畜禽表型是连接遗传基因、养殖环境与最终经济产出的桥梁。它是畜禽育种中进行个体选种的根本依据，也是现代化牧场进行精细化管理和健康监测的数据基础。随着智能测定技术的发展，获取更深层、更动态、更精准的表型数据，成为驱动畜牧行业向精准化、智能化转型升级的关键。畜禽表型组学是系统研究动物所有表型特征的交叉学科，其核心在于通过整合多维度、多层次的表型数据，精确揭示基因型、表型与环境三者之间的复杂互作关系[1]。传统的畜禽表型测定主要依赖皮尺、秤具等工具进行人工测量，存在劳动强度大、效率低下、主观性强、易引起动物应激等一系列问题，制约了大规模群体遗传评估与高效育种进程[2]。近年来，随着物联网、人工智能、大数据和先进传感技术等新一代信息技术迅猛发展，畜禽表型测定迎来了前所未有的变革机遇[3]。智能测定技术利用自动化设备、无损感知和高效数据分析，实现了对畜禽重要性状的快速、精准、高通量获取，正逐步成为驱动现代种业创新与智慧养殖发展的核心引擎[4-5]。其研究范畴已从传统的体型、体重等形态学表型，扩展到生理学、行为学乃至分子水平的多层次表型信息采集[6]。本文旨在系统梳理当前畜禽重要表型智能测定的关键技术体系、应用成果与发展趋势，为我国畜禽种业创新与精准养殖提供理论参考。
1 畜禽重要表型智能测定关键技术
1.1 基于计算机视觉的非接触式测定技术
随着畜禽养殖向智能化、精准化转型，传统依赖人工接触式测量方法（如皮尺、秤具）已无法满足大规模、高效率、低应激的表型测定需求。计算机视觉技术因其非接触、自动化、可重复性强等优势，已成为畜禽重要表型智能测定的核心技术路径之一[7]。该技术通过采集并分析动物图像或视频，实现对体型、体重、行为等表型的快速提取与精准量化，极大提升了育种效率与动物福利水平。目前，计算机视觉在畜禽表型测定中的应用主要沿两个技术方向发展：基于二维视觉的性状估测与基于三维点云与体尺的精准测量，适用于不同场景及精度需求的表型获取任务。
1.1.1 二维视觉与体重估测
该框架包含轮廓信息提取网络（Contour information extraction network，CIEN）和活重估测网络（Live weight estimation network，LWEN）。CIEN网络引入了轮廓自注意力机制（Contour self-attention）和基于最优传输理论（Optimal transport）的轮廓信息强化策略，能精准提取自然活动状态下猪只的高精度轮廓坐标点集。LWEN则直接利用轮廓信息进行特征建模和体重预测。该方法在活重预测任务中达到了R² = 0.993的超高精度，平均绝对误差（Mean absolute error，MAE）仅为1.45 kg，平均绝对百分比误差（Mean absolute percentage error，MAPE）控制在1.97%以内，同时实现了高达1131.6 FPS的实时推理速度。这一技术仅需普通2D摄像头，大幅降低了硬件成本和系统复杂度，为大型养殖场的实时、大规模部署奠定了基础。这类基于图像的体重自动估测方法已成为精准畜牧业的研究热点，相关技术在不同畜种上的适用性也得到了验证[10-11]。然而，二维图像因缺乏深度信息和三维几何特征，其测量精度易受透视变形、拍摄角度、遮挡条件及光照变化等多重因素的显著影响。尽管现有文献中的方法通过创新算法实现了高精度测量，但这些方法通常仅适用于特定任务（如体重估测），且在很大程度上依赖于模型的优化水平。
1.1.2 三维点云与体尺精准测量
华中农业大学研究团队首先构建了基于双激光雷达的三维点云采集系统，能高质量地获取猪只在自由站立姿态下的点云数据。为提升分割精度，团队在PointVector模型基础上提出了PointVector++模型，有效提升了旋转不变性、密度平衡和特征适应性。在猪点云数据集上，其实例级交并比Instance mIoU提升至90.5%，较基准模型提高4.5%。完成点云精细分割后，研究团队开发了一套基于分割点云数据的猪体尺指标计算方法，实现了体长、体高、胸宽、臀宽、腹宽等10项关键体尺指标的自动化精准测量。与人工测量真值相比，所有体尺参数的MAE均低于5 cm，MAPE控制在7%以内，其中体宽、臀宽、腹宽和体长等指标的R²值超过0.64，验证了该方法的准确性与可靠性。这种方法显著降低了猪的活动干扰与应激反应，适用于大规模养殖环境下高通量、精准、自动化的表型性状提取。激光雷达等三维感知技术在畜禽监测中的应用正日益广泛，为获取更精确的体型参数提供了强大工具[13-14]。三维云点技术适用于对精度要求极高的体型分析，如核心育种群种猪、种牛的精准体尺测定，这些数据直接用于遗传评估和选种选配；也适用于胴体品质预测、体型鉴定，需要精确的三维体型参数来预测产肉量、瘦肉率等经济性状。然而，其硬件成本相对较高、系统较复杂，需要激光雷达、深度相机或立体视觉等专用设备，造价远高于普通摄像头。二维和三维技术在智慧畜牧中并非替代关系，而是互补与协同关系。二维技术负责大范围、低成本的日常监控和快速筛查；三维技术负责在关键环节提供无可替代的精准数据。在实际应用中，可根据具体的育种目标、预算限制和精度要求，灵活选择或组合使用这两种技术。
1.2 基于智能传感器的穿戴式与植入式测定技术
穿戴式与植入式传感器能够实现对畜禽生理指标和行为活动的连续、实时监测，为精准管理和育种提供了动态数据支撑[15]。
1.2.1 概念与分类
1.2.2 体温监测
1.2.3 行为与生理指标监测
1.3 智能化测定系统与平台集成
将单项技术进行集成化与系统化整合，构建高通量表型测定平台，是技术走向应用的关键[27]。在种猪测定领域，博思智能种猪测定系统代表了智能化发展的方向。采用大栏群养模式，每个测定栏配备专用测定站，可饲养12～15头种猪，利用RFID技术进行个体识别，确保每次仅一头猪进入测定站采食，避免了抢食和干扰。系统能自动记录每头种猪的采食状况、体重变化并生成集生长曲线，远程控制于一体的种猪生产性能测定系统，为育种人员提供精准的选择依据[28]。在体重达到80～105 kg时，种猪被引导至单栏秤进行空腹称重，并利用B超技术进行背膘厚测定，所有数据自动录入遗传评估软件进行计算分析。这种系统化的精准畜牧方法是实现畜牧业可持续发展的关键，无人机、地面机器人等移动平台在表型采集中的集成应用也展现了巨大潜力[29-30]。
2 智能测定数据的处理与遗传评估应用
2.1 数据自动校正与预处理
原始采集的表型数据往往受到日龄、体重、测量环境等因素影响，需进行标准化校正[31]。例如将实际测量的猪背膘厚度数据，依据校正公式自动校正至100 kg标准体重时的状态，从而消除生长阶段差异对性状比较的影响。同样，达50 kg体重日龄等性状也需要进行类似的校正，确保数据的可比性和公正性。这种数据预处理是确保后续遗传评估准确性的基础，是表型组学数据流程中的重要一环[32]。例如在杜洛克猪的选育中，对于达100 kg体重日龄这一性状，必须利用早期体重数据建立生长曲线模型，进行准确预测和校正。在金华猪（中国地方品种）的肉质性状研究中，肌内脂肪含量的超声波测定值也需根据特定的宰前体重进行校正，以准确评估其遗传潜力。校正模型的普适性是一个挑战。不同品种、不同营养水平的猪其生长曲线不同，采用统一的校正公式可能引入新的误差。因此，未来的趋势是建立品种特异性或群体特异性的动态校正模型，甚至利用机器学习算法，实时整合环境传感器数据，实现更精准的协变量调整。
2.2 基于人工智能的数据解析与性状提取
西北农林科技大学研究团队研究提出了一种基于改进YOLOv5的自动化奶牛体况评分（Body condition score, BCS）系统，用于在群体饲养环境状态下对奶牛进行体况评估[37]。该系统通过安装在挤奶厅入口的摄像头获取视频，利用改进的深度学习模型（引入双路径网络和注意力机制）来检测奶牛尾部并进行BCS评分。为解决同一头牛在视频中被重复检测的问题，该团队创新性地提出了一种基于时空先验的算法，对视频中的奶牛进行个体分割，确保每头牛最终只获得一个可靠的BCS分数，如图6所示，直观地展示了该算法的核心原理。该算法通过绘制并分析视频序列中检测到的尾部边界框中心点纵坐标（Y值）的变化轨迹来工作。当一头奶牛走入通道时，其尾部在视频中的Y值会呈现一个先上升后消失的完整波形。系统设定当Y值进入0.3至0.6的“有效评分区间”时，开始统计该头牛的多个BCS结果。当一个波形的Y值降至0.3以下时，系统判定该牛已通过，并将此区间内出现次数最多的BCS作为其最终分数。通过识别这些独立的波形，该系统成功实现了对连续视频中不同奶牛个体的精确分割与评分。这一方法将视频的时空序列信息转化为了稳定的个体化评分输出，是该研究的关键创新点所在。
2.3 遗传评估与育种值估计
精准的表型数据是进行高效遗传评估的基础[38]。获得校正后的表型数据后，通过调取特定性状的所有近期测定数据，并剔除异常值，可以运用最佳线性无偏预测（BLUP）法等统计模型来估算个体的估计育种值（Estimated breeding value, EBV）[39]。EBV能够客观地反映个体的遗传优势。进一步地，可以计算综合多个性状的EBV指数，并根据该指数对测定群体进行排序，从而科学地筛选出遗传性能最优的个体进入核心群[40]。例如，奶牛育种作为全球成熟的范例，以美国为例，其采用的Net Merit（NM）综合选择指数享誉全球。该指数涵盖了产奶量、乳脂率、乳蛋白率、体细胞评分、繁殖力和长寿性等数十个性状。通过大规模奶牛生产性能测定记录和基因组检测，利用基因组最佳线性无偏预测（GBLUP）模型，能够对青年公牛甚至犊牛进行早期、高精度的遗传评估。这使得奶牛的遗传进展速度大幅提升，过去数十年间单产水平实现了飞跃。这种基于高通量精准表型数据的选育方法，显著加快了遗传进展，提高了种群的整体质量，畜禽品种中的表型组学进展正在不断强化这一流程[41]。
3 国内外发展现状比较与分析
3.1 国际发展现状与趋势
国际上，畜禽表型智能测定技术研发起步较早，在欧美发达国家已形成较为成熟的技术体系与产业生态[42]。其发展以高度的技术集成为显著特征，研究机构与企业致力于将多光谱、高光谱、热红外及激光雷达等多种传感器，集成于地面移动机器人、无人机等自动化平台上，构建了如澳大利亚联邦科学与工业研究组织的Pheno-Copter、德国LemnaTec公司的Scanalyzer System以及英国洛桑研究中心的Field Scanalyzer等代表性设施，并成功实现了从技术研发到育种实际应用的有效转化[43-44]。这些国家不仅注重技术创新，还通过建立欧洲植物表型组学网络等合作机制，积极推动数据标准的统一与共享，为跨国、跨学科研究奠定了基础。在推进路径上，呈现出产学研紧密结合的特点，企业深度参与研发并主导商业化进程，加速了技术向稳定、易用、具有成本效益的产品与服务模式的转化。最终整个技术发展链条紧密围绕育种公司及养殖场的现实需求展开，体现出强烈的应用导向，确保了研发成果能够切实服务于产业提升[45]。
在技术应用的前沿领域，国际上正积极探索深度学习与多模态数据融合在畜禽表型测定中的深度应用。例如，在数据维度上除了传统的视觉与生理数据外，环境参数（如温湿度、光照、氨气浓度）与个体表型数据的关联分析成为新的研究热点，通过构建多源异构数据融合模型，可以更全面地揭示环境因素对畜禽表型表达的影响机制。此外，随着物联网技术的迅猛发展，国际上已开始尝试将区块链技术引入表型数据管理，以确保数据的可追溯性，为构建全球统一的畜禽表型数据库和开展跨地域联合育种提供了数据安全保障。国际发展趋势将更加注重技术的智能化、轻量化与低成本化，开发适用于散养模式的便携式智能测定设备，以及基于边缘计算的实时数据处理终端，进一步推动智能测定技术在不同养殖模式下的普及应用。
3.2 国内发展现状与成就
然而，若将视野从局部技术突破扩展到整个产业技术生态，我国与发达国家仍存在差距。目前高端光谱成像仪、高精度激光雷达等核心传感部件依然较多依赖进口，成为产业链上的薄弱环节[46]。在系统集成与工程化方面，尽管实验室原型技术先进，但将其转化为能够适应复杂生产环境、长期稳定运行且成本可控的商业化产品，仍然面临着显著挑战，以及各研究团队在数据格式、测定协议上尚未统一，缺乏国家层面权威、开放的表型组大数据平台，制约了数据的汇聚与深度挖掘。最后，科研与产业端的融合仍需深化，育种企业主动采纳并深度融合高通量智能测定技术的意愿与实际能力，是决定技术能否真正驱动种业创新的关键。
4 技术挑战与未来展望
4.1 当前主要技术挑战
在推进畜禽表型智能测定技术的发展与应用过程中，研究人员既要看到其重塑种业未来的巨大潜力，也必须正视其面临的一系列现实技术挑战。当前，设备自身的性能仍是首要瓶颈，穿戴式装置普遍存在易脱落、续航能力有限及制造成本偏高的问题，而非接触式的视觉测量技术在面对复杂光照、栏舍遮挡、动物密集等实际养殖场景时，其稳定性仍有待加强。伴随高通量采集而来的是海量的图像、点云与传感数据，这些多模态信息的存储、传输、清洗、标注乃至深度分析，对计算基础设施和智能算法提出了极高的要求[33,36]。技术的普适性同样构成挑战，针对猪、禽、牛等不同物种，同一物种内不同品种和生长阶段，需要开发与优化特定的测定模型，构建通用化解决方案的难度很大。此外，如何在提升技术先进性的同时控制成本，使初始投入与长期维护费用能够被广大中小规模养殖场所承受，实现明确的经济效益，是技术能否真正落地推广的关键[43]。
4.2 未来发展趋势与展望
展望未来，畜禽表型技术正朝着更深入、更融合、更普惠的方向演进。发展趋势首先体现在对畜禽表型信息的多维度与多生境高通量获取上，未来的系统将能够实现无缝采集从微观细胞、组织器官到个体乃至群体水平，在实际生产环境下的无缝、多维数据采集。长期以来难以测定的诸如个体精准采食量、动物在自由状态下的精细行为、体内实时生理代谢等性状将成为新的研究热点[32]。更深层的变革在于多组学数据的融合，表型组学将与基因组、代谢组、蛋白组等数据深度整合，利用人工智能构建“基因型-表型-环境”互作的精准预测模型，从而推动育种范式从“经验选择”向“智能设计”的根本性跨越，进而极大加速优良品种的培育进程[38]。在技术形态上，随着芯片技术与边缘计算的发展，测定设备将日趋轻量化、低功耗与低成本，使高通量表型技术得以惠及更广泛的产业用户。最终，这一生态的成熟有赖于标准体系与共享平台的建设，通过建立国家层面的统一数据标准、测定规范及公益性大数据平台，将有效促进数据资源的汇聚、共享与挖掘利用，为整个产业的健康可持续发展奠定坚实基础[32,42]。
5 结语
畜禽重要表型智能测定技术是引领现代种业变革的前沿领域。随着技术的持续迭代与产业需求的不断升级，畜禽重要表型智能测定技术将在精准化、智能化、产业化的道路上不断迈进，为加快培育具有自主知识产权的优良畜禽品种、实现畜牧业高质量发展注入持久动力。同时，该技术的广泛应用也将推动传统养殖模式向数字化、智能化转型，助力构建资源节约、环境友好的现代农业生产体系，为全球种业科技进步贡献中国智慧与方案。通过计算机视觉、先进传感器与人工智能等技术的深度融合，已成功实现对生长、体尺、生理、行为等关键性状的精准、高效、无损测定，为畜禽遗传评估与育种工作提供了前所未有的数据支撑和技术手段。我国在该领域已具备扎实的研究基础，并取得了部分国际领先的成果，但在系统集成、工程化应用和产业生态建设方面仍面临挑战。未来，应继续加强核心技术攻关，促进科研与企业的深度融合，推动数据标准与平台建设，从而充分发挥畜禽重要表型智能测定技术在提升我国畜禽种业核心竞争力、保障粮食安全方面的重要作用。
