当前过时的猪舍建筑、控制系统和猪舍管理方法，它们共同导致欧盟生猪生产不理想，并会导致高排放和高损失。现在对福利的关注度越来越高，养猪户难以保持竞争力。PigSys项目考虑整个系统的改进。PigSys是一个ERA-NET项目，通过采用多学科、跨规模、系统级的方法来解决过时的建筑标准、控制系统和猪舍管理问题。通过这种方式，该项目确保了与可持续、社会可接受和经济上可行的生猪生产系统相关的所有方面都得到了充分的解决。
对所有类型的牲畜都是一个很好的监控工具。-照片：马克·帕斯维尔
该项目有来自不同欧洲地区的合作伙伴，其中德国、法国和丹麦是欧洲五大生猪生产国之一，不仅具有地理和气候平衡，而且确保了其在整个欧盟的相关性。
为此，正在开发一个质量和能量流动的综合模型和一个决策支持系统，以及新的建筑气候控制系统，以支持整体性能的可持续改进。这将允许：
1、提高欧洲动物生产的生产力、适应力和竞争力。
2、改善和更好地管理资源，以减少浪费，增强欧洲动物生产的环境可持续性；
3、改进猪场做法，提高消费者的接受度，解决与动物福利、产品质量和安全、生物多样性和提供生态系统服务相关的社会挑战。
监测行为和健康
zui近的技术发展扩大了通过机器视觉（三维（3D）或二维（2D）以及机器学习（如深度学习）技术监测和评估大型和小型农场动物行为、健康和福利的可能性。这些技术具有广泛的应用范围、灵活性、成本和效率。
图1-使用机器视觉和深度学习技术对不同时间动物姿势和活动水平进行评分。
在PigSys项目中，来自2D摄像机的数据被用来开发一个基于机器学习的，特别是深度学习的监控系统。利用来自不同欧洲国家（如德国、瑞典、丹麦和法国）的不同商业和研究农场的图像数据来训练和验证深度学习技术。所建立的模型可以连续监测群猪和个体的卧姿和立姿，以及猪舍中群居猪的活动（见图1）。
开发的模型被转移到一个微控制器（单板机-覆盆子Pi-配备一个摄像头），允许在不同的农业条件下使用开发的系统。模型可以对在线（实时）和离线（记录的视频和图像数据）条件下的行为进行评分。评分数据可连续保存在excel文件中。在不同的养殖条件下（包括断奶和育肥）对所开发的深度学习模型的测试阶段的结果表明，所提出的模型在不同猪场结构、光照条件、动物年龄和肤色方面具有灵活性和良好的稳定性。
气候控制算法
进一步利用机器视觉技术开发猪舍内气候控制的算法。自适应控制策略允许通过测量通过非侵入性设备采集的实时数据之间的差异来连续测量和交叉检查过程参数。环境传感器和摄像机以及被称为设定点的参考数据已被用于进一步调整和优化控制机构。
例如，在室温为21°C的猪舍中，视觉传感器识别出即使达到21°C的设定值，猪也彼此相距很远，这表明环境对猪来说仍然太热。这个信息被传递给控制器，然后控制器决定通风口的动作。由于控制器已为猪的卧位模式定义了设置，它将提示通风机进一步打开以允许空气循环。它将保持这种动作，直到视觉传感器触发下一个信号，即猪的卧位模式恢复正常。
模型参考自适应控制系统
这种闭环控制策略也称为模型参考自适应控制系统。除了已定义的控制设置外，故障保险的定义目前也在开发中，例如，如果达到设定的限值，则温度超过动态控制，如果有毒气体浓度过高，空气成分会超过动态控制和/或温度。
图像、气体和气候传感器
控制模型是通过一个开放源码的单板机（Raspberry-Pi）的可编程逻辑控制器（PLC）系统来实现的。输入参数（图像识别、有害气体传感器和猪舍气候传感器）通过上述输入模块扩展传输至PLC，在PLC中对其进行处理，然后生成输出信号，通过输出模块扩展进一步传输至通风机。通过内置于控制柜中的工业触摸显示屏，可实现当前系统状态的可视化以及更改设置的能力。显示器和控制柜都适合在农业环境中使用，因为它们能抵抗灰尘和水的渗透，符合IP65标准。
如果需要，系统还可以通过无线或因特网连接进行扩展，这样不仅可以直接在控制柜上，还可以远程监控当前系统状态。所开发的系统可应用于其它畜牧业气候控制系统（稍作修改）。
*作者Sturm、Raut、Kirchhofer和Nasirahmadi隶属于德国卡塞尔大学；作者Müller和Kirchhofer隶属于德国图林根州农业和农村发展研究所。斯特姆教授还隶属于莱布尼茨农业工程和生物经济研究所和柏林洪堡大学。芭芭拉·斯图姆、沙瓦里·劳特、菲尔·基尔霍费尔、西蒙娜·穆勒和阿布扎尔·纳斯拉赫马迪
靠视频视觉捕捉系统，根据猪的卧姿判断猪舍环控并进行调节，确实是一项更为科学、智能的事情，我们想都没想到的事情，现在已经可以实现。智能养殖，未来已来。
