养猪也要智慧化管理，台大团队以IoT助养猪场提升管理效率，还结合AI影像辨识猪只体态、行为及健康状态

传统养猪可能予人一种环境脏乱、废水、恶臭，让人难以与之为邻的印象，为改善这些问题，科技部与台大动物科学技术学系(简称动科系)团队合作，推动智慧科技应用于猪只养殖环境，近期展示研究成果，其中运用大数据、人工智能，协助监测猪只生长及健康状态，以改善养猪场所的经营效率。

台大动科系团队与宜兰一家养猪场合作，为了改善猪只养殖过程中，粪便、尿所产生的恶臭、二氧化碳及大量氨气，台大动科系研究团队研究营养配方，包括控制饲料的蛋白质含量、酵素，以及添加精油等方式，改善饲养过程中，猪只排出的废弃物臭味，再结合益生菌，一方面降低猪只肠道坏菌、粪便臭味，以提高猪肉品质，进而提升养猪获利率。

至于养猪场所产生的废水，则运用智慧化的废水处理与沼气生物脱硫设施，经过处理的废水，可透过网页或手机App远端掌握。

而在饲养环境监测方面，将智慧化设备导入养猪场，并使用开源的Thingsboard，建构IoT管理平台。位于宜兰的养猪场分为左右两排，每排各有6个养猪字段，配合养猪场环境，他们在两排各设置一组移动式的空中台车，以空中悬吊方式在不同字段移动，克服传统定点侦测的限制。每辆台车每一小时巡行于每个养猪字段，相当于每个字段一天纪录24次。利用台车上配置的空气质量侦测器，搜集各字段的二氧化碳、氨气、硫化氢、PM2.5，以及温湿度变化，再透过有线网络传送数据至后台。

每个移动式的空中台车，配备有深度摄影机、光学摄影机、空气侦测器，24小时每小时在各字段移动检视一次：

特别的是，每个台车搭载英特尔的RealSense深度摄影机及光学摄影机，用以纪录猪只的体态、行为数据，以深度摄影机、光学摄影机拍摄每个字段内饲养的猪只，回传影像经过影像处理分析，测估猪只的体型数值，估算其重量，透过台车每天24次，以纪录猪只的生长情形。每个养猪字段的方型饲料槽、圆型筒也经过改良，以多台串联的方式自动回传饲料重量数据，在电脑上纪录猪只采食的情形，作为饲料配方调整的决策参考。因此，管理人员在后台，可以掌握每个字段猪只生长状态，饲料采食情形，或是根据每个字段的温度、空气质量决定开启或关闭风扇。

每个字段的饲料筒及饲料糟，都有自动秤重装置，图中液晶屏幕显示该字段的饲料重量：

养猪场也导入人工智能技术，动科系团队和台大资工合作，利用物件侦测技术，当台车经过不同字段时，对饲养的猪只进行影像辨识学习，他们以监督式学习技术，由动科系学生协助人工标注影像，训练对猪只的影像辨识，目前成功率已达85%以上。

台大动科系副教授林恩仲表示，透过影像辨识技术，可纪录字段内猪只的互动情形，掌握猪只的正面或负面行为，例如小猪一起嬉戏，还是彼此争食、打架，供养猪场的管理者参考，例如将争食弱势的猪只移到别的字段饲养，避免影响其生长。

不过，目前的影像辨识以辨识单一猪只为主，尚无法辨识栏内可能聚集在一起的多只猪，因此辨识时会尽量让单一猪只走在特殊走道，以方便影像辨识。

另外，团队也利用IoT协助监测猪只的健康情形，利用每天多次巡视的台车，结合摄影机的影像与声音，经过机器学习技术，辨识猪只的咳嗽状态，判断属于正常的咳嗽或是因为疾病造成的咳嗽。林恩仲表示，利用白天与晚上的声音资料，目前辨识的确准率已可达85%。结合影像画面，例如字段内某只猪在角落躺着数个小时，采用饲料情形不佳时，提醒管理人员。

林恩仲指出，在养猪场建置IoT通讯网络是一项挑战，饲养现场环境容易对无线通讯造成干扰，尽管当地已有4G网络覆盖，但考量到传输影像档案需要较大带宽，因此还是以有线方式传输影像及数据，回传至养猪场旁的办公室，由服务器运算处理。

由于深度摄影机搜集的影像资料相当庞大，30秒的资料量可能就多达数GB，加上回传到办公室的服务器进行机器学习训练需要较长的时间，因此林恩仲坦言，目前机器学习由于资料需要经过训练，往往要一天或几天时间，才能让养猪场管理者知道，例如当猪只有咳嗽的情形，畜主隔天就需要立即治疗。因此，未来的挑战是，即时的处理影像辨识资料，为了做到这个目标，在养猪场外设计一个封闭式箱体，避免粉尘等环境干扰，箱体内设置边缘运算设备，在养猪场就近处理影像辨识，再将结果回传给管理人员。