一、蜂群多特征长期监测系统设计与实验研究

　　针对蜂群发生崩溃式消失的现象，发现而不明，缺乏有效的观测和分析手段的问题，华中科技大学、山东农业大学、中国农业科学院等机构对此发出了挑战。

　　通过分析蜂群行为与检测特征，设计了一套基于物联网技术的蜂群监测系统，依靠太阳能供电，通过多种传感器在线采集，检测蜂群蜂箱内部的温度、湿度、蜂群重量、声音和蜜蜂的进出量等多项特征，无线传输同步数据到远程云服务器中。通过长达235天对 意大利蜂的监测，准确记录具体的数据变化。

　　试验表明，在不干扰蜂群的情况下，可通过蜂群多特征长期监测系统获取数据，有效地揭示蜂群的日常活动和趋势变化，可用来研究蜂群的行为生物学，探索崩溃式的蜂群消失成因，以及发展精确化蜜蜂养殖业;

　　二、蜂群箱体关键参数在线监测系统与性能测试

　　针对因开箱而造成的蜂群应激反应，需对蜂箱封闭环境实时监测困难的问题，中国科学院与中国科学技术大学结合大数据、物联网、传感器、无线通讯等技术，构建了一套蜂箱蜂群实时在线监测系统，融合了温湿度传感器、微麦克风、微控制器等设备，低功耗、可连续地监测养蜂生产过程中多参数信息，获及蜂箱内蜂群的环境参数、生活状态等数据。

　　该系统能实时监测蜂箱内温湿度，有效区别进出蜂箱的蜜蜂，并记录进出巢门的蜜蜂数量，且自动获取蜂群声音，同时与标准蜂群声音分布相吻合，可作为蜂群相关研究的数据采集方法;

　　三、人工智能在水产养殖中研究应用分析与未来展望

　　针对粗放型水产养殖模式中存在的劳动生产率低、产出效率不高、资源浪费率高，而产出的水产品反而质量低、缺乏安全保障的现状，中国农业大学与国家数字渔业创新中心展开了研究。

　　主要利用人工智能等现代信息技术，实时监测水产品的生长参数，进而对数据进行判断、分析、讨论，形成科学决策，来实现精确、自动化和智能化的水产养殖，从而提高渔业生产力、资源利用率。推动水产养殖转型，加速推进中国渔业数字化、精准化和智慧化提供参考。

　　四、奶牛跛行自动识别技术研究现状与挑战

　　针对奶牛趾蹄病变造成跛行，进而对影响奶牛生长速度甚至寿命的现状，而人工检测认识难度大、效率低等的问题，中国农业科学院和四川农业大学从机器视觉、压力分布测量、可穿戴、行为分析、跛行分类等五方面技术入手，分析了奶牛跛行自动识别技术的原理、功能、特点及研究现状。

　　对奶牛跛行自动识别技术的发展、养殖场禽畜跛行监测数据库的建立、研究奶牛个体跛行判别模型、开发跛行检测、体况评分等多功能的一体化智能检测体系具有参考价值，对保障动物福利、环境生态、粮食安全等有重要意义;

　　五、蛋鸡设施养殖环境质量评价预测模型构建方法及性能测试

　　针对养鸡场对蛋鸡的生长与生产的影响力多少、大小不明确，难以对养殖环境质量进行有效评价的问题，中国科学院与安徽省农业科学院综合规模化蛋鸡养殖环境的环境因子，包括：温度、湿度、光照强度、氨气浓度等，改进了布谷鸟搜索算法，升级蛋鸡设施养殖环境质量评价预测模型。提升了各环境因子对蛋鸡生长的分类准确率，为蛋鸡殖环境质量提供更加全面有效的科学评价，对促进蛋鸡生产性能的提升具有重要意义，养鸡户可期待该模型计算法尽早走出实验室，落地应用;

　　六、对虾养殖溶解氧浓度预测

　　针对对虾水产养殖中，溶解氧浓度预测精度低的问题，仲恺农业工程学院与石河子大学联手，提出了一种基于经验模态分解、随机森林、长短时记忆神经网络的对虾养殖溶解氧浓度组合预测模型，该模型显著提高了预测精度，能够较准确地实现对虾养殖环境中的溶解氧浓度预测，对提升对虾等水产养殖产能、质量具有重要意义;