智慧动物生产学-课件 第3章 智慧良种繁育

SmartAnimalBreeding第三章

智慧良种繁育畜禽生产中良种的高效繁育是保障养殖效率和效益的前提，是现代养殖生产高水平的重要标志。加快物联网、人工智能技术在畜禽繁殖中的应用已成为我国畜牧养殖业发展的必然道路。第一部分

智慧技术与饲养Contents目录本章涵盖智慧良种繁育的四大核心领域，从性能测定到繁殖技术的全方位智能化解决方案3.1动物性能测定技术个体识别·体况测定·胴体肉质检测3.2动物基因组育种技术基因组选择·选配·血缘鉴定3.3动物遗传评估技术育种数据采集·数据库建设·大数据评估3.4动物繁殖技术发情监测·分娩预警·健康监测3.1动物性能测定技术IndividualAnimalPerformanceMeasurementTechnology个体识别与体况测定动物个体自动识别接触式识别RFID电子标签已成为畜牧业中常用的识别手段，分为低频（125kHz）、高频（13.56MHz）和超高频（433-960MHz）三种。低频读取精度高但距离短，超高频支持群读但易受干扰。非接触式识别机器视觉技术通过分析生物特征信息实现识别，包括脸部识别、虹膜识别、鼻纹识别和身体花斑识别。具有无接触、干扰小、监控时间长的优点。98%识别正确率40%效率提升非接触式识别技术优势•无需物理接触•动物应激小•可长时间监控•算法更新迅速体型体况自动测定二维彩色图像测定使用相机获取牲畜的二维彩色图像，通过灰度背景差分法、旋转归一化等方法提取体尺参数。安装简易、成本较低，但缺少深度信息，通用性较差。三维表型重构测定使用深度相机获取三维点云数据，通过点云采集、数据预处理（去噪、配准、融合）和体尺测量三个模块。精度高、信息全面，可计算体积、表面积等新型表型参数。3.1动物性能测定技术个体识别与体况测定3.1动物性能测定技术技术演进路径传统手工测量二维图像测定三维表型重构传统耳缺标记法牛羊脸部识别技术个体识别与体况测定3.1动物性能测定技术技术演进路径传统手工测量二维图像测定三维表型重构猪体尺测量结果三维表型重构体尺测量技术流程图胴体与肉质测定技术肉类品质评价对提高养殖管理水平和实现高品质农产品可持续发展具有重要意义B超测定技术应用B超测定仪检测肉牛胴体性状可用于估计肉类质量，常见特征包括肋眼面积（REA）、背膘（BF）、臀部脂肪（RF）和肌内脂肪百分比（PIMF）。通过计算机视觉进行自动标注和测定可以简化流程，缩短时间，降低成本，提升精确率和鲁棒性。肋眼面积第12-13肋骨间测量背膘厚度第12-13肋骨间测量臀部脂肪钩子与别针间测量肌内脂肪大理石花纹测量技术流程1B超图像采集2计算机视觉处理3性状自动计算4数据分析与决策3.1动物性能测定技术动物B超测定仪肉牛B超测定现场肉牛胴体性状位置胴体与肉质测定技术计算机视觉技术应用计算机视觉在肉食品加工以及肉质遗传改良的研究中，为肉质的系水能力评估、肌内脂肪含量测量、颜色和表面纹理的评估以及肌纤维的量化等提供了更加高效的技术手段。肌纤维量化通过分割网络将多个相邻的肌纤维正确分割成单个肌纤维，计算平均直径、面积、数量等表型特征。分割方法包括k-means分割、分水岭分割、SVM分类算法以及深度学习模型等多种自动分割算法。技术优势对比传统方法•感官判断：主观性强•理化分析：耗时繁琐智能测定•自动化程度高•客观准确•批量处理•实时监测3.1动物性能测定技术机器视觉B超自动计算胴体性状流程肌纤维表型数据计算流程3.2动物基因组育种技术AnimalGenomicBreedingTechnology基因组选择与选配全基因组选择技术全基因组选择（GS）是一种现代育种方法，通过利用基因组遗传变异信息来提高育种效率。依赖于两个群体：同时具有表型和基因型的参考群体和只有基因型的候选群体。1参考群体要求具备一定的规模，有助于准确估计标记的遗传效应2遗传联系要求参考群和候选群具有较强的遗传联系，反映标记与QTL连锁相的一致性三类主要方法基于BLUP方法基于贝叶斯理论基于机器学习基因组选择基本假设全基因组上至少有一个标记与数量性状基因座（QTL）存在连锁。基因组选配技术基因组选配（GM）通过利用基因组信息来确定亲本交配的最佳组合，以便长期且可持续地推动遗传进展，同时避免不利基因纯合，丰富物种的遗传多样性。传统选配局限•同质选配：长期影响群体遗传变异•异质选配：对连锁或负相关性状改善效果欠佳•本质是基于表型值或育种值的"截断选择"基因组选配优势•不受系谱信息限制•最大化利用后代遗传价值•丰富后代遗传多样性•避免后代不利基因纯合机器学习应用潜力特征选择降维预测表现型筛选优良基因3.2动物基因组育种技术血缘鉴定与主成分分析通过分析遗传变异信息和品种间的亲缘关系，为繁育计划、产业化应用和动物生物多样性保护提供有力支持主成分分析（PCA）主成分分析（PCA）是一种最常用的多元分析数据降维方法，在保持数据协方差的同时降低数据的维数。在生物信息学中，由于全基因组测序数据和芯片数据都属于高维数据，PCA分析常用于减少基因型数据的维度。PCA主要应用•揭示样本之间的关系•检测群体结构•推断个体的祖先背景•矫正群体分层技术优势•识别数据中最重要的变量•帮助理解复杂的遗传关系•降低计算成本•可视化高维数据ADMIXTURE分析Admixture分析是种群遗传学研究中的重要方法，基于每个个体的基因组是来自不同祖先种群的基因混合结果这一前提。常用模式包括结构模型和空间模型。结构模型假设个体来源于K个不同的祖先种群，每个个体的遗传组成可表示为这些祖先种群贡献比例的混合。空间模型考虑个体和种群的地理分布，试图将遗传差异和地理距离联系起来。血缘鉴定应用价值畜牧业生产优化繁育计划，提高生产性能品种改良选择优良品种，加速遗传进展基因资源保护保护遗传多样性，维护物种资源产业化应用指导育种决策，提升经济效益分析工具贝叶斯统计多元统计分析机器学习算法ADMIXTURE软件3.2动物基因组育种技术3.3动物遗传评估技术AnimalGeneticEvaluationTechnology育种数据采集育种数据自动采集传统的育种数据采集多由饲养员手动测定，需要耗费大量的人力物力，而且容易出现数据不完整、记录不及时、记录错误等问题。随着养殖业的规模化和集约化发展，高效、自动化、精准采集育种数据变得越来越重要。猪育种数据五大类别1基本信息数据2繁殖信息数据3生长测定数据4育种值数据5体型体况及外貌评分数据自动采集技术•RFID技术•智能项圈/耳标•智能饲喂系统•体型体况自动测定基于物联网技术的鸡智能育种平台设计（刘新，2024）3.3动物遗传评估技术育种数据库建设数据库设计与架构在现代育种过程中，数据的体量和复杂性不断增加，这要求养殖场建设更加专业的育种数据库，以高效存储和管理这些数据。数据输入层负责接收来自自动化采集设备的数据，需要具备高吞吐量和低延迟的特点。数据存储层使用高性能数据库管理系统（DBMS），如MySQL、PostgreSQL（结构化数据）或MongoDB、Cassandra（非结构化数据）。数据处理层负责数据清洗、转换和整合，确保数据的兼容性和一致性。用户访问层提供友好的用户界面和API，方便用户查询、分析和导出数据。应用实例AnimalQTLdb：收集动物数量性状座（QTL）信息，助力挖掘与经济性状相关的基因。FarmGTEx项目：研究农场动物物种的调控变异，探讨对经济性状的影响。3.3动物遗传评估技术大数据遗传评估大数据技术从根本上改变了动物遗传评估的途径，使评估范围有了很大拓展数据挖掘从大量的育种数据中提取关键特征，用于构建遗传评估模型。•特征选择•模式识别•分类和聚类分析机器学习广泛应用于构建复杂的遗传评估模型，能处理高维数据，自动学习数据中的模式和规律。随机森林支持向量机神经网络深度学习通过分析动物的图像数据，可以识别出与遗传特性相关的微观特征，从而辅助遗传评估。•卷积神经网络（CNN）•递归神经网络（RNN）•自动学习多层次特征评估模型建立与优化BLUP模型利用家系数据和个体表型数据，通过线性混合模型对遗传效应进行估计。改进后衍生出GBLUP、ssGBLUP等方法。贝叶斯模型能够在遗传参数不确定的情况下，通过贝叶斯推断进行参数估计，特别适用于处理高维数据和复杂的遗传结构数据。机器学习方法能够处理大规模、非线性和多维度的数据，发现传统统计学方法难以捕捉的复杂模式，从而提高评估的准确性。大数据技术应用价值更广泛的数据来源结合基因组、环境、健康及生产性状数据更高效的数据处理实时处理和决策支持成为可能更精确的评估结果更准确地评估动物的遗传价值挑战与展望数据质量：如何有效进行数据清洗和整合模型解释性：深度学习"黑箱"特性需解决未来方向：实时遗传评估和决策支持系统3.3动物遗传评估技术3.4动物繁殖技术AnimalReproductionTechnology发情监测技术发情监测准确性直接影响母畜的利用效率和畜牧场生产效率人工监测方法外部观察法通过观察母畜外部表现和精神状态判断发情情况。如母猪发情时会表现出不安、食欲下降、外阴红肿、爬跨其他猪只等特征，出现"静立反应"时是配种最佳时期。试情法根据母畜对公畜的性欲及性行为反应判断其是否发情。母畜发情时通常表现为喜接近公畜，接受爬跨等。阴道检查法观察阴道黏膜颜色、充血程度等直肠检查法触诊卵巢及卵泡的发育情况生殖激素检测法通过检测体液中生殖激素（FSH、LH、雌激素、孕酮等）水平，根据发情周期中生殖激素的变化规律判断发情。3.4动物繁殖技术奶牛爬跨行为（王祯，2022）发情监测技术发情监测准确性直接影响母畜的利用效率和畜牧场生产效率智能化监测技术传统的人工监测需要工人掌握较高的技术水平和熟练度，且耗时耗力，已难以满足养殖业的规模化发展需要。高效的自动化、智能化母畜发情监测技术研发已成为产业发展的迫切需要。活动量检测法活动量激增是母牛发情的重要表现。母牛发情时活动量可增加2.3～6倍，甚至更高。通过计步器、三轴加速度器等设备监测运动量，发情检出率可达84%～96%。爬跨行为监测法发情牛接受其他母牛爬跨是最典型的发情特征。通过压力传感器或计算机视觉技术监测爬跨行为，可检测到82.1%发情排卵母牛。温度监测法发情母牛体温明显增加，发情当天直肠温度可升高约1.3℃。通过接触式、植入式或非接触式（红外热像仪）温度传感器监测体温变化。智能化监测优势•自动化程度高•实时监测预警•准确率高•减少人工成本3.4动物繁殖技术母猪分娩报警系统运行图（刘龙申，2024）分娩与健康监测实时自动监测动物分娩状态和健康水平，提高繁殖效率和生产效益动物分娩监测猪属于多胎动物，每胎产仔数多、分娩时间长，容易发生难产。能够实时自动监测母猪分娩状态，及时发现新生仔猪并提供预警，对提升母猪和仔猪的健康和福利养殖水平具有重要意义。人工监测饲养员直接巡栏，根据母猪的临产症状（食欲减退、紧张不安、时起时卧、频频排粪排尿等）进行观察及预警。但人工监测耗时费力，无法做到全天候接产处理。接触式传感器监测利用穿戴式的加速度传感器、温度传感器、重力传感器等检测并分析母猪的体征或行为数据。通过三轴加速度传感器结合动态线性模型预测分娩时间，准确率可达89%，灵敏度达96.7%，可在分娩前4.8小时预警。非接触式监测利用光电传感器、超声波传感器或计算机视觉技术对母猪分娩行为进行监测。计算机视觉具有持续性、对动物无侵扰、架设相对容易、抗干扰能力强等特点，改进的FasterR-CNN算法对哺乳母猪各姿态识别准确率达到93.25%。3.4动物繁殖技术接触式项圈装置（刘龙申，2024）母猪行为监测装置（Zhang，2019）分娩与健康监测实时自动监测动物分娩状态和健康水平，提高繁殖效率和生产效益动物健康状态监测异常行为监测家畜行为能够全面反映机体的整体状态。通过接触式项圈装置配备无线加速度传感器，或用K均值聚类算法实现对母猪典型行为的智能分类。机器视觉技术可实现非接触式的母猪行为检测。异常体温监测体温是评估母畜健康状况的重要指标。通过接触式测温（温度传感器植入或佩戴）或非接触式测温（红外热成像技术）实时监测体温变化，红外测温具有无应激、简单