智能化畜牧业呼唤复合型跨界人才

　　陈一飞，教授，博士生导师。中国农业大学信息与电气工程学院学术、学位委员会委员，计算机科学与技术一级学科之数据科学与智能系统方向学科带头人，中国农业大学人工智能本科专业创建者，无人机与传感器研究所所长，人工智能与机器人研究中心副主任。

　　近年来，随着人工智能、大数据等技术的不断发展，智能化已经深入到各行各业。畜牧业作为传统产业，也在不断转型升级，以期通过智能化、数字化工具实现高质量发展的目标。在这一过程中，对于专业人才的需求也日益迫切，尤其是既掌握计算机、人工智能、大数据、以及自动化、机械设备等专业知识，又掌握动物养殖、畜牧与管理等知识的复合型跨界人才。那么，我国的智能化畜牧业发展现状是怎样的？如何培养智能化畜牧领域的复合型跨界人才？为此，记者专访了中国农业大学信息与电气工程学院工程实践创新中心主任陈一飞。

畜牧业尚未达到智能化水平

　　问：目前我国智能化畜牧业发展水平如何？

　　陈一飞：就我国畜牧业而言，尚未达到智能化水平。这里的智能化水平是指从畜牧业整体水平看，或者从整个完整的闭环大系统的角度看。虽然目前这个系统尚未达到智能化水平，但不妨碍个别智能设备的研发和推广应用，比如生猪的精准饲喂系统。目前有的精准饲喂管控设备不仅具备了饲料自动化配比和自动化投料，还可以做到生猪一对一的定位吃料和精准计量，并嵌入生猪发育预测模型等。另外，猪脸识别、猪行为识别等设备已经达到初步智能化水平了。但饲喂系统是整个养猪流程管控大系统中的一个分系统，还包括猪行为识别子系统、猪体尺识别子系统、猪生理生化指标在线检测子系统、猪舍环控子系统、能繁母猪及育肥和出栏信息化管理系统等等，因此，由许多分系统组成的养猪管控闭环的大系统还远远没有达到智能化水平。当然，国外养猪企业也没有达到真正的智能化水平，所以，在这一点上，我们与国际处于同一起跑线上。

　　2018年，中国畜牧业协会牵头成立了智能畜牧分会，标志着我国智能畜牧业开始发力，可以说2018年是我国智能畜牧业元年。在中国畜牧业协会特别是智能畜牧分会统筹和指导下，我国养殖设备生产厂家、科技研发公司、高校科研院所等，纷纷推出了具备初步智能化特征的畜牧养殖装备与系统，特别是面对智能养猪、智慧蛋鸡、智能奶牛养殖、智慧牧场等场景，已经有了许多先进设备应用的样板。但是智能化还是要看整个管控大系统的，而不是单个的独立的设备与子系统。智能化的实现是以代替人工为目的，是瞄准无人化的自主操控。因此，如果一个控制箱（柜）上有很多按钮和开关，只能说明该设备和系统具备手动控制或一定程度的自动化执行功能，而具备智能化管控能力的控制箱（柜）一般除了设置急停开关外，很少有其他开关或按钮。系统要实现智能化要具备五个“自”，即自适应、自学习、自组织、自诊断、自恢复。从这个角度看，智能化的确是自动化的更高级阶段。

　　智能畜牧的实现，要一步一步来，不是一蹴而就的。先要选好场景，实现子系统的自动化，把相关信息的采集与检测做好，然后再考虑管控大系统升级到智能化。升级到智能化的最佳体现是智能系统是不是闭环的、有没有嵌入动物模型、动物行为识别模型、动物营养模型、环境模型和智能管控模型及算法。

需要标准化、系统性人才培养方案

　　问：智能化畜牧业发展需要哪些复合型跨界人才？这些人才需要具备哪些素质？

　　陈一飞：智能化畜牧本身是一个新概念，也是数字经济背景和人工智能技术浪潮下催生的传统畜牧业转型和必然的发展方向。智能化畜牧业的发展需要复合型人才，也就是既懂人工智能、大数据、自动化控制与装备，又懂动物营养、养殖与管理的人才。但目前看，在人才培养的划分上有分歧：这类复合型人才是以哪个专业背景为主呢？如果以动科畜牧业专业背景为主，那么这些人才还要补充计算机、人工智能、大数据、自动化等知识和粗浅技术，以及机械设备等内容；而以计算机、大数据、人工智能、自动化、机电一体化等专业背景为主，那么这些人才要补充动物养殖、畜牧与管理等知识。我个人更倾向于后面这一类人才培养模式。因为工科出身的学生培养和训练具有特殊的系统思维模式和技术开发与自学能力，对于动物养殖及畜牧管理等知识，他们上手很快。相反，动科、畜牧业出身的学生，改学较深的计算机、大数据、人工智能、自动化技术与机械装备等知识和课程，就相对比较困难。因此，我认为这类复合型人才应优先具备工科专业背景与素养，然后在实践中熟悉场景，加深对动物营养、养殖等方面知识的积累，拓展应用经验。

　　问：目前上述跨界人才培养的现状如何？培养过程中有哪些困难或突出问题？

　　陈一飞：针对这类复合人才培养，教育部已经开始谋划，也围绕新农科建设，在涉农高等院校、高等职业院校开始鼓励相关专业的申报。最具代表的是西北农林科技大学在2021年开始招生的“智慧牧业科学与工程（090307T）”本科专业，首批招生60人。据悉，该专业目前设在动科学院来培养，主要还是以动科、畜牧背景为主。该专业人才培养方案体现了专业交叉、多学科融合，是一个很有意义的实践。但有关自动化、智能化、人工智能、计算机与信息化管理、大数据分析、传感及机械设备等方面课程，以及智能畜牧应用场景的综合技术开发与实践课程等，还应注重专业性和深度，而不能仅是导论、概论、讲座类型课程。

　　作为我国农业高等教育的排头兵，中国农业大学的动科学院也成立了智能养殖与环境科学系，其重点是对本科生在专业方向上的综合认知与实践上增加智能化内容、以及瞄准智能畜牧的研究生的培养。此外，中国农大的信息与电气工程学院还成立了人工智能本科专业，已经招生了两届，其中该专业的一个培养方向（出口）就是面向智能畜牧养殖的动物行为分析与精准饲喂智能调控及机器人技术。同时，工学院2020年获批的教育部新兴本科专业——农业智能装备工程本科专业，也已经招生了两届，其中一个培养方向也是瞄准智能畜牧业中智能装备及生产线设备设计与制造，如挤奶机、饲喂站、TMR等。以上这些举措，在基于工科背景的培养方案中，加入了面向智能畜牧应用方向的培养内容及课程，是一个以工科背景为主、动科畜牧知识为辅的培育模式。这让学生有了更具体的应用对象和场景，打破了单纯的“工具类”的基础课程学习的限制，为复合型人才培养奠定基础，特别是专业融合、学科交叉认知及自学的基础，学生毕业授予的学位是工学学士学位。

　　智能畜牧方向的人才培养是一个前所未有的探索，国际上也没有成熟的可借鉴的内容。目前存在的突出难点是：还没有形成一个完整的、标准化的人才培养方案，没有真正界定清楚是以工科背景为主、动科畜牧内容为辅，还是以动科畜牧专业为主、工科内容为辅的培育模式。同时，缺乏智能畜牧实践场景，以及具备复合能力的师资力量和公认、权威的核心课程教材，可能出现“大杂烩”的现象。因此，建议教育部在主持新农科建设过程中，面对智能畜牧人才培养推出递进式人才培养体系，即以高等职业涉农院校为基础、以高等涉农本科院校为晋级的梯队式人才培养体系，各行其责，制定两个版本的、可衔接的人才培养方案，并推出标准化细则，进而基于培养目标，各自导出课程的矩阵体系，开发各自的核心课程。同时，一定要加大产业学院和基地建设，打通学生的实训和实践渠道，培养“立地”和“顶天”的智能畜牧各类人才。

　　问：智能化畜牧业领域学生就业方向包括哪些？在择业方面的优势和困难体现在哪里？

　　陈一飞：学校在开设新专业的时候，要做市场调研和分析，尤其是对人才需求分析等，我们发现技术研发型企业、畜牧养殖企业、服务型企业等的社会需求持续旺盛。根据我们2019年做的问卷调查结果，前两类企业对智能畜牧背景人才需求不同，但是都很迫切。技术研发型企业看重人才的自动化、智能化、人工智能与计算机专业背景，养殖型企业看重计算机技术与信息化管理与系统维护人才、数据分析人才等。因此，这就为后续办学提供了参考和借鉴。

　　目前，各类高校的就业面临同样问题就是大部分学生选择继续深造，攻读硕士甚至是博士学位，而本科毕业直接选择就业，例如，进入养殖场或养殖企业干活的学生很少。因此，建议加大高职涉农院校的学生培养力度，加强国家对其的投资力度，增加对学生到企业就业的奖励，特别是智能畜牧领域的就业，一定要到生产实践的第一线去，去解决问题，承担运维管理和技术改进的实操工作。注重系统性解决问题，加大引导和奖励力度，提高就业学生待遇，引导及开辟上升空间。各类学校培养学生的目标不必要也不应该是将学生都变成行业的拔尖、领军人才。

亟需多主体共同发力

　　问：智能化畜牧业跨界人才培养涉及多类主体，政府、学校、企业、社会机构组织等主体应分别发挥什么作用？

　　陈一飞：人才培养非常重要。要做好顶层设计，组织好队伍，搭好班子。特别是目前智能畜牧的发展和进步几乎是以企业和技术应用市场为牵引的，倒逼教育的改革。因此，无论是高职、还是本科涉农院校，要和企业紧密结合，特别是与我国畜牧业龙头企业结合，坚持“五好”，即把场景搭好，把需求说好，把内容设计好，把班子组织好，把经费用好。

　　同时，建议发挥行业协会的统筹和协调作用，在人才培养方案、核心课程设置、实训与实践、考察交流、创业竞赛等方面，做好牵头、服务及引导工作。

　　对于涉农院校，要注重师资的培养，鼓励有实践经验、来自企业的工程师进校授课，必要时反聘有实践经验、科研经验的退休老教师继续授课。引导学生做好就业和考研方面的目标规划，设置递进的课程与学习和竞赛内容与开发能力提升，结合“双创”教育，把学生要学的基础课程、专业课程等设计好、讲授好。总之，无论是以工科为主的培养，还是以动科、畜牧为主的培养，都要有课程与教育的系统性和学习的连贯性与完整性，而不能面面俱到、蜻蜓点水、不深不透。

原文链接：http://nyj.nanyang.gov.cn/jcyj/592596.htm
[免责声明] 本文来源于网络转载，仅供学习交流使用，不构成商业目的。版权归原作者所有，如涉及作品内容、版权和其它问题，请在30日内与本网联系，我们将在第一时间处理。