返回文章列表

新希望如何用AI实现智慧养殖案例

🏭 农业 ⚡ 效率提升型 🏢 中型企业 🎯 AI应用场景 🔧 人工智能 📅 2026-06-25

📌 摘要

新希望，自主研发基于AIoT的NH通道盘估系统（RGB摄像头+深度传感器+YOLO+PointNet），解决猪只体重难实时监测、饲料转化率难优化的难题，实现饲料转化率降至2.45、出栏体重误差精度提升70%。

📖 本案例根据 新希望官网报道整理 · 查看原文 →

企业背景

新希望六和股份有限公司（股票代码：000876）是中国最大的饲料生产企业之一，也是领先的现代农牧企业。公司主营业务涵盖饲料生产、生猪养殖、屠宰及肉制品加工全产业链。

关键数据：

• 2024年饲料销量：2596万吨（全球前三）

• 2025年营业收入：1068.56亿元

• 养猪产业：全国三强

• 白羽肉禽：全球第一

• 员工人数：超10万人

2025年，新希望持续全面聚焦饲料、生猪养殖与屠宰两大核心板块，通过智能化、数字化手段提升养殖效率，降低生产成本。

面临的问题

1. 猪只体重难以实时监测

传统养殖中，猪只体重需要人工称重，工作量大、频次低，无法实时掌握猪只生长情况，影响出栏时机判断。

2. 饲料转化率难以精准优化

饲料成本占养猪成本的60-70%，但不同猪只、不同生长阶段的饲料需求差异大，传统方式难以精准投喂，造成饲料浪费。

3. 疫病预警滞后

猪只疫病早期症状不明显，传统人工巡检难以发现，等到出现明显症状时，往往已经造成传染，损失巨大。

4. 养殖环境控制依赖人工经验

温度、湿度、通风等环境参数对猪只生长影响大，但传统方式依赖人工调节，难以实现精准控制，影响猪只健康和生长速度。

解决方案

1. AIoT智能估重系统

新希望六和自主研发《基于AIoT的NH通道盘估系统解决方案》，荣获"2025全国畜牧业数智化杰出案例"。

技术原理：

• 在猪只通道安装RGB摄像头和深度传感器

• 采集猪只图像和点云数据

• 通过深度学习模型（YOLO + PointNet）识别猪只轮廓

• 结合品种、日龄等数据，估算猪只体重（误差≤2%）

应用场景：

• 出栏前估重：判断猪只是否达到理想出栏体重

• 生长监测：定期估重，绘制生长曲线

• 分群管理：根据体重分群，精准投喂

2. 智能饲喂系统

基于AI算法优化饲料配方和投喂量：

• 根据猪只体重、日龄、品种推荐最佳饲料配方

• 实时监测采食量，动态调整投喂量

• 减少饲料浪费，提升饲料转化率

3. 疫病智能预警

通过AI视觉和传感器数据，实时监测猪只行为：

• 活动量异常检测（疫病早期征兆）

• 采食量下降预警

• 体温异常预警（红外测温）

• 自动提醒兽医介入

4. 环境智能控制

AI算法根据猪只生长阶段、外界天气、猪只行为等数据，自动调节：

• 温度（供暖/通风）

• 湿度（加湿/除湿）

• 空气质量（CO₂、NH₃浓度）

• 光照（模拟自然光周期）

实施效果

指标	实施前	实施后	提升
饲料转化率	2.8	2.45	↓12.5%
猪只死亡率	8.5%	6.8%	↓20%
人工成本	100%	70%	↓30%
出栏体重误差	±5kg	±1.5kg	精度提升70%
疫病发现时间	3-5天	1天内	提前2-4天

经济效益：

• 单场（年出栏10万头）：年节省饲料成本约800万元

• 减少死亡损失：约200万元/年

• 节省人工成本：约150万元/年

• 投资回收期：1.5年

2025年成果：

• 智能化养殖方案已在超过200个猪场应用

• 覆盖生猪超过500万头

• 养殖户平均增收15-20%

经验启示

1. 农牧业AI化的关键是"接地气"

新希望的经验表明，AI技术必须适应农牧业的特殊场景：

• 环境恶劣：猪场高温、高湿、高氨，设备必须工业级防护

• 网络不稳定：边缘计算+离线模式，保证系统稳定运行

• 用户习惯：界面简洁、操作便捷，适应养殖户使用习惯

2. 数据是AI应用的基础

新希望积累了超过10年的养殖数据（饲料配方、猪只生长、疫病记录等），这是AI模型训练的基础。没有数据，AI就是"无米之炊"。

3. 渐进式推广更容易被接受

新希望采取"试点→优化→推广"的策略：

• 先在自有猪场试点，验证效果

• 再向合作养殖户推广（提供设备租赁、技术支持）

• 最后向行业开放解决方案（SaaS模式）

4. AI+IoT是农牧业数字化的必由之路

单一技术难以解决复杂问题，AI需要IoT提供数据，IoT需要AI提供智能：

• AIoT估重系统：AI（视觉算法）+ IoT（传感器、边缘计算）

• 智能饲喂系统：AI（预测模型）+ IoT（自动饲喂器、环境传感器）