精準畜牧業研究脈絡、主題演進與趨勢展望

姜冰，湯文潔，崔力航，包軍

(1. 東北農業大學經濟管理學院，黑龍江 哈爾濱 150030；2. 東北農業大學現代農業發展研究中心，黑龍江 哈爾濱 150030)

隨著動物源產品消費需求提高，畜禽養殖規模不斷擴大，基于養殖戶的觀察、判斷和經驗的傳統牧場管理決策難以滿足現代規?；竽翗I發展要求[1]。因此，以信息技術為支撐的精準養殖成為現代牧業發展的必然趨勢。

精準畜牧業結合精準農業的技術思想，通過各種傳感器和執行裝置，提高養殖戶對大規模畜禽養殖的管理能力，是精準農業概念在畜牧業系統中的體現[2]。Berckmans Daniel最早提出精準畜牧業的概念，認為精準畜牧業指連續、直接、實時監測或觀察動物狀態，使養殖者及時發現和控制與動物健康和福利相關的問題[3]。隨著學者探究精準畜牧業逐漸深入，對其概念界定也逐漸得到了更加統一的認知。精準畜牧業將過程工程原理和技術、信息技術應用于畜牧業，是用于實時監測和控制動物健康、福利、生產、繁殖和環境影響的一系列技術[4-5]。它旨在向養殖戶提供相關信息作為管理決策的依據，以提高對大規模畜禽的管理能力，實現經濟、社會和環境可持續發展的養殖[2，4]。結合上述概念，本研究認為精準畜牧業是以信息技術為支撐，以實時數據收集和分析為基礎，以動物個體信息和行為的智能感知與分析為核心，以提高動物生產效率，改善動物福利為目標的一系列精細管理畜禽的方法。

源于信息技術、數據科學、人工智能技術集成應用和現代畜牧業創新發展的迫切需要，我國畜牧業快步進入集成整合和融合創新的新階段[6]。國家高度重視精準畜牧業技術發展，2012年國務院印發的《關于加快推進農業科技創新持續增強農產品供給保障能力的若干意見》中提出，要在精準農業技術方面取得重大突破；2020年國務院辦公廳印發的《關于促進畜牧業高質量發展的意見》中明確提出，要加強大數據、人工智能、云計算、物聯網、移動互聯網等技術在畜牧業的應用，提高圈舍環境調控、精準飼喂、動物疫病監測等智能化水平。在政策推動下，畜牧業精準技術的研發與應用受到了廣泛的關注。近年來我國精準畜牧業研究在動物呼吸頻率檢測、個體識別及行為分析等方面取得較大進展，在動物體尺、體重的自動化檢測方面做了大量改進與創新[7-8]，并對禽畜舍內環境監控、預測的設備和算法等進行了優化[9-10]。

精準畜牧業是一個多學科命題，主要從動物科學、獸醫學、計算機科學、農業工程4個視角展開研究。動物科學視角下重點研究傳感器和智能監測系統對動物行為、生理狀態和環境因素的實時監測和分析，以優化動物的飼養與管理；獸醫學視角下關注動物疾病智能預防與診斷；計算機科學視角下研究傳感器網絡、人工智能、計算機視覺等技術在動物數據監測、挖掘和收集方面的應用；農業工程學視角下主要關注畜牧業機械化及其自動化技術的研發與利用，以幫助養殖戶更好地管理動物群體?，F有研究主要從自然科學角度開展關于精準畜牧業技術層面的探索，但對其基礎知識演變和研究熱點更替展開的探討不足，難以反映精準畜牧業研究動態、主題與未來趨向。鑒于此，本研究利用可視化工具CiteSpace，以2003—2022年Web of Science(WoS)和CNKI數據庫中的精準畜牧業相關文獻為研究對象，繪制研究國家分布、機構合作、作者合作以及關鍵詞共現等知識圖譜，客觀揭示國內外在精準畜牧業領域的研究動態、發展過程及演變趨勢，挖掘研究的前沿與熱點，為我國精準畜牧業未來的發展方向提供思路和國際視野。

1 數據采集

在WoS數據庫設置檢索條件為：TS=(big data OR artificial intelligence OR cloud computing OR IOT OR Blockchain OR 5G OR machine vision OR machine learning OR robot)AND TS=(livestock)；TS=(precision livestock farming)，檢索時間為“2003-01-01—2022-12-31”，引文索引限定為“SCI-EXPANDED”、“SSCI”，刪除news、meeting abstract、letter和其他不相關的記錄，去除重復文獻后，共獲得1 167篇文獻；在CNKI數據庫設置檢索條件為：主題=(大數據 OR 人工智能 OR 云計算 OR 物聯網 OR 區塊鏈 OR 5G OR 機器視覺 OR 機器學習 OR 機器人 OR 智能 OR 精準 OR 自動 OR 精準畜牧業)，文獻分類目錄限定為“農業科技”下的“畜牧與動物醫學”，檢索時間為“2003-01-01—2022-12-31”，期刊來源類別限定為核心期刊、CSSCI、CSCD，刪除書評、新聞報道和其他不相關的記錄，共獲得524篇文獻。

2 數據統計分析方法

文獻計量學用數學和統計學方法對文獻信息進行定量分析，廣泛應用于文獻量統計、作者、期刊等影響評價、學術熱點跟蹤等領域，可以更客觀地分析學術研究的進展[11]。CiteSpace是由美國德雷塞爾大學陳超美教授基于Java語言開發的一項信息可視化工具，該軟件基于共引分析理論、尋徑網絡算法和最小生成樹算法等，可對特定文獻數據進行計量分析，以探尋該領域演化的關鍵路徑及其知識拐點，并通過繪制一系列可視化圖譜來形成對學科演化潛在動力機制的分析和學科發展前沿的探測[12]。

本研究選用文獻計量學中的科學知識圖譜法和經驗定律，借助可視化工具CiteSpace(6.2.R2)，對精準畜牧業研究進行可視化分析，包括發文數量、研究國家、研究機構、核心作者、核心期刊以及關鍵詞共現、聚類和突現分析，通過繪制相關知識圖譜與圖表，梳理和總結精準畜牧業的研究現狀、熱點與動態前沿。

3 結果與分析

3.1 主要特征

3.1.1 發文數量時序分析

從總體趨勢來看(圖1)，2003—2022年，精準畜牧業發文數量呈增加態勢，說明該研究的關注度逐步上升，且國外發文數量增加態勢明顯高于國內。

圖1 2003—2022年精準畜牧業研究發文數量

根據發文數量的變化軌跡，國外精準畜牧業研究可劃分為3個階段，即平穩起步期(2003—2007年)，波動增長期(2008—2016年)和快速發展期(2017—2022年)。在平穩起步階段，受畜牧業發展水平以及信息技術認識水平限制，國外精準畜牧業的研究內容較少，主要討論動物的個體識別、自動稱重以及奶牛自動擠奶等技術[13]。在波動增長階段，人們對動物健康和福利問題的關注增加，動物行為監測與分析成為研究重點[14]，機器學習系統在畜牧分類、模式識別、優化和前瞻性預測等方面的相關研究逐漸增多[15]。隨著大數據、云計算等技術逐漸成熟，加之生產需求和動物數量的增加，人工管理動物難度加大[5]，國外精準畜牧業研究的發文數量呈現快速增長趨勢。2017—2022年刊文量達955篇，占國外文獻總量的81.83%，機器學習、計算機視覺等人工智能在畜牧業中的開發利用愈發受到學者關注，國外精準畜牧業研究進入快速發展階段。

國內精準畜牧業研究可劃分為緩慢增長期(2003—2009年)和波動增長期(2010—2022年)。在緩慢增長階段，發文數量較少，畜禽舍環境監控[16](溫度、濕度、氨氣濃度等)是主要研究方向，同時電子標識[17]、飼喂機器人[18]等也受到關注。在波動增長階段，學者們在畜禽行為監測和識別[19]、畜禽疾病預防和健康監測[20]等方面的研究成果不斷涌現，物聯網、機器視覺和深度學習等先進技術為畜牧業智能化提供了重要支持，其應用逐漸廣泛。

3.1.2 國家分布特征分析

將WoS文獻數據導入CiteSpace軟件中，功能選擇區節點類型設置為country，閾值設置為21，得到國家共現網絡。國家間聯系整體呈現團簇狀分布，共有93個節點，664個連接，國家合作網絡的密度為0.155 2，說明該領域的國際合作較強。發文數量排名前5位的國家分別為美國(220)、中國(163)、英國(130)、意大利(112)和德國(101)，均為畜牧生產大國，精準畜牧業研究主要集中在發達國家。其中，美國作為畜牧業發展現代化程度最高的國家，其精準畜牧業研究在世界上處于領先地位[21]。中國是世界第一大畜牧業生產國，其畜牧業正向規?；同F代化方向發展，對信息化和智能養殖技術的需求不斷提高。2016年以來，中國啟動了畜禽養殖智能感知關鍵技術與裝備、畜禽養殖智能裝備與信息化技術研發等重點研發計劃項目，相關企業和科研院校也圍繞智慧畜牧業和無人牧場等開展了多層次的研發與實踐。

節點的中心性可以量化其在網絡中的重要性[22]。英國、美國、德國和意大利是精準畜牧業領域具有關鍵影響的前4個國家。其中，英國和美國的國際影響力尤為明顯，中心性分別為0.24和0.22；中國和巴西(90)發文數量雖高，但中心性分別為0.07和0.01；相較之下，法國(73)、荷蘭(69)和西班牙(67)發文數量雖不如中國和巴西，但其中心性均為0.11。歐美發達國家精準畜牧業研究起步早，在相關技術開發與應用方面更具有經驗，國家間的交流合作較為密切，發展中國家在精準畜牧業跨國家合作方面有待進一步加強。

3.1.3 研究機構特征分析

對研究機構的結構特征進行分析，可以識別該領域的核心機構并進一步了解機構間的合作情況[23]。在CiteSpace功能選擇區中設置節點類型為institution，得到精準畜牧業研究機構的共現網絡。

對國外研究機構共現網絡進行分析，法國國家農業食品與環境研究院(57)、魯汶大學(42)、瓦赫寧根大學(39)、中國農業大學(28)和美國農業部(26)等機構發文數量較高，是精準畜牧業研究的代表性機構。其中，法國國家農業食品與環境研究院作為世界頂級的農業、食品和環境領域研究機構，在精準畜牧業研究中發揮重要作用。魯汶大學作為歐洲頂尖高等學府，其機械工程學科排名位于世界前列，在畜牧業工程技術研發方面實力強勁。瓦赫寧根大學作為世界頂級的農業和環境科學研究機構，其農業科學、植物與動物科學和環境科學等學科在全球高校教育水平中均排名第一。中國農業大學作為中國農業最高學府，依托農業工程這國家重點一級學科和世界一流學科設有智慧農業系統集成研究重點實驗室和農業信息獲取技術重點實驗室等。從機構屬性來看，發文數量前20的機構中有9個高校，5個國家科研機構和4個政府部門，表明學術機構非常重視精準畜牧業研究，是研究的主要力量。從機構地域來看，主要發文機構在全球分布不均，主要集中在歐美發達國家。從機構合作來看，研究機構的合作網絡密度為0.015 1，法國國家農業科學研究院和美國農業部在合作網絡中具有重要的連接作用，但其他高校和科研院所之間的聯系與合作程度依然較低，各領域研究較為獨立。各核心機構引領下的組團發展，網絡分割形態明顯，各核心機構彼此間聯系有待深化，精準畜牧業學術共同體尚未形成。

對國內研究機構共現網絡進行分析，機構網絡結構總體松散。網絡中最大的節點為內蒙古農業大學機電工程學院(15)，其次為中國農業大學信息與電氣工程學院(14)、西北農林科技大學機械與電子工程學院(14)和東北農業大學電氣與信息學院(12)，這些學術機構在精準畜牧業領域發文數量較多，具有一定的優勢。從機構的屬性看，農業大學是該研究的主要力量。從機構合作來看，研究機構的合作網絡密度為0.005，合作網絡疏松，同一機構的下屬機構和相近地區的不同機構間合作較為密切，但跨區域的不同機構間聯系較為松散，有待進一步加強。

3.1.4 高產作者特征分析

對發文作者的結構特征進行分析，有助于識別該研究領域的核心作者并進一步反映出作者間的合作關系[24]。根據普萊斯定律：

(1)

式中TPn表示核心作者發文數量的閾值，Nmax表示最高產作者的發文數量。

國外精準畜牧業研究核心作者發文數量應在4篇以上，共有15位研究人員被劃定為核心作者，共發文164篇，占文獻總數的14.05%；國內精準畜牧業研究核心作者發文數量應在2篇以上，共有37位研究人員被劃定為核心作者，共發文266篇，占文獻總數的50.76%。穩定的合作網絡中核心作者發文占文獻總數需達到50%，國外精準畜牧業尚未形成穩定的核心作者群[25]。從作者的共現網絡來看，精準畜牧業研究學者數量眾多，但合作關系不強，呈現出“小集中、大分散”的特點。作者集中度較高，大部分學者形成了較為固定的合作群體。

對國外文獻進行作者合作圖譜分析，網絡共有594個節點，911個連接，合作網絡密度為0.005 2。該研究已初步形成了由Berckmans Daniel(29)和NortonTomas(22)兩位核心學者為主導的研究群體。不同學術團隊、不同作者之間聯系較弱，相關研究較為分散。從作者的研究方向看，Berckmans Daniel是全球精準畜牧業研究的領軍者，專注于開發實時算法，監測和改善個體人類和動物的生活。Norton Tomas主要開發用于動物健康和福利監測與管理的PLF技術。Guarino Marcella(17)主要研究動物疾病監測和生長狀態預測等，并探究精準畜牧業對環境的影響。

對國內文獻進行作者合作圖譜分析，網絡共有461個節點，508個連接，合作網絡的密度為0.004 8。何東健(10)、沈明霞(9)和劉剛(9)是國內發文數量前3的學者。其中，何東健研究主要集中在奶牛個體及行為識別、體征檢測等領域。沈明霞的研究主要圍繞著畜禽養殖中的自動化技術、行為監測與識別以及健康管理等，研究畜種包括生豬、肉雞。劉剛的研究涉及奶牛、生豬等多畜種，關注畜禽的健康管理、疾病檢測、體尺測量、行為識別和活動監測等。

3.1.5 核心期刊特征分析

對相關期刊的結構特征進行分析，可以為該領域文獻搜集和前期知識積累提供方向并在一定程度上反映研究領域的理論和實踐價值[26](表1)。國外精準畜牧業研究的1 167篇論文發表在376本期刊上，刊文量前5的期刊為《COMPUTERS AND ELECTRONICS IN AGRICULTURE》、《ANIMALS》、《SENSORS》、《ANIMAL》和《BIOSYSTEMS ENGINEERING》，其刊文總量約占樣本的39.76%，平均影響因子為4.5 134，說明精準畜牧業研究已形成具有一定影響力的觀點。綜合JCR學科分類，這10本核心期刊學科類別主要包括動物科學、獸醫學、計算機科學和農業工程，可知精準畜牧業是一個多學科交叉融合的研究領域，主要受到自然科學領域的關注。其中動物科學期刊數量最多，相關期刊發文數量約占樣本的22.62%，表明精準畜牧業是動物科學研究的熱點問題。

表1 刊文量前10的期刊

國內精準畜牧業研究的524篇論文發表在86本期刊上，刊文量前5的期刊為《黑龍江畜牧獸醫》、《農業工程學報》、《農機化研究》、《中國家禽》和《農業機械學報》。排名前5的期刊發文數量約占樣本的53.24%，平均影響因子為2.272?？牧壳?0個期刊主要是畜牧與動物醫學方向和農業工程方向的期刊。相對于國外，國內學者的發文數量相對較少但來源期刊更集中。

3.2 研究脈絡

3.2.1 研究熱點分析

關鍵詞是對文章內容的高度概括[22]。關鍵詞出現頻率高表示該領域對該關鍵詞的研究熱度較高。在CiteSpace中設置節點類型為keyword，得到關鍵詞共現圖譜。

國外文獻共現頻率最高的關鍵詞是“precision livestock farming”，其次是“system”、“machine learning”等。精準畜牧業是現代牧業發展的必然要求，系統和機器學習屬于精準畜牧業技術，相關研究包括智能決策支持系統[27]、電子鼻系統[28]、精準養豬系統[29]和深度學習[30]等。

國內文獻共現頻率最高的關鍵詞是“物聯網”，其次是“奶?！?、“機器視覺”等。物聯網屬于精準畜牧業技術，能實時采集畜禽養殖過程中的信息，實現畜禽環境監測、行為監控、健康監測以及數據傳輸等。規?；翀鰧︷B殖的數字化和智能化水平提出了更高要求，通過精準畜牧業技術，可以對奶牛養殖環境進行準確感知、數據分析和預測預警，從而減少人為誤差，提高養殖效益，并改善動物福利[31]。機器視覺屬于精準畜牧業技術，可用于畜禽體尺、體重評估、行為監測與識別以及分娩檢測等。

對國內外文獻高頻關鍵詞進行整理分類，可以將其劃分為3個維度：(1)精準畜牧業技術方法，包括“machine learning”、“物聯網”等。精準畜牧業所用的技術方法需要依托系統化數據收集和分析，并結合機器學習和深度學習等人工智能領域的技術，實現對畜禽的動態監測和管理。(2)精準畜牧業技術的應用對象，主要包括“cattle”、“奶?！钡?。大多數精準畜牧業技術的應用是基于附著在動物身上(頸部、腿部和耳部)的監測設備來實施的，大型動物能為這些設備的使用提供更多空間；此外大型動物具有更高的經濟價值。(3)精準畜牧業技術的用途，包括“animal welfare”、“行為識別”等。精準畜牧業技術可以實現畜牧業生產環境的智能感知、智能預警和智能分析，為畜牧業生產提供精準化養殖、可視化管理和智能化決策，能有效改善動物生活環境，提高動物福利水平。

3.2.2 研究方向分析

關鍵詞聚類分析突出了研究方向與關鍵詞之間的關系，對關鍵詞進行時間軸分析有利于進一步揭示集群與關鍵詞集歷史跨度之間的關系[24]。利用CiteSpace軟件，得到精準畜牧業研究關鍵詞網絡的時間線圖譜。為便于討論，分別選擇國內外規模最大的前4個集群進行分析。

國外精準畜牧業研究方向主要包括以下4個方面：

第一大集群是computer vision，相關研究的時間跨度為2004年至今，文獻數量81篇，涉及計算機視覺、深度學習、精準畜牧、福利、身體狀況評分等熱點詞，反映出計算機視覺技術在動物精準養殖、福利提升和身體狀況評分等方面應用廣泛。Guzhva等[32]利用改進的圖像分割和跟蹤方法來檢測奶牛的社會互動，采用兩步模式來識別其行為，為奶牛社會互動檢測提供了更為準確的方法。Cang等[33]使用深度神經網絡方法來估計豬的體重，輸入俯視深度圖像中豬的背部面積，輸出豬體重的估計值，該方法為智能稱重研究者提供了參考。Du等[34]提出了2D-3D融合的身體測量方法，有效解決了以往非接觸式身體測量方法僅使用三維數據來構建身體測量的幾何特征，容易產生誤差的問題。

第二大集群是precision livestock farming，相關研究的時間跨度為2003年至今，文獻數量60篇，涉及精準畜牧業、態度、機器學習、保護等熱點詞，探討養殖戶對精準畜牧技術的態度以及畜牧生產中各種信息技術的應用，包括傳感器技術、機器學習技術、自動擠奶系統、可穿戴物聯網等。為了更好地了解意大利奶農對精準畜牧業工具的使用情況，Abeni等[35]對克雷蒙那490位奶農進行了調查，發現大多數奶農使用傳感器來自動記錄牛奶產量和檢測發情，養殖規模較大的奶農更傾向于使用精準畜牧業工具。Seber等[36]設計了能有效評估肉雞啄食力和啄食量的智能飼喂裝置原型。Qiao等[37]對自動化技術在牛跛行檢測和行為識別方面的應用進行了總結和分析，提出后續研究應致力于提高建模精度和商業可用性等。

第三大集群是machine learning，相關研究的時間跨度為2003年至今，文獻數量55篇，涉及機器學習、隨機森林、信號處理、行為分類、人工神經網絡等熱點詞，反映出機器學習技術主要應用于動物信息處理及其行為分類方面，其中，隨機森林和人工神經網絡等技術應用較為廣泛。Liakos等[38]分別從動物福利和畜牧生產兩個角度對機器學習在畜牧業中的應用進行了回顧，包括基于機器學習的牛行為分類、自動識別和小牛咀嚼模式分類、數字圖像豬臉識別等。由于現有自動識別系統無法追蹤動物輪廓，使得大量信息丟失，Brunger等[39]采用全景分割方法，實現了對單個豬像素的精確分割，有助于更好地提取動物相關信息。由于現有奶牛健康監測系統是為室內或牧場開發的，無法預測其他地點奶牛的行為，Schmeling等[40]使用機器學習模型，實現了牧場和牛舍奶牛躺臥行為的自動預測，為開發牧場和牛舍的奶牛監控系統邁出了成功的第一步。

第四大集群是animal welfare，相關研究的時間跨度為2004年至今，文獻數量52篇，涉及動物福利、精準畜牧業、性能、虛擬圍欄等熱點詞，主要探討信息技術在動物情感狀態識別、活動監測、發聲分類、呼救自動識別等方面的應用，以提高動物健康狀態和疫病防控能力。動物聲音中包含了大量與健康和行為有關的信息，針對當前多畜種發聲分類算法的缺失，Bishop等[41]利用特定的音頻特征提取技術和機器學習模型，提出了多功能動物發聲算法，為后續動物發聲自動檢測系統的開發奠定了基礎。跛行是奶牛場的常見問題，由于連續監測奶牛跛行太過費時，Warner等[42]使用基于決策樹歸納的機器學習方法，檢測了奶牛群的跛足風險水平。Mao等[43]基于卷積神經網絡模型開發了雞呼救信號識別裝置，有效避免了依靠人工識別效率不高的問題。

國內精準畜牧業研究方向主要包括以下4個方面：

第一大集群是物聯網，相關研究的時間跨度為2010年至2020年，文獻數量41篇，涉及物聯網、大數據、云計算、奶牛、信息管理等熱點詞。物聯網以感知為基礎，是基于互聯網、傳統電信網絡等的信息傳輸載體，能實現養殖場傳感器、設備和裝置之間的通信。結合大數據、云計算等其他信息技術，物聯網能夠實現對畜牧業的全面監測、智能決策和精細管理，推動畜牧業信息化、智能化發展。為解決現有孵化技術監測實時性不高、調控精準度不夠的問題，海濤等[44]開發了一種基于LoRa和NB-IoT物聯網技術的可視化監控系統，實現了對孵化環境參數的遠程高精準監測?；谖锫摼W技術，趙繼政等[45]設計出可連續監測奶牛瘤胃pH值和溫度的監測系統，能為奶牛健康監測和精準飼喂提供可靠依據。依托物聯網技術，段續峰[46]設計了生豬精準投飼系統，具備生豬身份識別、稱重、下料等功能，可有效提升飼喂效率。

第二大集群是奶牛，相關研究的時間跨度為2005年至今，文獻數量40篇，涉及奶牛、機器學習、深度學習、決策樹、繁殖性能等熱點詞。國內奶牛養殖規模的不斷擴大，給養殖場管理帶來了日益復雜的挑戰，同時對勞動力的需求也逐漸增加，精準技術為優化養殖場管理、降低對勞動力的依賴提供了重要的解決途徑。王彥超等[47]改進了YOLO v3-tiny算法，構建了奶牛關鍵部位檢測模型，成功實現了對奶牛關鍵部位的精準定位，該方法可用于奶牛乳房炎檢測?；谀膛Ｉ锾卣鞯臒o接觸識別方法存在易受干擾等問題，張瑞紅等[48]提出基于機器學習的奶牛頸環ID自動定位與識別方法并驗證了該方法的能力。趙凱旋等[49]構建了基于點云凸包距離的三維結構特征圖，作為EfficientNet深度學習網絡的輸入，提高了奶牛體況自動評分的準確率。

第三大集群是畜牧學，相關研究的時間跨度為2003年至2021年，文獻數量36篇，涉及畜牧學、精準飼養、應用、溫度控制、can總線等熱點詞。畜牧學是研究家畜飼養、管理、繁育及其制品利用的科學，為精準畜牧業提供了數據來源和科學依據，幫助精準畜牧業建立準確的數據模型和算法。馮彥坤等[50]基于生豬頭部運動軌跡數據劃分出最佳耳根測溫區域，然后采用位置偏移算法檢測最佳耳根測溫區域中的頭部姿態端正幀，為生豬頭部和耳根區域精準定位提供準備工作。體溫是衡量畜禽健康狀況的重要指標，通過實時監測奶牛陰道溫度，可以為其發情預測、疾病預防提供重要數據[51]。

第四大集群是信息化，相關研究的時間跨度為2004年至今，文獻數量33篇，涉及信息化、妊娠母豬、智能化、草牧業、控制等熱點詞。信息化技術在畜禽養殖中的應用，不斷推動著畜牧業的信息化、智能化轉型升級。通過物聯網、傳感器、大數據分析等先進技術，養殖場可以實時采集并監測畜禽的生長、健康、行為和環境等關鍵數據，從而實現精準管理和個體化養殖[45]。信息化技術有助于畜禽疾病的早期預警、監測和診斷等，以便及時發現異常情況并采取措施，減少疾病傳播風險[52]。

3.2.3 研究前沿分析

關鍵詞突現是指關鍵詞在較短時間內出現頻次顯著增加，進行關鍵詞突現分析可以進一步顯示不同時期研究熱點的轉移，判斷潛在的發展趨勢與前沿研究[53]。圖2顯示了引用突現前10的關鍵詞。

“Keywords”表示關鍵詞，“Year”表示關鍵詞首次出現的年份，“Strength”表示表示關鍵詞的突現強度，“Begin”和“End”分別表示關鍵詞突現開始和結束的時間，深灰色部分代表關鍵詞出現的時間跨度，黑色部分代表關鍵詞突現的時間跨度，淺灰色部分代表文章研究的時間跨度。

國外精準畜牧業研究的關鍵詞突現集中在2014年之后。從影響周期來看，“stress”突現持續時間最長，圍繞動物應激等健康問題的研究一直受到學者們的關注，是精準畜牧業研究的熱點問題。從突現強度來看，排在首位的突現詞為“dairy cow”，奶牛由于體型較大，其微小運動難以捕捉和分析，且關節多、運動形式多樣、運動空間廣并伴有與心理狀態相關的高級行為，因此，奶牛相關信息的獲取手段、分析方法更為困難，其養殖對智能化信息技術的需求程度更高，精準奶牛養殖成為精準畜牧業的研究重點。排在第二位的突現詞為“image analysis”，圖像分析技術能夠監測與個體動物健康、福利和生產力有關的變量(即長度、寬度和背部面積)，幫助農戶設計更有效的養殖管理策略，受到學者的廣泛關注[54]。新出現的突現詞預示著未來研究的方向，最近突現的關鍵詞是“shape”，形狀是反映牲畜健康和價值的重要指標[55]，動物形態的相關研究可能成為國外精準畜牧業研究的前沿問題。

國內精準畜牧業研究的關鍵詞突現最早出現在2004年，“單片機”是突現時間最早且突現持續時間最長的關鍵詞，國內精準畜牧業早期研究關注畜禽舍環境監控，單片機多用來設計環境調控系統[56]。從突現強度來看，排在首位的突現詞為“物聯網”。在國內畜牧養殖從粗放經營向集約發展轉變時期，物聯網技術的應用為轉變提供了橋梁，其在遠程監控[57]、數據檢測[58]等多方面發揮重要作用。排在第二位的突現詞為“深度學習”，隨著人工智能的興起，深度學習技術在畜禽行為監測[59]、行為識別[60]、圖像分割[61]等方面應用廣泛。最近突現的關鍵詞包括“行為識別”、“深度學習”和“目標檢測”，畜禽行為識別和目標檢測的方法創新以及深度學習技術在畜牧業中的進一步應用可能成為國內精準畜牧業接下來的研究前沿。

3.3 熱點主題

高被引文獻是指某一研究領域里具有突出貢獻且研究結論被廣為接受的文章，分析高被引文獻可以探究精準畜牧業研究知識基礎，以及基于現有基礎展開的熱點研究主題。

3.3.1 國外熱點主題

截至2022年12月31日，WoS核心合集的ESI數據庫直接界定的精準畜牧業領域的10篇高被引文獻(表2)，代表了該領域最近10年來被引頻次排在前1%的論文?？梢钥闯?，被引用頻次最多的文獻主要集中在2018—2022年，2021年的高被引文獻最多。結合被引頻率對高被引文獻主題進行劃分，近5年來，國外精準畜牧業研究的熱點主題主要是畜牧業系統中機器學習的應用、傳感器技術的應用以及精準畜牧業的環境影響等。

表2 WoS界定的被高度引用的前10篇文章

機器學習(ML)是人工智能的1個分支，它使用數據和算法來模仿人類的學習方式，以逐漸提高在應用中的準確性[62]。ML已經成為現代畜牧業不可或缺的技術，被廣泛地應用于動物福利改善和畜牧生產力提升中[62]。一方面，動物福利涉及動物的健康和福祉，與產品質量密切相關，其評價指標包括生理應激指標和行為指標，ML主要用于監測動物行為，以監測其健康狀態，便于在早期發現疾病[63]。另一方面，畜牧生產系統中存在著諸多問題，ML方法主要應用于準確預測和估計相關參數以提升生產系統的經濟效益[64]。

傳感器是一種檢測裝置，能感受到被測量的信息，并按一定規律將其變換成電信號或其他形式的信息輸出，具有微型化、數字化、智能化等特點，是實現自動檢測和自動控制的基礎。動物個體信息和行為的智能感知與分析是精準畜牧業的核心，傳感器技術使得人們可以實時監測單個動物，已廣泛應用于精準畜牧業中[65]。單個傳感器，如照相機、機器人等主要針對體型較小、價值較低的動物，如小型反芻動物綿羊和山羊等，用于身體狀況評分、體重估計、早期疾病檢測等。大型動物如肉牛、奶牛等能提供更多位置懸掛傳感器且具有較高的經濟價值，對其監測主要基于可穿戴傳感器?？纱┐鱾鞲衅鞫嗯宕饔趧游锒?、頸、腿、背、尾部，能準確采集動物個體數據，通過實時傳輸、分析、統計和對比相關數據，能實現動物健康監測和異常檢測。該技術被廣泛應用于動物日常行為識別，如進食、反芻、飲水、運動和休息等，以及日常行為特征檢測，如發情、產犢、跛足和疾病等[66]。目前，可穿戴傳感器占據市場主導地位，未來新的傳感器技術將更多地基于圖像系統[66]。在動物價值較低的系統中，如羊、豬、家禽等，在集中飼養時為每個畜群部署1個傳感器，即單個傳感器的應用將會更加常見。

畜牧業養殖規模不斷擴大，在增加畜產品供給的同時對環境產生了諸多負面影響，主要表現為污染水質和空氣。畜牧業需要在保證高生產水平的基礎上找到能夠有效緩解環境風險的方法。精準畜牧業旨在持續實時監測動物健康和福利，減少畜牧業對環境的污染并不是其主要目標，但它為減少畜牧業對環境的影響提供了寶貴的工具。精準畜牧業不是通過使用專門的技術來減少環境污染，而是采用精準技術來優化管理，從而緩解對環境的負面影響。精準飼喂系統可以優化飼料配比，能更準確地滿足個體動物的營養需求，減少因吸收不良而排出的營養物質，減少污染[67]。動物遭遇健康和應激問題時可能會出現不必要的氣體排放，通過精準畜牧業技術及時識別動物健康情況，有助于減少畜牧業對環境的污染。此外，高水平的畜禽生育率可減少20%以上的溫室氣體排放[68]。一些學者研發了傳感器、算法、智能設備等，可以檢測出動物合適的受精時間，提高受孕率，從而緩解溫室效應[69]。

3.3.2 國內熱點主題

從CNKI數據庫精準畜牧業研究排名前十的高被引文章(表3)可以看出，國內精準畜牧業研究更關注精準技術的研發和應用，熱點主題主要包括畜禽信息的智能感知與分析以及物聯網技術的應用。

表3 CNKI中被高度引用的前10篇文章

精準畜牧業的核心是畜禽信息的智能感知與分析。畜禽信息主要涵蓋養殖環境信息、動物行為信息和健康指標信息[70]。養殖環境主要包括畜禽舍溫度和濕度、空氣質量以及光照，這些因素影響畜禽健康和生產力[3]。利用精準技術準確高效地采集養殖環境參數，智能調控養殖環境，有助于充分發揮畜禽生產潛能[71]。畜禽行為是其生理健康狀況的外在表現，如飲水、運動等能反映出動物生長過程的不同狀態，利用精準技術準確識別、分析行為有助于監控畜禽生長過程，提高養殖管理效率[72]。

物聯網是基于互聯網、傳統電信網絡等的信息載體，可以實現養殖場傳感器和設備之間的通信，物聯網技術已廣泛應用于畜牧業智能管理中。借助物聯網，可以將傳感器和無線通信技術嵌入可穿戴設備中，用于收集海量的動物數據，實現畜禽數據的實時捕獲、收集和傳輸，優化養殖場動物管理[73]。物聯網監測系統能實時采集養殖場溫度、濕度、光照、空氣質量等環境參數，并通過數據分析，獲得智能控制環境設備的依據，實現對生豬養殖環境實時監測與優化[44]。

4 結論

本研究借助CiteSpace軟件，對2003—2022年WoS和CNKI數據庫中有關精準畜牧業研究的文獻進行計量學分析，通過梳理精準畜牧業相關研究的主要特征、研究核心與熱點主題，得出以下結論：

從發文特征來看，國內外精準畜牧業研究發文數量呈現增長趨勢，歐美發達國家發文數量較多且國家間合作密切，研究機構主要為高校，國外Berckmans Daniel發文最多，國內何東健學者發文最多，國內外學者間合作關系都有待加強，該研究屬于多學科交叉融合的領域，主要包括動物科學、獸醫學、計算機科學及農業工程等。

從研究核心來看，國外精準畜牧業研究熱點集中在智能系統和機器學習，研究方向主要集中在計算機視覺、機器學習和動物福利，2018年以來學者對動物形態相關研究的關注度提高；國內精準畜牧業熱點主要研究物聯網和機器視覺，研究方向主要集中在物聯網、奶牛精準養殖和畜牧業信息化，研究前沿包括行為識別、深度學習和目標檢測。

從熱點主題來看，國外精準畜牧業研究關注機器學習、傳感器技術和精準畜牧業的環境影響。國內精準畜牧業更關注畜禽信息的智能感知與分析以及物聯網在畜牧業的應用。

本研究也存在一些不足：一是本研究僅以WoS和CNKI數據庫收錄的相關論文作為研究對象，無法完全代表精準畜牧業領域的研究結果，后期進一步研究可以增加其他學術檢索數據庫的相關文獻；二是本研究在搜索檢索式的設定上重點關注精準畜牧業所使用的信息技術，不可避免地會遺漏一些文獻，但本研究的研究結果仍具有重要代表意義，今后可以在檢索式的設定上繼續完善。

5 展望

精準畜牧業通過對信息獲取、處理、理解與應用，建立起科學管理系統和決策支持系統，能夠促使日趨規?；男竽翗I低成本、高效率和安全發展，實現畜牧業現代化。未來精準畜牧業研究可以從以下3個方面深入：

加強精準畜牧業研究的交流與合作。國際上，在精準畜牧業領域具有突出貢獻的高校，如魯汶大學、米蘭大學等，應積極舉辦學術交流會議或交換生項目，其他機構應積極參與，建立友好交流關系，開展相關項目合作。學者們應積極參加國際交流會和論壇，與各國學者探討和學習精準畜牧業的研究經驗和最新成果。國內機構應加強跨區域間的合作交流，開展聯合研究項目，促進精準畜牧業的創新與發展。

注重多學科與多方法結合研究。在研究內容上需要動物科學、獸醫學、計算機科學和農業工程等多學科、多領域介入；在研究方法上應將大數據分析、模型分析等多種方法有機結合，促進精準畜牧業方法創新，推動精準畜牧業研究發展。

加強計算機視覺、機器學習、物聯網和深度學習等技術的應用。優化養殖環境調控系統和畜禽行為識別方法，充分發揮數據的決策支撐作用，實現根據動物健康、體況等信息的分群精細管理。