综述：从个体识别到行为监测：RFID技术在精准畜牧业中的发展与挑战

《Computers and Electronics in Agriculture》：From individual identification to behavioral sensing—evolution and challenges of RFID technology in precision livestock farming

　　梁仁琦 | 张宇 | 刘松伟 | 张毅 | 薛爱迪 | 沈伟正
中国哈尔滨市东北农业大学电气与信息学院，邮编150030

**摘要**
精准畜牧业（PLF）迫切需要在大规模畜群中对单个动物进行自动化和细粒度的监测。射频识别（RFID）技术以其非接触式和自动化特性成为解决这一需求的基石技术。本文系统回顾了RFID在PLF中的应用演变，并提出了一种新的四阶段进化框架，从“识别”过渡到“感知”。该框架详细阐述了从基于近场/远场通信的基本个体和群体识别，到基于ID时间序列的宏观行为分析，最后利用接收信号强度指示器（RSSI）和相位等物理层信号进行细粒度跟踪和微观生理感知的技术进步。此外，本文还总结了在感知精度、硬件性能、数据标准化和实施成本方面的核心挑战，并提出了硬件-软件协同优化、多模态融合和建立数据标准等策略。展望未来，RFID的潜力不仅限于个体层面：通过分析时空共现关系，它可以解码畜群中的复杂社会行为。此外，对物理层信号的深入挖掘为被动生理感知（如心率和呼吸）提供了理论潜力，尽管仍需进行大量的体内验证。最终，本文认为“RFID+”生态系统是关键的发展方向：利用RFID作为核心枢纽，将身份信息贯穿于多模态数据中，从而构建一个高度集成和智能的感知网络，以支持PLF的发展。

**引言**
随着全球对动物蛋白需求的增长以及对可持续、高福利养殖模式的追求，现代畜牧业正迅速向集约化和大规模化方向发展。在此背景下，精准畜牧业（PLF）作为一种关键解决方案应运而生，旨在通过先进技术优化生产流程、提高动物福利标准并增强产业可持续性（Berckmans, 2017; Papakonstantinou et al., 2024; Tzanidakis et al., 2023）。然而，实现PLF的主要瓶颈在于对大规模畜群中单个动物进行连续、准确且非侵入式的监测。随着农场规模扩大到数百或数千头动物，依赖传统的人工检查变得越来越不可行。这些方法无法满足细粒度健康和福利管理的需求，缺乏全天候、客观的数据采集能力，常常导致干预时机错失，从而造成重大经济损失（Aquilani et al., 2022; Tzanidakis et al., 2023）。替代监测技术通常面临实际限制，例如主动可穿戴设备所需的电池维护或计算机视觉对光照的依赖（Shulkin et al., 2025）。相比之下，射频识别（RFID）技术提供了无电池、高耐用性和成本效益的被动操作方式。因此，RFID已成为连接物理牲畜与数字管理平台的重要桥梁，特别是在复杂环境中提供稳定和唯一标识的能力方面（Brown-Brandl et al., 2019; Tzanidakis et al., 2023）。

在众多动物监测技术中，RFID因其独特优势而形成了独特的技术路线，在PLF的数字化过程中发挥了关键作用。1948年提出的基于RFID的通信系统奠定了其早期应用的基础。到20世纪70年代，被动RFID标签正式用于动物识别，标志着该技术进入畜牧业（Paudel and Brown-Brandl, 2025）。RFID系统通过标签与读取器之间的通信为每头动物分配唯一的数字身份，为从基本身份识别到复杂行为监测的全面数字化奠定了基础。目前，畜牧业中的RFID技术主要包括基于近场感应耦合的低频（LF）和高频（HF）系统用于近距离识别，以及利用远场反向散射的超高频（UHF）系统，后者因其更远的读取范围而越来越被用于畜群跟踪。虽然LF/HF系统的早期采用主要是由严格的监管要求推动的（例如欧盟和美国的牲畜可追溯性和疾病控制规定），但RFID在PLF中的后续发展主要是由射频工程技术的进步驱动的。随着现代畜牧业的规模化，集约化养殖带来的经济压力暴露了传统LF/HF系统的“高吞吐量瓶颈”。由于这些系统依赖于短距离读取，动物通常需要逐一通过狭窄的通道，这严重限制了畜群的流动效率，无法满足大规模操作的高吞吐量需求。克服这些限制的努力推动了UHF系统的采用。

总体而言，这些技术构成了PLF信息管理的基础框架。重要的是，RFID技术正在不断进化，而不仅仅是保持静态。最近的研究表明，从传统的“识别”功能（仅用于确认动物身份）向新的“感知”能力发生了显著转变。这种转变利用了物理层（PHY）特性，如接收信号强度指示器（RSSI）、信号相位和信道状态信息（CSI），来感知环境条件和动物状态。因此，研究人员现在可以从连续的RFID信号中提取可操作的见解，以促进细粒度的行为分析和健康监测。这种功能转变使RFID从一个简单的可追溯性标签提升为一个关键的信息节点，能够在复杂的养殖环境中感知动物行为并提供数据驱动的决策支持。因此，RFID技术现已渗透到PLF的整个价值链中——涵盖个体跟踪、畜群管理和行为洞察——形成了该领域内独特且不可或缺的技术路径。

近年来，RFID技术在PLF中的应用引起了学术界的广泛关注。正如我们后续的文献计量分析（第2.1节）所详述的，该领域的出版物数量呈现出持续上升的趋势，2003年至2025年的复合年增长率为13.7%，尤其是在2020年后随着研究转向行为感知而显著增加。如表1所示，现有综述文献主要从多个维度探讨了这一领域，包括一般技术概述、特定物种的应用以及底层硬件基础设施。在一般应用方面，Pereira等人（2023）系统回顾了RFID技术的演变，特别分析了操作频率和跟踪动物物种等因素。针对特定物种的研究也更加深入，涵盖了牛群跟踪方案的比较分析（Montalván et al., 2024）、在养羊业中的实施可行性（Odintsov Vaintrub et al., 2021）以及家禽行为监测的标准化（Alindekon et al., 2023, Kafle et al., 2025）。此外，一些研究专注于电子耳标的硬件创新（Peng et al., 2025），或提供了将RFID与其他基础技术（如计算机视觉）进行横向性能对比的基准测试（Shulkin et al., 2025）。尽管现有文献广泛讨论了RFID及相关感知技术，但仍存在一些关键知识空白（见表1）。最近的系统调查，如Pereira等人（2023）提供了关于硬件协议和特定物种部署的全面概述；然而，它们主要将RFID视为一种静态的识别工具。之前的调查往往侧重于比较硬件原理或特定应用解决方案，从而忽略了技术本身的根本演变。因此，缺乏系统分析RFID内在进化逻辑的全面研究——特别是其从传统“个体识别”（回答“谁”）到尖端“行为感知”（回答“什么”和“如何”）的转变。

为了解决这一关键差距，本文建立了PLF中RFID的新“四阶段进化框架”。与主要关注基于硬件的应用分类的先前框架不同，我们提出的框架明确将物理层技术的演变与畜牧业日益增长的需求联系起来，描绘了从基本可追溯性到高级行为认知的路径。此外，它还深入讨论了这一转变中固有的核心挑战和未来机遇。

**方法论**
为了确保方法论的透明度、全面性和可重复性，本系统综述严格遵循PRISMA 2020指南（Page et al., 2021）进行，并参考了PRISMA-S扩展进行全面的文献搜索报告。

**搜索策略和信息来源**：2026年4月进行了全面的系统文献搜索，以捕捉该领域最相关和最新的进展。

**RFID在PLF应用中的核心挑战**
尽管RFID技术具有巨大潜力，但其实际应用仍面临诸多挑战。本节从感知精度和数据质量、硬件性能和环境适应性、数据标准化和模型泛化以及实施成本和工业化障碍等方面系统分析了这些挑战。

**提高RFID感知精度和数据质量的关键策略**
为了解决群体识别中的常见问题——特别是漏读、误读、交叉读取和标签碰撞——研究人员开发了从前端硬件部署到后端软件处理的全面“硬件-软件协同”策略。主要目标是消除噪声并保持数据完整性，从而提高原始数据采集的性能和质量。这些对策可以分为硬件部署等方面。

**结论**
本文系统回顾了RFID技术在PLF中的应用演变轨迹。分析强调了从基于LF/HF的个体识别和基于UHF的群体识别到利用ID序列进行细粒度空间跟踪和宏观行为分析的技术转变。此外，当前研究正朝着利用物理层信号进行微观生理感知的前沿发展。

**作者贡献声明**
梁仁琦：撰写——原始草案、可视化、方法论、调查、正式分析、数据整理、概念化。
张宇：撰写——审阅与编辑、验证、监督、方法论、概念化。
刘松伟：调查、数据整理。
张毅：撰写——审阅与编辑、验证、监督、方法论、概念化。
薛爱迪：验证。
沈伟正：撰写——审阅与编辑、监督、项目管理、资金获取。

**利益冲突声明**
作者声明他们没有已知的竞争财务利益或个人关系可能影响本文报告的工作。

**致谢**
本工作得到了中国国家重点研发计划（项目编号2024YFD1300600）和CARS专项基金（项目编号CARS-36）的支持。