《Computers and Electronics in Agriculture》：Precision livestock farming and farm animal welfare: a scientometric analysis of research trends and technological innovations
本研究首次采用双轨科学计量学综述，同时分析了2006-2025年间1,594篇精准畜牧业（PLF）出版物和3,239项专利的发展趋势。研究结果表明，出版物与专利呈现协同演化关系，两者之间的皮尔逊相关系数r=0.913（95%置信区间（CI）0.79-0.97），交叉相关函数（CCF）峰值出现在滞后0期。出版物的年增长率（AGR）为32.2%，显著高于专利的20.2%，揭示了研究与实践之间存在差距。地理分布上呈现显著不对称性：中国在出版物数量上领先（占15.5%），而美国在专利数量上占主导地位（占49.9%）。研究将PLF发展历程划分为三个阶段：硬件验证阶段、福利结果验证阶段以及人工智能（AI）集成阶段（利基主题）。
**1. 引言**
精准畜牧业（Precision Livestock Farming, PLF）代表了畜牧业的重大转变，引入了创新的、基于计算机的技术，以持续、实时地监测和管理农场动物。过去二十年间，这种方法在学术文献中获得了广泛关注。PLF旨在为农民提供关于其动物和环境的当前状态信息，以便他们能基于证据的决策，快速响应牲畜需求、健康和行为的变化。尽管该领域文献大幅增长，但尚缺乏对PLF研究和商业创新如何协同演化的定量科学计量学评估。当正确实施时，PLF可以帮助生产者提高技术效率，同时改善动物的健康和福利。其经济意义重大：全球PLF市场在2025年估值约为79亿美元，预计到2030年将达到121亿美元（约8.8%的复合年增长率（CAGR）），凸显了PLF采用背后的商业动力。
尽管PLF出版物数量增长，但能够解决畜牧业挑战的实用、商业可行的PLF解决方案数量仍然有限。PLF文献的激增很大程度上是由学术界的知识好奇心和新颖技术概念的发展驱动的。关于PLF技术成功商业化的研究受到有限数据开放获取和少数商业公司专有控制的限制。
几篇综述探讨了PLF技术如何改善农场动物福利。Benjamin和Yik (2019)综述了用于猪福利的PLF工具，并得出结论，PLF在猪肉价值链中的持续发展和连接将把消费者和农民联系起来，使两个层面都能做出基于证据的决策。Schillings等人 (2021)使用五域模型评估了PLF技术，强调了包括减少疾病、提高生产力和早期发现福利问题在内的优势，同时指出了潜在缺点，如对人类-动物关系和农民身份的影响。Tuyttens等人 (2022)识别并分类了PLF对动物福利的12种主要威胁，分为四类（直接伤害、通过最终用户的间接伤害、通过改变住房和管理的间接伤害、以及通过伦理停滞或退化的间接伤害），并提出了每种威胁的缓解策略。Gómez等人 (2021)对用于养猪生产并经验证的PLF技术进行了系统综述，识别出基于10种传感器类型的83种商业工具，并得出结论，现有PLF技术是进行农场福利评估的潜在工具，但许多市场可用的工具缺乏验证研究。Stygar等人 (2021)综述了用于奶牛福利评估的、商业可用的、基于传感器的PLF技术，发现129种技术中只有30种具有外部验证，并确定加速度计是验证最多的传感器类型。PLF技术必须价格合理、可靠、易于使用，并且必须能够充分、实时地提供反映动物福利状态的数据。
与这些叙述性综述不同，本研究同时调查了与动物福利相关的PLF出版物和专利生产趋势，以确定学术和工业活动之间的紧密程度。此前没有科学计量学研究同时分析该领域的同行评审出版物和专利记录，因此对学术知识生产和商业创新是否真正协同演化或正在分化的理解存在空白。由于专利在提交时记录了发明活动，因此专利趋势在整个研究过程中被解释为创新产出的指标——即保护新PLF发明的倾向性，而不是商业采用或农场部署的直接衡量标准，专利元数据无法捕捉这些信息。本研究旨在解决两个研究问题：(1) 2006年至2025年间，PLF出版物和专利生产趋势之间的关系是什么？(2) PLF研究的关键概念子领域是什么，它们在过去的20年中是如何演化的？
在此进行科学计量学综述是必要的，因为叙述性综述虽然具有解释性深度，但无法量化跨越数千条记录的知识生产与商业创新之间的结构关系；文献计量学和专利分析方法正是为了可重复地映射这种大规模、纵向的模式而设计的。因此，量化出版物-专利的协同演化为研究资助者、政策制定者和技术开发者提供了优先考虑投资和诊断研究与实践差距的证据基础。更根本地说，科学计量学（科学图谱）综述是一种方法论上独特的综述类型，而不是一个不那么详细的叙述性或内容分析性综述：既定的综述类型学将其归类为一个独立的类别，具有自身的逻辑和有效性标准，其核心技术——共词、共被引和合著图谱——旨在客观、可重复地描述一个领域的结构，而不是评估个别研究。与此目标一致，本综述的范围是将PLF应用于监测陆地农场动物物种的健康和福利相关参数；下文报告的主要是奶牛和猪的优势是检索到的语料库的经验属性，而非先验限制，水生物种不在本综述范围内。
**2. 方法论**
**2.1. 概述**
本研究采用混合语料库科学计量学设计，同时分析同行评审的科学出版物和专利记录，以提供关于应用于农场动物健康和福利监测的PLF技术的20年综合视角（2006-2025年）。通过三角互证文献和专利数据库，既能捕捉到科学知识基础，也能捕捉到该领域的发明和商业活动，与既定的技术景观方法论一致。本综述方法遵循系统综述和荟萃分析的首选报告项目（PRISMA）框架，并特别调整以适应本研究的双轨文献计量学和专利结构；不适用于专利语料库的要素（例如，偏倚风险评估）被省略，并替换为专利特定的质量和资格标准。所有检索均在2026年1月至4月间进行。完整的PRISMA调整流程图提供了详细的出版物和专利筛选与选择过程。数据准备流程包括五个连续阶段：(i) 数据库选择与检索策略设计；(ii) 系统检索；(iii) 跨数据库合并与去重；(iv) 相关性筛选与资格评估；以及(v) 字段统一、语料库组装与统计分析。完整的流程图总结了每个阶段的记录计数。所有布尔检索字符串、字段统一方案、排除日志和分析脚本的完整细节均可在补充文件中找到。
**2.2. 数据库选择**
选择了三个互补的专利数据库以最大化全球司法管辖区的覆盖范围：Lens.org（主要来源；索引了来自超过95个国家和地区专利局的记录）、Espacenet（欧洲专利局；提供跨司法管辖区去重的DOCDB家族号）和PATENTSCOPE（世界知识产权组织（WIPO）；全面覆盖《专利合作条约》（PCT）申请以及在Lens.org中代表性不足的司法管辖区）。使用了两个互补的文献数据库：Web of Science (WoS) 核心合集（主要来源；提供引文计数和关键词加（Keywords Plus，Clarivate/WoS专有功能））和Scopus（更广泛的期刊覆盖范围，特别是对于新近成立的期刊）。WoS和Scopus在减少系统性覆盖偏差方面的互补性已得到充分证实。
**2.3. 检索策略与检索**
检索策略围绕三个概念块构建，通过布尔AND运算符连接：(1) PLF技术术语，涵盖传感器、自动化系统和监测设备；(2) 目标物种或一般牲畜术语；(3) 福利或健康结果术语。检索字符串使用了31个核心概念子句，涵盖命名的PLF系统、传感器类型、福利相关结果和一般的PLF框架术语。以Web of Science主题检索为例，它结合了三个块：TS = ((“precision livestock farming” OR “smart farming” OR sensor* OR accelerometer OR “computer vision”) AND (cattle OR dairy OR pig OR poultry OR sheep OR goat OR livestock) AND (welfare OR health OR lameness OR “heat stress” OR behaviour))；完整的、数据库特定的字符串在补充文件中逐字再现。对于专利检索，国际专利分类（IPC）过滤作为强制性AND约束应用，将结果限制在子类A01K（畜牧业）和A01J（乳品业），将Lens.org原始超过53,000条候选记录减少到1,005项活跃专利（减少了98.1%；这种积极的过滤对于排除主导A01类但超出本综述范围的大量作物和机械相关专利是必要的）。针对25项专利种子集的召回验证确认此过滤器未排除任何已知的相关专利。所有五个数据库的完整布尔字符串均在补充文件中逐字提供。来自三个数据库的专利记录在去重前产生了4,207条记录的原始合并语料库（Lens.org n=1,005；Espacenet n=500；PATENTSCOPE n=2,702）。出版物记录包括1,611条WoS记录和921条Scopus记录，以BibTeX格式导出。
**2.4. 去重、筛选与资格评估**
专利去重使用Python基于归一化标识符匹配策略进行程序化处理。这识别出54条存在于两个或更多数据库中的记录（1.3%的跨数据库重叠率）。出版物去重使用数字对象标识符（DOI）作为主键，对于35条（2.0%）缺少DOI的记录，使用基于标题的匹配作为后备方案，识别出794条（31.4%）同时存在于WoS和Scopus的记录。最终的合并出版物语料库包含1,738条唯一记录。专利资格筛选采用两阶段方法：(1) 使用基于规则的Python分类器进行自动筛选，该分类器带有14个排除模式类别的精选库；(2) 对22条边界记录进行人工裁决。资格标准要求专利描述一种在指定的陆地农场动物物种中监测、检测、测量或评估福利相关生理、行为或环境参数的技术、设备、系统或方法。在限制到2006-2025年研究期后，分析性出版物数据集包含1,594篇出版物，分析性专利数据集包含3,239项专利文件。当论文旨在自动监测农场动物健康、福利或行为参数（例如，攻击行为、跛行、呼吸系统疾病、热应激、体温、环境条件）时被选中。当目的主要是为了完善算法而没有PLF系统应用、涉及运输或屠宰后问题、应用于非养殖环境或结果不确定时，论文和专利被排除。综述文章、书籍章节、会议评论和非英语语言记录也被排除。
**2.5. 数据分析**
所有统计分析和可视化均在R中使用相关包进行。完整的带注释的R脚本作为补充文件提供，可以精确复现所有图表。所有图像均以300 DPI保存。Python 3.11用于所有数据准备步骤。研究期为2006-2025年（20年），分为两个10年子时期：2006-2015年和2016-2025年。两个语料库的年增长率（AGR）通过将对数线性普通最小二乘回归模型拟合到累积年序列来估计：log (Cumulative
t + 1) = α + β·Year
t + ε
t。常数(+1)防止在计数为零的年份出现未定义的对数值。AGR计算为(exp(β?) ? 1) × 100。年度出版物和专利计数之间的时间关系使用皮尔逊积矩相关系数（2006-2025年）和R的ccf()函数进行的交叉相关函数（CCF）分析进行评估，最大滞后为5年。由于此估计器拟合的是累积序列的对数，因此得到的AGR是复合（几何）增长率，类似于复合年增长率（CAGR），而不是逐年变化的简单算术平均值。PLF出版物的主题演化使用卡隆中心性-密度框架进行分析，该框架适用于单个关键词级别的图谱。在每个子时期内，构建一个对称的关键词共现矩阵，计算每个关键词的卡隆中心性和密度，并选择综合得分前20的关键词在二维主题图中显示。专利主题演化使用基于八个预定义PLF技术领域的类似方法，每个领域由应用于标题和摘要文本的正则表达式的种子术语定义。两个分析都使用力导向排斥来最小化气泡重叠，并根据中心性和密度值相对于该时期中位数中心性和中位数密度作为象限阈值，将关键词或领域分配到四个象限之一，遵循标准的卡隆框架。
**2.6. 质量保证与局限性**
在最终检索执行前，使用包含25项已知PLF专利和20篇已知PLF出版物的种子集来验证召回率；所有45条种子记录均被检索到。所有254条被排除的专利记录及其具体排除原因均保留在补充文件中。所有关键字段的数据完整性率在补充文件中报告，低于90%覆盖率的字段被标记。主要局限性包括：(1) 尽管检索了三个专利数据库和两个文献数据库，但可能遗漏了一些相关记录；(2) Espacenet批量导出省略了摘要文本，并且每次下载限制为500条记录；(3) PATENTSCOPE在Single Family Member = False的情况下进行检索，这意味着在多个国家/地区专利局提交的一项单一发明可能以多条记录出现；做出此选择是为了捕捉PLF专利活动的完整司法管辖区范围，但读者应注意，PATENTSCOPE衍生的计数会高估在多个PCT成员国提交的发明；(4) 所有检索均限于英语文本字段；(5) 主题图中的卡隆中心性和密度度量是在每个单独的时间段内计算的，因此对绝对度量值进行跨时期比较是不合适的——只能解释象限位置和时期之间的相对变动。
**3. 结果**
**3.1. 描述性统计**
表1展示了PLF出版物和专利语料库的主要描述性统计数据。出版物语料库包含2006年至2025年间发表的1,594篇同行评审期刊文章，作者为5,907位唯一作者。研究期间出版物产出的年增长率（AGR）为32.2%，反映出PLF研究快速且持续的扩张。每篇文献的平均Web of Science引文数为19.9（最大值=391次引文；适用于n=1,475条记录）。专利语料库包含跨越24个申请司法管辖区的3,239项专利文件，AGR为20.2%。Lens.org活跃专利子集（n=923）的平均前向引文计数为每项专利7.4次引文，平均简单专利族大小为10.0。
**3.2. 年度产出与累积增长趋势**
图2展示了研究期间年度和累积的出版物与专利产出。在第一个十年（2006-2015年）中，两个流都较为有限，平均每年产出16.6篇出版物和68.1项专利。从2016年起出现了明显的分歧：2016-2025年期间的年平均出版物产出为142.8篇（增加了8.6倍），而年平均专利产出增长到255.8项（增加了3.8倍）。年度出版物产出从2006年的3篇增加到2025年的333篇；年度专利产出从2006年的67项增加到2025年的350项。两个流的加速在2017-2018年之后尤为显著，这与深度学习（DL）和卷积神经网络在农业研究中的主流化、GPU加速计算的广泛采用以及专门针对智慧农业的会议和期刊的启动相吻合。这些发现与更广泛精准农业文献的文献计量学分析结果一致，后者同样将2017-2018年确定为AI驱动农业研究的转折点。
**3.3. 出版物与专利活动的地理分布**
**3.3.1. 按国家/地区划分的出版物产出**
按隶属机构计数，中国是PLF出版物的主要贡献者（n=145, 15.5%），其次是美国（n=122, 13.1%）、英国（n=99, 10.6%）、意大利（n=89, 9.5%）、巴西（n=64, 6.9%）和德国（n=52, 5.6%）。每个记录分配一个国家/地区，没有可识别国家/地区的记录被排除在此分母外（n=934条记录已分类）。强大的欧洲存在反映了长期的PLF研究计划，尤其是鲁汶大学M3-BIORES实验室，其创始研究人员创造了“Precision Livestock Farming”这一术语，并维持了长达二十年的领先研究计划。
**3.3.2. 专利司法管辖区分布**
专利活动的地理分布与出版物产出显著不同，揭示了学术研究与工业创新之间的地理不对称性。美国以1,616份文件（占专利语料库的49.9%）主导专利提交，其次是PCT/世界知识产权组织（WIPO）国际申请（n=834, 25.7%）、欧洲/欧洲专利局（EPO）（n=254, 7.8%）、中国（n=224, 6.9%）、韩国（n=72, 2.2%）和印度（n=66, 2.0%）。PCT国际申请的高比例（25.7%）表明，相当一部分PLF发明者寻求多司法管辖区保护，这表明其商业雄心超越国内市场。
**3.4. 领先的发表渠道与多产作者**
按PLF出版物数量排名的前三名期刊是：(1) Computers and Electronics in Agriculture (COMPAG; n=186; 占语料库的11.7%)，(2) Animals (n=167; 10.5%)，和(3) Journal of Dairy Science (JDS; n=160; 10.0%)，三者合计占所有出版物的32.2%。COMPAG的主导地位与其涵盖农业工程、计算和动物科学的广泛学科范围一致。Smart Agricultural Technology (n=57) 于2021年创刊，已排名第四，证实了该领域出版渠道的快速多样化。在作者消歧后，语料库中最多产的个人作者是Daniel Berckmans（鲁汶大学），“Precision Livestock Farming”这一术语的创始人，其次是Tomas Norton（鲁汶大学/奥胡斯大学），他是PLF传感器系统和用于牲畜福利评估的计算模型领域的领军人物。
**3.5. 出版物-专利相关性与时间滞后分析**
2006-2025年间，年度出版物产出与年度专利文件数量之间的皮尔逊积矩相关系数为r=0.913（95% CI 0.79-0.97, p<0.001），表明两个时间序列之间存在非常强的正线性关系。交叉相关函数（CCF）分析显示，峰值交叉相关性出现在滞后0期（滞后0期的CCF系数=0.91，等于同期皮尔逊相关系数），表明出版物和专利倾向于对相同的技术和市场刺激同时做出反应，而不是一个流系统地领先于另一个。这种协同演化模式挑战了简单的线性技术转移模型，反而表明PLF作为一个整合的研究-创新生态系统运作，其中学术研究人员和商业开发者并行协作开发解决方案。
**3.6. 研究主题趋势**
时间主题趋势分析揭示了研究期间内的三个不同研究时代。在2006-2015年期间，早期的PLF研究以可穿戴传感器平台为主导，特别是加速度计、计步器、射频识别（RFID）系统、红外热成像和挤奶系统集成。随着传感器硬件在2016-2021年间变得商品化，研究注意力转向验证福利相关结果，包括跛行检测、热应激监测、体况评分、产犊检测和乳房炎早期预警。从2016年到2025年，机器学习（第一个PLF关键词出现于2016年）、计算机视觉（2016年）、深度学习（2018年）和人工智能（2015年）成为主导关键词。这些术语的中位年份证实，PLF研究中的AI集成是一个真正近期的现象，集中在2020-2025年。综合来看，这种时间特征表明，AI作为最近的方法学层进入PLF，建立在先前的传感器硬件和福利验证研究之上，而不是取代它们。
**3.7. 专利司法管辖区趋势（2006-2025年）**
前五大申请司法管辖区（美国、PCT/WIPO、欧洲/EPO、中国、韩国）的年度专利文件数量显示，美国的主导地位贯穿整个研究期间，所有五个司法管辖区在2016年之后均显示出加速的申请活动。中国和韩国日益增长的专利存在表明，对传统西方PLF技术市场的竞争挑战正在出现，这与东亚在农业AI领域更广泛的增长模式一致。
**3.8. PLF出版物研究的主题演化**
**3.8.1. 时期1：2006-2015年**
2006-2015年的主题图显示了一个处于早期形成阶段的研究格局。机动主题象限（高中心性，高密度；右上象限）由“dairy cow”锚定，反映了该领域主要关注奶牛福利监测。该聚类中的共现关键词包括“behavior”、“lameness”和“accelerometer”，这与关于用于奶牛福利评估的可穿戴传感器平台的早期验证文献一致。利基主题象限（低中心性，高密度）包含“dairy”、“mastitis”和“pedometer”，表明内部凝聚力强但领域外围的研究流。基本主题象限（高中心性，低密度）包含“animal welfare”和“infrared thermography”，表明这些主题具有广泛相关性，但相对于其潜力而言发展不足。这反映了该时期侧重于展示技术可行性，而非产生严谨的福利结果证据。
**3.8.2. 时期2：2016-2025年**
2016-2025年的主题图揭示了一个更加复杂和分化的研究格局。机动主题象限被“behavior”和“cattle”占据，确认了自动化动物行为监测作为PLF福利研究核心方法学范式的巩固。利基主题象限包含“deep learning”、“computer vision”、“object detection”和“physiology”，表明基于AI的图像分析已达到高内部凝聚力，但仍处于PLF领域的前沿，尚未完全与福利结果流整合。值得注意的是，“lameness”在两个时期都持续出现在基本主题象限：尽管经过数十年的研究，可靠的自动跛行检测系统尚未实现广泛的商业采用。
**3.9. PLF专利技术领域的主题演化**
**3.9.1. 时期1：2006-2015年**
在第一个专利时期，“Feeding & Nutrition”占据了机动主题象限，反映了电子母猪饲喂器和精准饲喂系统的商业成熟度——这些是最早实现广泛商业部署的PLF技术之一。“Dairy & Milking”占据了利基主题象限，表明内部凝聚力高，这与DeLaval和Lely在自动挤奶方面的集中专利组合一致，但与其他专利领域的外部连接性较低。其余领域大多处于新兴或衰退象限，表明这些商业专利流尚未达到临界数量。
**3.9.2. 时期2：2016-2025年**
2016-2025年的专利主题图揭示了PLF专利格局的重大重组。“Feeding & Nutrition”巩固了其作为机动主题的地位，证实了自动饲喂技术的长期商业主导地位。“Livestock Tracking”以更高的中心性进入基本主题象限，反映了基于RFID的耳标和GPS项圈专利申请的爆炸性增长。“Behavior & Welfare”、“Health & Disease”、“Computer Vision & AI”和“Environmental & Housing”都出现在基本主题象限，表明具有高商业相关性但内部凝聚力较低——这与它们相对于乳品自动化领导者而言更分散的专利申请人结构一致。“Dairy & Milking”收缩到利基主题象限，反映了随着其他技术领域的增长，其相对中心性正在下降。
**4. 讨论**
**4.1. PLF研究与创新的协同演化**
结果对研究问题1提供了清晰且精确的定量答案：出版物和专利产出协同演化，皮尔逊相关系数为r=0.913 (p<0.001)，两个流均大幅增长但速度不同（出版物AGR=32.2%；专利AGR=20.2%）。滞后0期的峰值CCF表明，学术和工业PLF活动同时对共享的赋能条件做出反应。实际意义在于，弥合研究与实践差距的策略必须解决社会技术性和经济采纳障碍，而不是假设一个从学术发现到商业产品的简单管道。语料库中大学和公共研究机构作为专利申请人所占的高比例，特别是来自中国、韩国和比利时的，支持了这一解释。出版物（32.2%）相对于专利（20.2%）显著更高的AGR，证实了Banhazi等人 (2022)的论点，即PLF文献的激增主要是由知识好奇心和新颖技术概念的发展驱动的，而非经过验证的系统的商业化。2017-2018年后的时间加速反映了三个使能因素的汇聚：(1) 深度学习框架的成熟，使得基于图像的动物监测在商业规模上变得实际可行；(2) 高分辨率相机、加速度计和RFID平台成本的急剧下降；以及(3) 欧盟、英国和美国日益增长的监管和消费者压力，要求提高农场动物福利标准。
**4.2. 研究与创新领导力的地理不对称性**
最引人注目的发现之一是出版物领导力与专利领导力之间存在尖锐的地理不对称性。中国在出版物产出方面领先（占国家/地区分配的15.5%），而美国在专利提交方面占主导地位（49.9%）。这种分歧反映了根本不同的国家创新体系：中国大力投资于学术出版物作为研究生产力的指标，而美国则优先考虑知识产权保护和技术商业化，并得到深厚农业技术风险投资生态系统的支持。欧洲的合并份额低估了其学术贡献，这与欧洲研究机构更倾向于开放出版物而非基于专利的知识保护传统一致。还应该承认，美国公司提交的EPO申请在本数据集中被归类为美国司法管辖区，这可能会进一步夸大美国在专利数量上的明显优势。中国（6.9%）和韩国（2.2%）日益增长的专利存在预示着对传统西方PLF技术市场的竞争挑战正在出现。印度出现在专利语料库中（2.0%）值得注意，因为其PLF出版物足迹很小，这表明正在开发适应小农养殖系统的PLF解决方案，而这些系统在全球学术文献中代表性不足。展望未来，这种地理不对称性的轨迹可能取决于PLF数据和模型是沿着开放科学路线还是专有路线发展：开放、可互操作的数据生态系统可以加速中低收入国家的本地化适当创新和采用，而集中在少数公司手中的专有控制可能会固化当前的鸿沟。
**4.3. PLF研究的主题演化**
主题分析揭示了三个重叠阶段的结构化且可解释的演化，解决了研究问题2。在阶段1（2006-2015年），演示传感器平台的技术可行性主导了研究议程，使用加速度计和计步器进行奶牛行为监测是机动主题。“animal welfare”被归类为基本主题证实，虽然福利结果被广泛提及，但严格自动化福利评估的科学基础设施尚未到位。阶段2（2016-2020年）见证了针对特定福利指标的研究加强，包括跛行检测、热应激监测、乳房炎早期预警和产犊预测，这受到欧盟农场动物福利指令和农场保证计划对自动化福利监测的政策需求驱动。“lameness”在两个时期都持续出现在基本主题象限，这强调了将有验证的跛行检测算法转化为可靠、商业部署的系统仍然是一个未解决的挑战。阶段3（2021-2025年）的特点是机器学习、计算机视觉和深度学习作为PLF主导关键词的出现。将这些术语归类为利基主题——高内部凝聚力但较低领域范围的中心性——可以说是最具政策相关性的发现。这意味着当前的AI-PLF文献，尽管近年来在数量上占主导地位，构成一个相对自我参照的研究集群，尚未证明其与福利结果、兽医实践和农场管理系统的跨学科联系，而这种联系才是真正的领域就绪性的特征。这与Tuyttens等人 (2022)的警告一致，即存在12类PLF对动物福利的威胁，包括验证不足和过度依赖算法决策，并强调了AI-PLF研究界需要更直接地与福利科学家、兽医和农民接触。一个合理的近期情景是，随着视觉和基于传感器的模型成为标准农场设备的嵌入式、现成特征，而非定制的研究原型，AI将从其当前的利基位置迁移到机动主题位置。这种转变可能会被大规模、预训练的基础模型和生成式人工智能（GenAI）所推动，后者可以缓解目前限制PLF系统的数据碎片化和场地特异性问题，并能够将多模态生物识别数据整合为跨不同农场环境的可操作福利洞察。
**4.4. PLF专利格局：商业成熟度与新兴竞争**
专利主题分析揭示了两个不同的动态：(1) 乳品自动化方面的成熟、集中专利组合，代表了数十年的增量技术发展；(2) 分布在大量申请人中的、在牲畜跟踪、基于AI的行为监测和环境管理方面的新兴多元化专利申请浪潮。“Feeding & Nutrition”作为机动主题在两个时期的持续存在，反映了精准饲喂技术的经济成熟度——这是少数几个自动化系统已在大规模上显著改善动物福利和农场盈利能力的PLF领域之一。专利活动主要集中在跨大西洋公司，而科学知识生产日益全球化（中国、巴西和意大利在出版物方面领先），这引发了关于PLF技术公平获取的重要问题，特别是在畜牧业是数百万小农主要生计来源的中低收入国家。
**5. 结论**
本研究据我们所知，首次在20年时间范围内，特别关注农场动物健康和福利结果，同时考察PLF出版物和专利趋势的科学计量学分析，涵盖了2006-2025年间的1,594篇同行评审出版物和3,239项专利文件。简而言之，政策相关的要点是：(1) PLF研究和创新协同演化，但研究产出超过商业化速度；(2) 研究领导力（中国）和专利领导力（美国）在地理上脱钩，对中低收入国家具有公平性影响；(3) AI普遍存在但尚未与福利验证整合；(4) 自动跛行检测和非奶牛物种仍然是优先缺口。PLF出版物和专利产出协同演化，而非顺序演化。强正相关性（r=0.913, p<0.001）和滞后0期的CCF峰值表明，它们是响应共享的赋能技术和市场需求而同步增长的，而不是一个从基础研究到商业化的线性路径。更紧迫的挑战是将共同产生的知识转化为广泛采用的、经过福利验证的农场管理系统。重要的是，协同演化并不意味着福利结果在实践中得以实现；它反映了共享的技术机会，而非共享的福利影响。出版物增长显著超过专利增长。出版物AGR（32.2%）是专利AGR（20.2%）的1.6倍，证实了大量PLF研究仍处于概念验证阶段，尚未产生能够驱动相应商业专利提交的、经过验证且可部署的解决方案。研究与创新领导力之间存在显著的地理不对称性。中国在出版物产出方面领先（占国家/地区分配的15.5%），而美国在专利提交方面占主导地位（49.9%），这引发了关于中低收入国家公平获取PLF技术的重要问题。PLF研究经历了三个可识别的主题阶段：硬件验证阶段（2006-2015年）、福利结果验证阶段（2016-2020年）和AI集成阶段（2021-2025年）。AI-PLF研究目前占据利基主题位置——内部凝聚力强但尚未与构成本成熟PLF研究特征的福利结果验证流完全整合。跛行检测仍然是一个未解决的PLF挑战。“lameness”在两个主题时期都作为基本主题出现，表明尽管经过数十年的研究，自动跛行检测尚未实现主题连贯性和跨学科整合。鉴于跛行是奶牛养殖中最具经济重要性的福利问题，这一差距代表了未来PLF研究投资的优先目标。商业PLF由乳品自动化主导，并日益多元化。“Feeding & Nutrition”和“Dairy & Milking”一直是强劲的专利领域，但2016-2025年期间显示出向牲畜跟踪、基于计算机视觉的行为监测和环境管理的显著多元化。未来的工作有几个优先事项。需要进行系统的多农场、多品种验证研究，以使AI-PLF方法从概念验证走向现场就绪状态，并将其研究扩展到超越奶牛焦点，涵盖猪、家禽、绵羊和山羊的福利监测，在这些领域，经过验证的工具仍然稀缺。同样重要的是对PLF部署的经济可行性、采用障碍和社会技术维度进行研究——包括适用于小农系统的低成本、本地化解决方案——因为这些，而非进一步的技术开发，可能是PLF在福利影响方面的主要制约因素，特别是在出版物和专利领导力之间存在地理不对称性的情况下。需要使用经过验证的福利评估方案进行长期研究，以确定PLF部署是否确实改善了福利结果，并且需要进行生命周期评估，以权衡PLF硬件的环境成本与其效率和福利收益。在方法论上，PLF研究的下一阶段可能会由应用于多模态牲畜数据的生成式AI和大规模基础模型所塑造；尽管本综述局限于陆地物种，但精准家禽和水产养殖监测的快速增长需要在这些领域进行专门的合成。
