（一） 国内外宏观部署与技术比较

发达国家围绕动物基因组大数据、数据平台共享、全链条认证与食品安全、智能装备研发、精准营养与健康养殖、种养循环减排、动物福利与生物安全防控等关键方向布局智慧牧场创新战略，以抢占未来畜牧业竞争制高点[43-44]。《美国农业部科学蓝图：2020—2025年科研方向》提出，应用精准农业技术、新型传感器开展动物疾病的监测、早期发现、快速响应，依托智能协作系统提升养殖效率、开展动物基因组解析，以信息技术与分子生物学融合的方式增强畜牧业的可持续性。丹麦在生猪养殖数字化方面保持领先，也在“丹麦兽医和食品管理局发展战略（2020—2023）”中提出构建世界一流的数字服务体系，适应食品安全、健康食品、动物健康与福利的需求。澳大利亚则较早应用数字技术强化动物疫病防控与质量追溯，2006年开始建设国家牲畜认证系统，逐步实现全国范围内的牲畜身份追踪与管理。日本侧重农业机器人的研发与应用，也在《智慧农业技术利用促进法》（2024年）中提出实施补助政策支持先进技术与设备应用、改善畜牧生产设施、提升养殖效率，部署地方性的畜牧业集群计划以增强产业盈利能力。

我国针对现代畜牧业标准化、设施化、信息化发展需求，通过政策引导、项目扶持、跨部门协同推动数字技术在养殖领域的融合应用，逐步实现环境调控、精准饲喂、自动分群与称重、动态巡检、动物行为与生长监测、产品溯源等关键技术及装备在设施养殖中的应用推广[45]。《国务院办公厅关于促进畜牧业高质量发展的意见》（2020年）提出，加强大数据、AI、云计算、物联网、移动互联网等在畜牧业中的应用，提升圈舍环境调控、精准饲喂、疫病监测、产品追溯的智能化水平。随后，《全国现代设施农业建设规划（2023—2030年）》《农业农村部关于大力发展智慧农业的指导意见》《全国智慧农业行动计划（2024—2028年）》等政策文件将发展智慧牧场列为重点任务，推动个体体征监测、环境精准调控、自动巡检与消杀、疾病智能诊断、精准配方饲喂等技术装备的集成应用。《加快建设农业强国规划（2024—2035年）》提出，释放农业农村数字生产力，推动规模化牧场数字化升级。此外，管理部门通过国家数字农业创新应用基地建设、全国农业农村信息化示范基地认定、国家数字畜牧业创新中心设立等举措，推动智慧牧场相关技术的产品集成、中试熟化、标准验证、示范推广，加快畜牧业数字化转型升级进程。整体上，我国加大智慧牧场关键技术的研发支持力度并取得一系列突破，但在养殖环境专用传感器精度、畜禽本体信息无损监测的准确性与抗干扰性、疾病监测诊断设备与方法准确性、畜牧机器人自主性、畜禽遗传育种信息化水平等方面相比技术领先国家仍存在一定差距（见表1）。

（二） 关键技术架构

畜牧业信息化发展以全产业链的数字化、智能化转型为代表，历经了从单机管理到联网协同、从局部信息化到全程数字化、从经验驱动到数据驱动的演进阶段。随着第五代移动通信（5G）、大数据、云计算、AI、物联网、区块链等信息技术在畜牧领域的融合应用，畜禽养殖逐步实现从传统粗放模式向精准化、智能化、绿色化的重大转变。畜牧业数字化、智能化转型以数智技术与畜牧养殖全链条、全环节、全要素的融合为主线，以数据和模型为核心驱动，依托监测、分析、作业三大系统的支撑，贯穿智慧育种、智慧生产、智慧经营、智慧监管、智慧服务五大业务环节。畜牧业数字化、智能化技术架构（见图1）支持构建全链条的数据驱动与智能决策能力，在促进畜牧种业振兴，提升养殖效率与资源利用率，全面增强生物安全防控能力、产品质量安全水平、产业链韧性等方面将发挥关键作用。

在技术支撑层，监测系统由传感器、监测软件、数据采集平台构成，开展畜禽养殖环境参数、个体生物信息、养殖管理监测数据的实时、连续、多维度的感知及记录，形成覆盖全要素的畜禽养殖过程大数据分析与边缘计算能力。分析系统依托云计算、AI、专业算法模型，对监测数据进行智能处理与深度挖掘，提供描述型、诊断型、预测型、指令型分析能力，构建环境调控、行为识别、疫病预警、育种评估等专业模型。作业系统接收分析系统的指令（由作业内容、作业队列、作业执行器构成），通过智能执行设备实现精准作业响应，实施从环境调控、精准饲喂到疫病防控、质量追溯的闭环操作。

在产业应用层，智慧育种环节基于数字化技术开展种畜登记、表型与基因型采集，支持种质资源精准鉴定、基于全基因组的智能设计育种、智能繁育等；智慧生产环节依托物联网、数字孪生等技术，开展环境智能调控、个体精准饲养管理、疫病智能诊断防控等；智慧经营环节通过智能装备与数字供应链来优化从生产到消费的产业链运营，实现产品质量安全追溯、智慧屠宰加工与冷链物流；智慧监管环节整合产业与卫生数据，应用区块链技术开展动物卫生全链条智慧监管；智慧服务环节通过云端平台为产业链各主体提供社会化服务、知识服务、监测预警等。

（三） 发展趋势判断

目前，智慧牧场工程科技已在动物行为识别、养殖管理系统、动物生理模型构建、疫病监测预警、环境精准调控、个体体征监测等方面取得了一系列应用进展。面向2040年，随着生物技术、信息技术等领域的创新涌现并与传统畜牧业融合应用，基因化、绿色化、数智化、营养化将成为全球畜牧业科技发展的主要趋势。相应地，以数据和模型为核心，融合环境精准调控、生长监测、精准营养、疫病智能诊断及防控等关键技术与装备的智慧牧场将成为畜牧业科技创新的主攻方向。

1. 数据将成为驱动全产业链变革的核心要素

大数据与AI正在深刻改变诸多产业的运营模式，也在推动畜牧养殖从经验主导向数据驱动转型。随着智能耳标、环境传感器等智能传感设备的规模化应用，养殖业的数据总量呈现指数级增长态势。实时采集畜禽体温、运动量等生理指标，温湿度、氨气浓度等环境参数，结合“生长 ‒ 饲养 ‒ 营养”耦合模型与智能巡检等装备应用，形成覆盖育种、养殖、屠宰全流程的“采集 ‒ 治理 ‒ 建模 ‒ 指令”数据闭环管理系统，显著提升健康管理、资源调配、生物安全防控的效能。例如，某大型养殖企业在超1000个养猪场部署约2.4×106套智能设备，日均处理数据超过2×109条，形成覆盖养殖全场景的数字化管控网络；集成各环节数据并构建“生猪健康大模型”，实现环境调控、精准饲喂、疫病防控的精细化管理，将生猪养殖完全成本降低18%以上。随着规模化养殖业的持续推进，以数据为关键要素的新型养殖模式将逐步覆盖育种、养殖、屠宰等环节，推动“料、养、宰、商”一体化运营，能够有效改善产业链条长、监管难等问题，也为动物福利、生物安全、资源优化提供核心支撑。

2. 高端养殖装备研发与制造产业将步入快速成长期

全球畜牧业数字化转型遵循自动化、智能化、智慧化的演进路径。在人口老龄化加剧、环保政策趋严、生物安全风险上升的背景下，高端养殖装备需求将保持快速增长。得益于新型材料、AI等技术的突破，新型传感器、农业机器人成为国际市场的竞争焦点。融合生物信息、机器视觉、量子传感技术的高端装备即将进入商业化阶段，如纳米材料与量子技术结合，推动生物传感器的高精度、低功耗升级，支持畜禽体温、体尺、行为等指标的无感监测；智能饲喂设备、清粪机器人、巡检机器人等也将加快规模化应用，算法决策逐步替代经验判断，支持构建可防、可控、可治一体化的疫病智能防控新范式，为重大疫病早期预警、精准干预提供装备能力支撑。

3. 多学科交叉融合赋能畜牧业绿色化、智能化转型

新一代信息技术与合成生物学、基因编辑、全基因组选择等生物技术将进一步融合，显著提升畜禽品种改良与智能选配效率，在种源层面支撑畜牧业绿色、优质、高产发展。畜牧学、兽医学、草业科学、AI等学科深度交叉，将在个性化营养、精准饲喂、动态配方等方面取得新的突破，支持构建畜禽智能养殖与饲料高效利用技术体系，有效应对饲料资源短缺、环境污染、食品安全等方面的挑战。生态养殖、立体养殖、种养结合等模式与智慧牧场的环境保护、粪污资源化利用相结合，将成为畜牧业节本增效、减排降碳的重要路径，进而促进全球范围内智慧牧场的绿色、高效、健康、可持续转型。

三、 我国智慧牧场的总体情况与存在的问题

（一） 总体情况

大力发展畜禽标准化规模养殖是推动畜牧业生产方式转变、提升质量效益与核心竞争力的关键措施，为新品种、新技术、新装备的推广应用以及智慧牧场建设提供了坚实基础。本课题组调查的数据显示，截至2023年年底，全国畜禽养殖规模化率为73%，较2015年提升18.6个百分点，标志着规模化养殖已成为畜牧业的主体形态，也为智慧牧场技术与装备的研发推广提供了实际场景；国内90%的新建规模化养殖场采用了环境自动控制技术与装备，其中装备国产化率>50%、无人化作业环节覆盖率>40%，饲喂、环控、粪污处理等环节基本实现机械化替代人力。

在智能养殖装备方面，养殖环境智能调控、动物个体电子识别、精准饲喂、产品收集等装备的国产化进展良好。家禽养殖中广泛使用的叠层笼养自动化成套装备基本实现国产化，已出口至美国、日本、俄罗斯等50多个国家。中国农业科学院北京畜牧兽医研究所集成的白羽肉鸡数智化管控立体养殖工艺模式、构建的“精准环境 ‒ 无抗高效饲料 ‒ 数智化管控”三位一体技术体系达到国际领先水平，应用范围占全国出栏白羽肉鸡的93%以上，实现料重比为1.28~1.5、成活率>98%、欧洲指数>500。在智能养殖系统集成方面，中国农科院北京畜牧兽医研究所牵头研制的牛羊全混合日粮（TMR）饲料营养均衡配制及无人配送系统达到国际先进水平，发展了基于下丘脑生命信号的动物繁育、发病、营养、应激AI监测预警技术及装备，在全国23个省份的6000余家企业获得应用。

在饲料配方软件方面，国内产品有望打破国外企业的长期垄断。中国农业科学院饲料研究所研发的工业级国产配方系统，支持猪、禽、牛、羊、水产的全价料与预混料配方设计及优化。中国农业大学、北京博亚和讯农牧技术有限公司联合开发的家禽产业数智化平台，可实现动态营养计算与配方优化。

在养殖大模型技术方面，北京沃德博创信息科技有限公司研发了“AI+蛋种鸡养殖”模型，率先将AI技术融入蛋鸡育种、种鸡扩繁、疾病诊断等关键环节，支持蛋鸡智慧育种、智能扩繁、智能诊断。中国农业大学发布了国际首个奶业垂直大模型，整合了2.1×106头奶牛的数据，为奶业全产业链提供了智能决策能力。北京市农林科学院开发了“全国畜牧兽医行业服务云平台”，推动行业迈入智能化服务发展阶段。

在农业科技企业实践层面，国内形成了峪口智慧蛋鸡平台、扬翔未来猪场、牧原养猪综合体、农信数智养猪“大脑”、优然牧业生态智慧牧场等建设案例或典型场景，涉及蛋鸡、生猪、奶牛等畜禽。例如，某大型养殖企业在1692个养猪场推广应用智能环控、精准饲喂、智能作业等装备1.7×106套，累计服务超过6×107头猪，平均药费降低42元/头；依托全产业链智慧畜牧解决方案，采用挤奶机器人、智能饲喂系统、精准配方软件，创造了单产牛奶49 kg的行业纪录。在企业实践的过程中，培育了沃德博创、国科诚泰农牧、农信互联、睿畜科技等专注畜牧智能化的科技品牌，提高了产业链协同创新能力。此外，产业模式持续革新，探索应用了“银行信贷+活体抵押+数字场景”的普惠金融支持方案，为规模化养殖场的智能化改造升级提供了便利。

（二） 存在的问题

1. 智慧牧场建设缺乏标准化技术参照

虽然管理部门积极推动智慧牧场相关标准研制，但已发布标准集中在设施设备配置要求，尚未形成系统全面的标准体系。在设计建造、通用技术规范、数据互联互通、智能化功能要求、附属配套设施等方面仍存在大量空白，尤其缺乏针对不同生态区域（如北方寒冷、南方高温高湿）、经济条件（如发达地区、乡村振兴重点县）、养殖规模（大型集团、中小家庭农场）的差异化建设标准与技术集成模式。标准体系不完善导致部分地区在推进数智化转型时未能充分考虑本地的资源禀赋、经济水平、养殖习惯，出现盲目跟风、生硬嫁接技术、简单复制模式的情况，造成部署项目与实际生产脱节、投资回报率偏低，也隐藏着因技术路线选择不当而引发的长期投资风险和设备兼容性风险。例如，国内养殖环境测控多处于人工控制或半自动化状态，现有的畜禽环境自动控制系统以全套进口为主，价格昂贵且用户无法根据需要自主调整内部调控模型，不适应国内不同生产地域差异化的养殖需要。标准体系不健全也影响智能装备的兼容性、数据的共享与交互、整个系统的扩展性与稳定性，在缺乏统一协议的情况下未来系统升级和数据整合将面临技术挑战与成本压力，不利于智慧牧场的规范化、可持续、高质量发展。

2. 关键技术装备与畜牧业融合不紧密

高精度传感器、智能养殖装备的对外依赖性强，如50%的畜禽环境控制装备、65%的智能养殖装备（包括TMR搅拌车、自动喂料车、输送带喂料系统）、70%的奶牛挤奶设备依赖进口；相关进口设备与原厂软件绑定使用，国产设备难以接入。这种深度依赖不仅导致用于国产模型优化和迭代的生产数据缺乏，而且带来供应链安全、数据主权归属、潜在断供风险。此外，国产大模型能力有待提升，精准营养饲养的模型化技术有待攻克。

部分场景数智化技术有待熟化应用。养殖环境测控长期处于半自动或人工经验规则调控状态，依赖人工操作和经验判断；未能完全实现智能化管理，精准营养与饲养的模型化技术有待攻克；针对不同生态条件的精准环控数据模型熟化不够、生产实际验证不足，实际应用的稳定性与可靠性不强。健康监测、疫病诊疗、饲料管理、粪污处理、福利养殖等养殖业核心场景的数智化技术应用不显充分，多数应用仍以示范为主，缺乏市场化的主体运作能力，导致商业化前景和可持续推广面临挑战[46]。

建设运维成本高。现阶段的装备技术攻关以大型养殖企业需求为导向，相关软件与装备价格高昂，如动物保定称重系统售价近30万元/套，“中央厨房”、健康监测系统、粪污处理系统等超过100万元/套。智能系统的全面铺设成本高昂、投入产出比具有不确定性，构成面向中小养殖场（户）开展市场推广的核心瓶颈。

此外，多数养殖场地处偏远农牧区，自动化设施陈旧、数字传输网络覆盖不足，部分畜禽养殖设备未及时更新，数据采集、自动控制等方面的设备技术种类和功能不全，进一步制约了智慧牧场的集成应用[47]。

3. 传统养殖主体数字素养不高

根据“中国畜牧兽医年鉴统计”结果，2022年全国畜禽养殖主体总数约为6.7×107个，其中规模养殖场占比仅为1.4%，呈现“小规模、大群体”的行业特征。养殖户群体普遍存在年龄偏大、教育水平有限、数字化意识薄弱的情况，对智慧牧场的认知度和接受度不高，不利于开展新理念、新技术、新模式的推广应用。智慧畜牧相关学科建设仍处于起步阶段，“产教”结合力度不足，导致养殖企业缺乏既懂智能技术和信息数据技术，又掌握畜牧与动物科学知识的复合型人才。以生猪行业为例，配备数字化专业技术人员的养殖企业占比仅在15%左右[48]，培训体系覆盖范围有限、内容针对性不强，难以有效提升从业人员的数字技能。此外，农村地区人才外流明显，引进和留住数字技术人才面临现实困难，而养殖户也因改造成本高、短期效益不明显而缺乏数字化转型的内在动力。人才瓶颈不仅制约智慧牧场技术的推广，而且伴生更深层次的应用风险，即使配备智能系统，也可能因使用不当、数据分析能力不足而致系统效能不显，甚至引发因误判数据而产生的决策风险。

四、 面向2040年我国智慧牧场发展总体构想

（一） 发展目标

紧扣畜牧业数字化、智能化、绿色化转型发展趋势，建立国家智慧牧场工程科技创新体系、工程技术体系、现代化产业体系。开展关键技术难题攻关，重点在畜禽智能育种与智慧繁育、畜禽养殖环境智能监测与控制装备、养殖智能装备与机器人、重大疫情疫病风险预判预警与智能防控、养殖业大模型、绿色高效养殖集成应用等方面取得突破性技术成果、形成系统性解决方案，占据全球智慧牧场科技制高点，形成适应国情的智慧牧场现代化产业技术创新体系，提升养殖业科技与装备支撑能力。

到2035年，力争进入世界畜牧业强国行列，在智慧牧场科技创新与产业发展方面取得重大突破。智慧牧场工程科技创新体系基本建立，装备自主化率取得显著提升。规模养殖场基本完成设施化改造、智能化升级，形成适应不同区域和畜种的智慧牧场建设标准与技术模式。智能饲喂、环境调控、疫病诊断等系统在规模养殖场实现集成应用。畜牧业生产力水平持续提升，动物福利与产业竞争力全面改善，饲料转化率、头均成本等体现畜禽生产效率的核心指标接近发达国家平均水平。全国设施畜牧养殖信息化率提高到60%。

到2040年，基本建成畜牧业强国，全面建立智慧牧场工程科技创新体系、产业体系与生态体系，基本实现畜牧业全产业链数字化、网络化、智能化。建成自主可控、国际领先的智慧牧场技术体系，确保重要种源与智能养殖装备自主可控；智慧牧场工程科技实现规模化应用，规模化养殖企业（场）普遍建立环境自动调控、实时健康监测、高效精准养殖等系统，基本实现“育种 ‒ 养殖 ‒ 加工”全链条智能决策与少人化作业，确保产业科技水平与核心竞争力达到国际先进水平，形成智慧牧场国际标准与解决方案输出能力。遗传改良准确率提升至90%，智能养殖装备国产化率超过90%，养殖大模型覆盖主要畜种与核心场景，重大疫病预警准确率超过95%，全国畜牧业生产信息化率达到65%，数据驱动、智能决策、绿色高效、具有国际竞争力的现代畜牧业新格局全面形成。

（二） 发展思路

面向新发展阶段农业强国建设、粮食安全、生态安全等重大需求，针对畜牧业绿色生态、产出高效、产品安全、调控有效的发展任务，以实现高水平科技自立自强、畜牧业高质量发展为核心目标，推动物联网、大数据、AI等信息技术在养殖业全链条中的融合与规模化应用为主线，加强智能化养殖设施建设，突破“卡脖子”技术瓶颈，构建具有自主知识产权的关键核心技术体系和智能装备产品谱系，形成具有国际市场竞争力的智慧牧场工程科技创新体系与现代化产业体系，增强畜牧业发展韧性和质量。

1. 实施“强基”行动

以提升基础设施数字化、网络化、智能化能力为重点，引导养殖场（户）加快基础设施数字化改造与智能化升级，提高传感网络、物联网、数据采集平台等数智化设施在规模养殖场中的覆盖度与互联互通水平，形成统一、稳定、高效、安全的数据底座，筑牢智慧牧场的运行基础条件。针对种业基地、畜禽养殖标准化示范场、现代农业产业园等重点场景，集成应用智能感知装备、精准控制系统与自动化机械，提高生产管理的精细化与智能化水平。推动移动通信、卫星遥感等新型基础设施在“粮改饲”、优质苜蓿生产基地等方面的布局与应用，增强饲草生产远程监测、智能决策、精准管理能力。强化多源数据集成与标准化管理，构建畜牧业大数据分析决策核心平台，全面增强养殖业智能决策与全链条追溯等功能支撑。

2. 聚力技术创新

面向国际智慧牧场发展前沿，加强基础研究和关键核心技术攻关，依托创新联合体等组织机制，加快科技成果中试熟化与产业化应用。在技术支撑层面，综合利用互联网、音频、无线通信、物联网、AI等技术以及算据、算力、算法资源，筑牢通用技术底座。在关键技术方面，重点突破畜禽智能育种与智慧繁育、畜禽养殖环境智能监测与控制装备、畜禽养殖智能装备与机器人、重大疫情疫病风险预判预警与智能防控、养殖业AI大模型、绿色智能高效养殖等技术，适度超前布局全基因组选择育种、饲料蛋白生物合成等颠覆性技术，构建具有国际竞争力的智慧牧场技术体系，提高产业发展的核心保障能力。

3. 推动融合发展

深化畜牧兽医学、信息科学、机械工程、环境科学、管理学等学科的交叉与融合，搭建跨学科协同研发平台，加强创新团队建设以及复合型、应用型人才培养[49]。激励科研院所与养殖企业、装备制造企业、智慧农业企业组建创新联合体，以“产学研”协作方式开展关键技术联合攻关。重点围绕智慧养殖与管理业务场景的深度融合，推进智慧繁种育种、环境智能调控、精准饲喂饲养、疫病快速预警诊断与防控决策等全链条业务的智能化升级。强化技术、政策、人才、资金等要素的协同布局，健全科技成果转化与推广体系，形成多元主体联动、数据共享的创新生态。推动“粮经饲”统筹、草畜平衡、种养循环等产业融合，提高智慧牧场的产业链协同水平、经济运行效能、可持续发展能力。

4. 优化创新体系

发挥国家级重点实验室的科研引领作用，以企业为主体、市场为导向，构建自主可控、安全可靠、竞争力强的智慧牧场产业技术创新体系，重塑畜牧业产业体系与价值范式。分类培育科技领军企业、专业化中小企业，壮大高水平科技人才队伍，形成基础研究、应用研究、研发制造衔接顺畅的智慧牧场创新体系。发挥数据要素、“AI+”作用，加快养殖业数智化转型，提高现代设施畜牧业生产水平，增强高质量畜产品供给、质量安全和疫病防控能力。

（三） 发展重点任务

为了加快弥补国内在畜牧工程科技领域相较国际先进水平的差距，2026—2035年可重点补齐感知装备、育种平台、疫病预警等方面的基础短板，增强关键技术的自主可控与系统集成能力；2035—2040年可全面推进装备智能化、模型通用化、体系国际化，加快构建具备国际竞争力的智慧牧场科技与产业体系（见表2）。

五、 我国智慧牧场关键技术与产业突破方向

（一） 关键技术

1. 畜禽智能设计育种与智慧繁育

针对畜禽种质资源精准鉴定能力不足的问题，系统推进国家级和省级畜禽基因库、资源保种场（区）的数字化建设，形成覆盖资源收集、保存、监测预警全流程的国家畜禽种质资源大数据平台，提高遗传信息与活体资源的协同共享水平。针对生产性能、品质提升机制不清的问题，建立表型与基因型精准鉴定平台，开发智能设计育种工具、高效基因组编辑技术，解析产肉、产仔等重要性状的遗传调控机制，创制优异性状遗传修饰新材料。针对育种技术自主创新能力不足的问题，推动科研机构、种业企业联合建设智能育种平台，突破全基因组高通量鉴定、基于AI算法的多组学大数据育种、干细胞育种等关键技术，应用基因编辑、性别控制等前沿技术，培育肉牛、白羽肉鸡等优良新品种。针对良种繁殖效率不高的问题，研发母畜批次化生产调控、高效体外胚胎生产技术，构建高效繁育体系。

2. 畜禽养殖环境智能监测与控制装备

针对畜禽养殖环境控制装备依赖进口、国产设备精准度低且环境调控效率不高的问题，研发适应畜禽不同生长阶段生理生态特征的智能化环境调控技术与装备，攻关高品质、高精度、高可靠、低功耗的养殖环境信息感知技术。研究畜禽舍内温湿度、光照、有害气体等参数的实时感知与动态耦合调控技术，结合生物反应动力学与能量学机理，建立数据驱动的环境智能调控模型。攻关实时智能感知、精准通风、高效降温／保暖等自主调控重点技术，研制具有自主知识产权的专用芯片、传感器、智能环控器、高效环境净化等关键装备，筑牢国产化智能环控系统的硬件基础，提升环境控制的精准度与能效水平。此外，面向畜牧业低碳发展需求，推动余热、粪能、地热、太阳能等在环境调控中的高效利用，结合畜禽舍建筑结构优化，形成节能型通风与换热技术体系，促进环境因子的协同优化与系统能效提升。

3. 畜禽养殖智能装备与机器人

围绕畜禽养殖过程中生物信息获取难、管理效率低、人工作业强度大等问题，重点推进智能感知、精准作业、机器人技术在全流程中的融合应用，为畜禽绿色、高效、智能化养殖提供装备支撑。针对畜禽生物信息无损感知与智能监测技术难题，发展机器视觉、声学信号、红外热成像等多模态信息融合的个体与群体行为分析技术，研发适合畜禽的智能耳标、数字项圈、轻量化脚环（禽用）、外貌图像采集系统等便携式监测装备，突破传感器小型化、低功耗、防水耐腐蚀、抗干扰、稳定传输等技术，支持个体生理体征、健康状态以及群体行为的实时、无扰、精准感知[50]。针对主要畜禽的饲喂效率低、营养供给不精准问题，构建不同生理阶段畜禽日粮营养需求模型，结合生长指标、环境参数、市场信息，研发动态优化配方与投喂策略的智能饲喂系统，形成数据驱动的精准营养调控决策能力，提高饲料利用效率和养殖经济效益。针对畜牧业工作环境复杂、任务多样等挑战，开展复杂养殖工况下的智能作业机器人与无人化系统集成，研制具备环境适应性与任务柔性的精准作业机器人，如自主巡检机器人、精准饲喂装置、发情监测系统、智能分群与转运设备、自动化清污装备等，推动养殖关键环节的自动化、智能化，支撑牧场少人化、无人化运行。

4. 重大疫情疫病风险预判、预警和智能防控

面向生物安全与居民健康重大需求，研究新发与重大外来疫病的发生演变规律，建设动物疫病监测预警、诊断和防控的信息化能力。重点突破高通量、多靶标、自动化的快速检测技术，攻关基于早期诊断、定量风险分析的动物疫病分子诊断技术，构建畜禽健康感知与疫病监测预警、快速检测与综合防控技术体系，研制疫病诊断与防控智能装备[49]。深化非洲猪瘟、禽流感、口蹄疫等重大疫病的流行规律与防控技术研究，攻关智能监测与风险阻断技术，完善疫情测报追溯体系，提升疫病防控综合能力，维护畜牧业产业安全、生物安全和居民健康。

5. 养殖业AI大模型开发与利用

围绕畜禽养殖全链条智能化的发展需求，将专家系统、机器学习（含深度学习、神经网络）、模式识别、可穿戴智能设备等与畜禽养殖进行融合，构建以大数据分析决策为核心的智慧养殖技术体系与产业发展模式，优化畜禽产品生产工艺与管理流程，提高“环境 ‒ 动物 ‒ 管理”系统精准协同能力。突破畜禽多源数据融合治理、智能分析与决策、云服务支撑、知识智能推送及问答等技术，构建覆盖环境信息获取与调控、动物生理与行为信息采集、动物健康状态分析等功能的智能认知模型。加强饲料原料营养价值、畜禽动态营养需求等专业数据库建设。围绕育种、环控、饲喂、防疫、废弃物处理、质量追溯等环节，开发动物行为识别、环境多因子联动调控、生产智能决策等基础算法，建立精准饲喂与营养调控、生长发育预测、繁殖性能优化、疾病预警与智能诊疗等精细模型以及经济效益导向的综合AI大模型，形成覆盖养殖全生命周期的低成本、高效益信息化集成解决方案，兼顾实现食品安全、粮食保障、环境友好、企业增效、从业人员增收等目标。

6. 绿色智能高效养殖集成应用与示范

集成多源数据，构建覆盖养殖全生命周期的智能管理方案，制定标准化、规范化的绿色智能高效养殖技术规程，遴选不同规模的养殖场（户）开展应用示范。在示范区内，集成应用环境调控、生长监测、疫病诊断等技术，重点推广个体体征监测、精准环控、自动巡检、疾病诊断、精准饲喂、废弃物资源化等装备及系统，推广应用国产饲料配方软件，增强疫病监测预警、诊断和防控信息化能力，因地制宜建设一批智慧牧场。面向规模化养殖场，集成环境监测、健康管理与大数据库，形成可复制、可推广的智慧养殖模式。针对中小型养殖场（户），开发轻量化的“软件即服务”（SaaS）管理系统，通过移动应用程序提供实时预警、远程诊疗和管理服务，推动智能化应用的全面覆盖。

（二） 产业突破方向

智慧牧场建设需精准反映畜禽养殖特点、生产规模、区域条件。依据管理部门关于不同畜种规模化养殖、配套设施设备标准的界定，紧扣不同品种养殖全过程与关键环节数智化的需求，针对生猪、家禽、奶牛、肉牛提出了包括智能技术配置、关键场景覆盖、规模适配性系统在内的智慧牧场建设框架。

1. 生猪

围绕保障种源安全、猪肉自给、产能调控、绿色生产等核心目标，推进生猪养殖智能化升级，构建适配不同规模场的数据驱动型智能养殖体系。依据《生猪规模化养殖设施装备配置技术规范（NY-T 4254—2022）》的规模划分标准，采取差异化的建设路径。对于大型养猪集团（育肥场年出栏量>1.8×104头、基础母猪数量>2000头），重点建设种猪性能数字化平台，推广应用智能耳标、AI巡检、精准饲喂、环境调控、粪污能源化等全程智能化装备，构建企业级数据中台，支持全链条闭环管理与决策优化[51]。对于中型养殖规模主体（育肥场年出栏量为5001~1.8×104头、基础母猪数量为250~2000头），配置标准化环控系统、自动饲喂设备／机械清粪装置，推广应用疫病预警系统和电子档案管理平台，提升精准管理能力。对于中小规模养猪主体（育肥场年出栏量为500~5000头、基础母猪数量<250头），推广轻量化的SaaS管理系统、移动端应用程序，提供环境监测、简易饲喂控制、远程疫病诊断等服务，降低智能化改造成本与管理门槛。此外，实施差异化的区域布局，在生猪调出大省和大县探索建设少人化猪场、数字孪生猪场等先进生产形态，在土地资源相对紧缺地区推广低碳型楼房智能化立体养猪模式，在东北地区推广寒区智能环控模式。

2. 家禽

围绕禽产品供给安全与产业提质增效的核心目标，在养殖优势区和龙头企业基地开展全程自动化、智能化示范，重点推进高密度、高效率、高福利的养殖模式。对于大型一体化企业（蛋禽存栏量>1×106羽、肉禽年出栏量>2.4×106羽），重点推广多层立体笼养全程自动化系统，集成环境智能调控、自主巡检、精准饲喂、疫病预警、自动集蛋等装备，构建疫病防控、品质检测、全程溯源体系；配套建设光伏+储能系统，实现能源部分自给。对于中型专业养殖场（蛋禽存栏量为2×105~1×106羽、肉禽年出栏量为6×105~2.4×106羽），重点配置自动化喂料、清粪、控温设备，推广应用行为识别与疫病预警系统，提高养殖精细化管控水平。对于中小规模养殖主体（蛋禽存栏量<2×105羽、肉禽年出栏量<6×105羽），推广低成本传感器、简易自动喂料装置，接入区域服务平台以共享疫病防控、技术培训、产销对接等数字化服务。此外，在栋舍规模超过1.5×104只的种禽育种基地，重点建设性能测定与系谱管理系统，推广种蛋自动收集、智能孵化、雌雄鉴别技术，强化基因组选育与大数据育种能力。

3. 奶牛

面向奶源自给率提升、生产性能优化、绿色低碳养殖等发展目标，结合智慧养殖技术集成、智能决策、可穿戴设备、环境保护等方面的发展趋势，以内蒙古、黑龙江等奶业主产省份为重点区域并兼顾南方潜力区、特色奶产区协同发展，重点支持存栏量>100头的规模化奶牛场在繁育、饲喂、环控、防疫、挤奶、粪污处理等环节开展智慧养殖技术集成与示范应用[40]。对于大型牧场（存栏量>1000头），重点集成智能化系统，部署挤奶机器人、TMR精准饲喂、粪污能源化利用等装备，建立个体数字身份系统，开展发情监测、健康预警、数字孪生管理，配套碳足迹监测与减排系统以推动低碳化运营[51]。对于中型牧场（存栏量为500~999头），建设标准化挤奶厅并配置智能称重分群系统、环控装备，应用动态营养模型指导的TMR配送技术，基于AI辅助决策提升饲料转化率和牛群健康水平。对于中小型牧场（存栏量为100~499头），推广经济型挤奶设备、环境传感器、可穿戴监测装置，接入区域性的奶牛生产性能测定与服务平台，参与碳普惠机制以提升绿色养殖水平。

4. 肉牛

面向种源自主可控与产业高质量发展目标，加强智慧育种、智慧养殖技术研发和应用，重点支持50头以上的规模化养殖场建成绿色、高效、智能的养殖工厂示范基地，同步强化核心育种场的智能繁育体系建设。对于大规模肉牛养殖场（育肥牛存栏量>500头、基础母牛量>100头），全面推广智能化装备，部署环境调控、饲喂机器人、智能称重分群、清粪消杀等系统，构建个体身份识别与全周期数据平台，支持全程自动化与数据驱动生产。对于中等规模养殖场（育肥牛存栏量为100~500头、基础母牛量为50~100头），推动关键环节半自动化升级，引入自动卷帘、智能供水、机械清粪等设备，部署行为监测与疫病预警系统，推广发情监测与数据化管理。对于中小规模养殖场（育肥牛存栏量为50~99头、基础母牛量为10~49头），重点提升人工管理效率，推广低成本传感器、电子档案系统，采用TMR搅拌投喂车结合简易投喂规划，依托区域平台获取轻量化数字服务。此外，在秸秆资源丰富地区开展智能“秸秆养牛”示范，推广秸秆饲料化、养殖废弃物循环利用技术。

六、 我国智慧牧场建设的保障措施

（一） 注重顶层设计与政策支持

在《中华人民共和国畜牧法》《全国现代设施农业建设规划（2023—2030年）》《全国智慧农业行动计划（2024—2028年）》《养殖业节粮行动实施方案》等法律规章框架下，可由农业农村管理部门牵头，论证和制定全国智慧牧场中长期专项规划，形成中央统筹、省级协同、市县落实的推进机制，将智慧牧场建设与现代农业基础设施建设、智慧农业发展、农业关键核心技术攻关等重大工程有机衔接。优化农机购置补贴目录，合理扩大对环境监测、精准饲喂、智能巡检、粪污资源化、饲料加工等关键设备的补贴范围和比例。针对不同规模养殖主体制定差异化的扶持政策并注意向中小养殖场（户）倾斜，与新型农业经营主体提升行动、养殖标准化示范创建等既有政策相结合，降低智能化改造成本与应用风险。支持养殖场（户）基础设施数智化改造，对中小养殖主体给予智能终端、网络接入费用减免补贴。依托国家数字畜牧业创新中心、全国畜牧兽医行业服务云平台，推进国家和省级畜牧平台的数据对接，建立统一的电子养殖档案和数据共享标准，为规模化应用与效益提升提供坚实的数据基础。

（二） 建立和完善标准规范体系

完善和细化“智慧牧场建设规范”，明确基础通用标准、技术接口规范、数据格式和安全要求，形成适应不同生态区域、经济发展条件、规模主体的智慧牧场共性关键标准与通用技术规范。在大数据平台、智能装备、精准作业等核心环节，制定数据采集传输协议、设备接口规范、智能巡检、精准饲喂、环境调控等专项技术标准，建立覆盖数据质量、设备性能、系统集成的检测认证制度，支持装备互联、数据互通、系统互操作。制定数据分类分级、元数据管理、数据安全共享等标准规范，建立跨区域、跨主体数据安全共享机制，为生产经营主体统一编码、数据采集、信息资源共享提供管理依据。建设第三方检测认证平台，支持标准宣贯、评估和动态更新，增强实施效能和行业认可度。

（三） 开展科技攻关并提供人才支撑

支持智慧牧场工程科技的长周期发展，在动物疫病防控、智慧育种、绿色养殖、智能装备、饲料营养等方面建设科技创新平台、高水平新型研发机构，持续开展畜禽舍多参数环境智能调控技术、精准营养供给动态模型、疫病疫情预警诊断与智能防控、养殖作业机器人等方向的基础研究和创新应用。完善智慧牧场工程技术中试、熟化、转让机制，建立动态评估和淘汰机制，在综合性示范基地或示范县区形成可复制的整体解决方案，增强科技产出的可持续性。注重培养智慧牧场领域的复合型人才，在高校开设相关专业以扩充行业管理人才和技术骨干。以校企合作的方式开展职业教育和实操培训，批量培养应用型人才。加强基层人员的信息化技能培训，提升全行业的数字化能力素质。

（四） 壮大畜牧业数字经济

开展智慧牧场技术集成示范，建设区域性畜禽养殖大数据平台，以数据赋能畜牧业升级。鼓励屠宰企业建设智能化车间，应用机器人分拣、AI分级切割等技术，提高加工标准化水平。推动电商和养殖主体合作，发展“生鲜电商+冷链配送”“中央厨房+食材供应链”等商业模式，拓宽畜牧产品的销售渠道。探索“物联网+活体抵押”融资服务，以活畜资产的数字化、可监管化来缓解中小养殖场（户）的融资难题。依托现有的畜牧业互联网平台开展全产业链数据融合，构建覆盖生产、监管、金融等核心环节的数字化服务体系，以全链条协同和价值挖掘提升畜牧业的整体经济效益。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

王一鸣. 新形势下的科技创新战略和以科技创新引领现代化产业体系建设的路径［J］. 全球化，2024 （1）：5-14，132.
[2]

Wang Y M. The strategy of scientific and technological innovation under the new situation and the path of leading the construction of a modern industrial system with scientific and technological innovation［J］. Globalization，2024 （1）：5-14，132.
[3]

“中国工程科技发展战略研究”总体项目组. 愿景驱动的中国工程科技2040发展战略研究［J］. 中国工程科学，2024，26（5）：1-14.
[4]

Comprehensive Research Group of Research on China’s Engineering Science and Technology Development Strategy to 2040. Vision-driven research on China’s engineering science and technology development strategy to 2040［J］. Strategic Study of CAE，2024，26（5）：1-14.
[5]

“中国农业领域工程科技未来20年发展战略研究”项目综合组. 面向2040年我国农业领域工程科技发展战略研究［J］. 中国工程科学，2024，26（5）：15-23.
[6]

Comprehensive Group of the Project Research on the Development Strategy of Engineering Science and Technology in the Agricultural Field of China in the Next 20 Years. Development strategies of engineering science and technologies in the agricultural field of China toward 2040［J］. Strategic Study of CAE，2024，26（5）：15-23.
[7]

司瑞石，谭永风，刘明月. 畜牧业高质量发展与高水平安全良性互动：理论逻辑、现实梗阻与破解路径［J］. 农业经济问题，2025 （3）：110-126.
[8]

Si R S，Tan Y F，Liu M Y. The positive interaction between high-quality development and high-level of safety in animal husbandry：Theoretical logic，realistic obstruction，and solution pathway［J］. Issues in Agricultural Economy，2025 （3）：110-126.
[9]

赵敏娟，杜瑞瑞. 高质量发展背景下畜牧业绿色发展的现实基础、国际镜鉴与路径指向［J］. 世界农业，2024 （12）：5-15.
[10]

Zhao M J，Du R R. Realistic basis，international lessons，and pathways for green development in animal husbandry in the context of high-quality development tasks［J］. World Agriculture，2024 （12）：5-15.
[11]

Du R R，He T，Khan A，et al. Carbon emissions changes of animal husbandry in China：Trends，attributions，and solutions：A spatial shift-share analysis［J］. Science of the Total Environment，2024，929：172490.
[12]

赵春江. 智慧畜禽发展现状与展望［J］. 中国禽业导刊，2019，36（18）：4-6.
[13]

Zhao C J. Present situation and prospect of intelligent livestock and poultry development［J］. Guide to Chinese Poultry，2019，36（18）：4-6.
[14]

薛飞跃，周玉玲，李俊凯， 智慧养殖农业物联网与边缘计算中大模型技术应用综述［J］. 农业机械学报，2025，56（9）：291-311.
[15]

Xue F Y，Zhou Y L，Li J K，et al. Application of foundation model technology for smart farming in edge computing and agricultural Internet of things （agri-IoT）［J］. Transactions of the Chinese Society for Agricultural Machinery，2025，56（9）：291-311.
[16]

Dayoub M，Shnaigat S，Tarawneh R，et al. Enhancing animal production through smart agriculture：Possibilities，hurdles，resolutions，and advantages［J］. Ruminants，2024，4（1）：22-46.
[17]

Navarro E，Costa N，Pereira A. A systematic review of IoT solutions for smart farming［J］. Sensors，2020，20（15）：4231.
[18]

Choudhury A，Biswas A，Singh T P，et al. Smart agriculture automation using advanced technologies［M］. Singapore：Springer，2021：35-59.
[19]

介邓飞，李天乐，姜朋辉， 生猪智能饲喂养殖装备研究进展与展望［J］. 饲料工业，2025，46（11）：10-18.
[20]

Jie D F，Li T L，Jiang P H，et al. Research progress and prospect of pig intelligent feeding and breeding equipment［J］. Feed Industry，2025，46（11）：10-18.
[21]

李保明，王阳，郑炜超， 畜禽养殖智能装备与信息化技术研究进展［J］. 华南农业大学学报，2021，42（6）：18-26.
[22]

Li B M，Wang Y，Zheng W C，et al. Research progress on intelligent equipment and information technology for livestock and poultry breeding［J］. Journal of South China Agricultural University，2021，42（6）：18-26.
[23]

席瑞谦，王娟，李正义， 奶牛智能饲喂关键技术研究［J］. 中国农机化学报，2021，42（2）：190-196.
[24]

Xi R Q，Wang J，Li Z Y，et al. Research on key techniques of intelligent feeding for dairy cows［J］. Journal of Chinese Agricultural Mechanization，2021，42（2）：190-196.
[25]

Aquilani C，Confessore A，Bozzi R，et al. Review：Precision livestock farming technologies in pasture-based livestock systems［J］. Animal，2022，16（1）：100429.
[26]

王美芝，安涛，刘继军， 智能饲喂器对哺乳母猪采食量体况和生产性能的影响［J］. 农业工程学报，2019，35（6）：190-197.
[27]

Wang M Z，An T，Liu J J，et al. Effect of intelligent feeder on feed intake，body condition and production performance of lactating sows［J］. Transactions of the Chinese Society of Agricultural Engineering，2019，35（6）：190-197.
[28]

刘龙申，柳荦，周杰， 母猪精准养殖智能感知技术研究进展［J］. 华南农业大学学报，2024，45（5）：635-648.
[29]

Liu L S，Liu L，Zhou J，et al. Research progress on precision breeding and intelligent sensing technologies for sows［J］. Journal of South China Agricultural University，2024，45（5）：635-648.
[30]

Gaillard C，Brossard L，Dourmad J Y. Improvement of feed and nutrient efficiency in pig production through precision feeding［J］. Animal Feed Science and Technology，2020，268：114611.
[31]

杨飞云，曾雅琼，冯泽猛， 畜禽养殖环境调控与智能养殖装备技术研究进展［J］. 中国科学院院刊，2019，34（2）：163-173.
[32]

Yang F Y，Zeng Y Q，Feng Z M，et al. Research status on environmental control technologies and intelligent equipment for livestock and poultry production［J］. Bulletin of Chinese Academy of Sciences，2019，34（2）：163-173.
[33]

邢伟杰，金波，石诗影， 家禽养殖环境调控关键技术与设施设备研究进展［J］. 中国家禽，2025，47（3）：149-156.
[34]

Xing W J，Jin B，Shi S Y，et al. Research progress on key technologies and facilities for environmental control of poultry farming［J］. China Poultry，2025，47（3）：149-156.
[35]

沈明霞，丁奇安，陈佳， 信息感知技术在畜禽养殖中的研究进展［J］. 南京农业大学学报，2022，45（5）：1072-1085.
[36]

Shen M X，Ding Q A，Chen J，et al. A review of information perception technology in livestock breeding［J］. Journal of Nanjing Agricultural University，2022，45（5）：1072-1085.
[37]

李保明，王阳，郑炜超， 中国规模化养鸡环境控制关键技术与设施设备研究进展［J］. 农业工程学报，2020，36（16）：212-221.
[38]

Li B M，Wang Y，Zheng W C，et al. Research progress in environmental control key technologies，facilities and equipment for laying hen production in China［J］. Transactions of the Chinese Society of Agricultural Engineering，2020，36（16）：212-221.
[39]

Fu X，Shen W Z，Yin Y L，et al. Remote monitoring system for livestock environmental information based on LoRa wireless ad hoc network technology［J］. International Journal of Agricultural and Biological Engineering，2022，15（4）：79-89.
[40]

Zhang Y，Zhang Y，Gao M，et al. Multimodal behavior recognition for dairy cow digital twin construction under incomplete modalities：A modality mapping completion network approach［J］. Artificial Intelligence in Agriculture，2025，15（3）：459-469.
[41]

王苗苗，纪玉浩，刘成， 基于畜牧养殖监控视频的圈养母羊分娩时间精准预测［J］. 济南大学学报（自然科学版），2025，39（3）：371-378.
[42]

Wang M M，Ji Y H，Liu C，et al. Accurate prediction of parturition time for confined ewes based on livestock farming surveillance videos［J］. Journal of University of Jinan （Science and Technology），2025，39（3）：371-378.
[43]

van Leerdam M，Hut P R，Liseune A，et al. A predictive model for hypocalcaemia in dairy cows utilizing behavioural sensor data combined with deep learning［J］. Computers and Electronics in Agriculture，2024，220：108877.
[44]

Strutzke S，Fiske D，Hoffmann G，et al. Development of a noninvasive respiration rate sensor for cattle［J］. Journal of Dairy Science，2019，102（1）：690-695.
[45]

张帆，周梦婷，熊本海， 肉牛生理指标智能监测技术研究进展与展望［J］. 智慧农业（中英文），2024，6（4）：1-17.
[46]

Zhang F，Zhou M T，Xiong B H，et al. Research advances and prospect of intelligent monitoring systems for the physiological indicators of beef cattle［J］. Smart Agriculture，2024，6（4）：1-17.
[47]

刘成，岳训. 基于YOLO v5+DeepSORT算法的羊群游走同步群体决策行为研究［J］. 农业机械学报，2024，55（6）：229-236.
[48]

Liu C，Yue X. Experiment of synchronized group decision-making behavior under herding walk model based on YOLO v5+DeepSORT algorithm［J］. Transactions of the Chinese Society for Agricultural Machinery，2024，55（6）：229-236.
[49]

Ferreira C，Todorovic M，Sugrue P，et al. Review：Emerging sensors and instrumentation systems for bovine health monitoring［J］. animal，2025，19（6）：101527.
[50]

吴东霖，王山山，赵少斌， 基于智慧项圈监测的奶牛围产前期采食时间对母牛和犊牛健康状况及生产性能的影响［J］. 饲料工业，2025，46（9）：44-50.
[51]

Wu D L，Wang S S，Zhao S B，et al. Effects of feeding time during prepartum period of dairy cows based on smart collar monitoring on cow and calf health and production performance［J］. Feed Industry，2025，46（9）：44-50.
[52]

王佳美，李欣淼，高雪， 精准基因编辑技术在家畜育种中的研究进展［J］. 中国畜禽种业，2025，21（1）：13-19.
[53]

Wang J M，Li X M，Gao X，et al. Progress of precision gene editing technology in livestock breeding［J］. The Chinese Livestock and Poultry Breeding，2025，21（1）：13-19.
[54]

Wang X，Shi S L，Wang G J，et al. Using machine learning to improve the accuracy of genomic prediction of reproduction traits in pigs［J］. Journal of Animal Science and Biotechnology，2022，13（1）：60.
[55]

Pedrosa V B，Chen S Y，Gloria L S，et al. Machine learning methods for genomic prediction of cow behavioral traits measured by automatic milking systems in North American Holstein cattle［J］. Journal of Dairy Science，2024，107（7）：4758-4771.
[56]

Hu X H，Xie W B，Wu C C，et al. A directed learning strategy integrating multiple omic data improves genomic prediction［J］. Plant Biotechnology Journal，2019，17（10）：2011-2020.
[57]

何沛桐，张建华，张凝， 基于视觉感知的畜禽智慧养殖管理与疫病诊断研究进展［J］. 中国农业大学学报，2023，28（10）：141-165.
[58]

He P T，Zhang J H，Zhang N，et al. Research progress in intelligent livestock and poultry breeding management and disease diagnosis based on visual perception［J］. Journal of China Agricultural University，2023，28（10）：141-165.
[59]

李奇峰，李嘉位，马为红， 畜禽养殖疾病诊断智能传感技术研究进展［J］. 中国农业科学，2021，54（11）：2445-2463.
[60]

Li Q F，Li J W，Ma W H，et al. Research progress of intelligent sensing technology for diagnosis of livestock and poultry diseases［J］. Scientia Agricultura Sinica，2021，54（11）：2445-2463.
[61]

郭晓利，李奇峰，刘羽， 基于改进TF-IIGM算法的畜禽疫病诊断模型研究［J］. 计算机科学，2025，52（S1）：140-146.
[62]

Guo X L，Li Q F，Liu Y，et al. Study on diagnosis model of livestock and poultry disease based on improved TF-IIGM algorithm［J］. Computer Science，2025，52（S1）：140-146.
[63]

Wang H D，Shen W Z，Zhang Y，et al. Diagnosis of dairy cow diseases by knowledge-driven deep learning based on the text reports of illness state［J］. Computers and Electronics in Agriculture，2023，205：107564.
[64]

张蕾，丁涵，刘俊平， 智慧养殖业中畜禽疾病的防治［J］. 动物医学进展，2023，44（11）：123-126.
[65]

Zhang L，Ding H，Liu J P，et al. Prevention and control of livestock and poultry diseases in intelligent breeding industry［J］. Progress in Veterinary Medicine，2023，44（11）：123-126.
[66]

Bumbálek R，Umurungi S N，de Dieu M U J，et al. Deep learning in poultry farming：Comparative analysis of Yolov8，Yolov9，Yolov10，and Yolov11 for dead chickens detection［J］. Poultry Science，2025，104（9）：105440.
[67]

赵春江，李奇峰，余礼根. 智慧牧场［M］. 北京：中国农业大学出版社，2024.
[68]

Zhao C J，Li Q F，Yu L G. Smart animal farm［M］. Beijing：China Agricultyre University Press，2024.
[69]

王森，刘玉梅，刘杰， 畜牧业数智化发展的国际经验及对我国的启示［J］. 黑龙江畜牧兽医，2023 （10）：1-5，18.
[70]

Wang S，Liu Y M，Liu J，et al. International experienoce of the development of digital intellectualization of animal husbandry and its enlightenment to China［J］. Heilongjiang Animal Science and Veterinary Medicine，2023 （10）：1-5，18.
[71]

Kraft M，Bernhardt H，Brunsch R，et al. Can livestock farming benefit from industry 4.0 technology？ Evidence from recent study［J］. Applied Sciences，2022，12（24）：12844.
[72]

于杰，王明利. 中国畜牧业现代化研究进展与未来展望［J］. 中国农业资源与区划，2025，46（6）：251-260.
[73]

Yu J，Wang M L. Evolution and future prospect of animal husbandry modernization research in China［J］. Chinese Journal of Agricultural Resources and Regional Planning，2025，46（6）：251-260.
[74]

Reichelt N，Nettle R. Practice insights for the responsible adoption of smart farming technologies using a participatory technology assessment approach：The case of virtual herding technology in Australia［J］. Agricultural Systems，2023，206：103592.
[75]

吴画斌，金伟林，刘海兵. 数字化智能背景下畜禽养殖业发展路径及赋能对策研究［J］. 中国畜牧杂志，2022，58（9）：310-314.
[76]

Wu H B，Jin W L，Liu H B. Research on development path and empowerment countermeasures of livestock and poultry breeding industry under the background of digital intelligence［J］. Chinese Journal of Animal Science，2022，58（9）：310-314.
[77]

王怀禹. 我国生猪数字化育种现状、问题与对策［J］. 猪业科学，2022，39（11）：38-40.
[78]

Wang H Y. Digital rreeding of pigs in China：Current status，problems，and countermeasures［J］. Swine Industry Science，2022，39（11）：38-40.
[79]

李耀坤，冯至豪，赵秀慧， 探索“智慧养殖”与校企合作“双元”育人相结合的养牛学教学改革与实践［J］. 草业科学，2025，42（2）：528-535.
[80]

Li Y K，Feng Z H，Zhao X H，et al. Exploring the teaching reform and practice of cattle science by integrating“intelligent breeding”and school-enterprise cooperation in“dual”education［J］. Pratacultural Science，2025，42（2）：528-535.
[81]

Qazi A，Razzaq T，Iqbal A. AnimalFormer：Multimodal vision framework for behavior-based precision livestock farming［C］//2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops （CVPRW），2024：7973-7982.
[82]

Pinotti F，Lourenço J，Gupta S，et al. EPINEST，an agent-based model to simulate epidemic dynamics in large-scale poultry production and distribution networks［J］. PLoS Computational Biology，2024，20（2）：e1011375.

基金资助

国家自然科学基金项目(L2224049)

中国工程院咨询项目“内蒙古现代畜牧业发展战略研究”(2023NM2N-01)

AI Summary AI Mindmap
PDF (1100KB)

0

访问

0

被引

详细
导航
相关文章

AI思维导图

/

〈 〉