基于计算机视觉的实时猪体重评估和碳足迹监测.
Min Chen1, Haopu Li2, Zhidong Zhang1
1Department of Big Data and Intelligent Engineering, Shanxi Institute of Technology, Yangquan 045000, China.
Animals : an open access journal from MDPI
|September 13, 2025
概括
减少养猪业的碳足迹对于可持续性至关重要. 这项研究使用了深度学习来实时估计体重,以优化养,显著减少料,便和整体碳排放.
科学领域:
- 农业科学 农业科学
- 环境科学 环境科学
- 计算机科学 计算机科学
背景情况:
- 解决生猪生产中的碳足迹对于实现碳中和和峰值排放至关重要.
- 系统地研究碳足迹是有效实现环境目标的必要条件.
研究的目的:
- 通过优化料策略,减少猪生产中的碳足迹.
- 通过使用数据驱动的洞察力,尽量减少碳排放.
主要方法:
- 从2024年12月到2025年5月进行了整个生命周期的碳足迹监测.
- 开发并使用EcoSegLite,这是一种轻量级的深度学习模型,用于非接触式的实时猪体重估计.
- 集成的EcoSegLite与生命周期评估 (LCA) 框架,以优化料管理.
主要成果:
- 实现了7.8%的料摄入量减少和11.9%的肥产量减少.
- 通过优化养策略,将整体碳足迹减少5.1%.
- 通过增长曲线和潜在的减少水消耗和排放,验证了优化战略的有效性.
结论:
- 该研究提出了一种数据驱动的解决方案,用于提高资源效率,减少生猪生产对环境的影响.
- 优化养策略,通过人工智能驱动的体重估计,为可持续畜牧业提供了一条道路.
- 这些发现支持精准农业,并有助于实现农业部门的碳中和目标.
