Mở đầu: IoT trở thành vũ khí cảnh báo sớm dịch tả lợn châu Phi như thế nào
Phòng dịch bệnh động vật, biết càng sớm càng tốt. Dịch tả lợn châu Phi (African Swine Fever, ASF) là một trong những bệnh truyền nhiễm tàn phá nhất đối với lợn trên toàn cầu; Việt Nam tuy đã phê duyệt vắc-xin sống giảm độc lực sản xuất trong nước từ năm 2022, nhưng quốc tế vẫn còn lo ngại về độ an toàn, Đài Loan không phê duyệt sử dụng, phòng dịch vẫn chỉ có thể dựa vào an toàn sinh học. Internet vạn vật (Internet of Things, IoT) dùng trong trại chăn nuôi, tức “chăn nuôi chính xác” (Precision Livestock Farming, PLF), có thể giúp phát hiện dịch sớm hơn.
Chăn nuôi chính xác dùng cảm biến, camera và thuật toán để xây dựng cho lợn một hệ thống quan sát sức khỏe suốt 24 giờ. Theo tổng quan hệ thống của Gómez và cs. (2021) đăng trên Frontiers in Veterinary Science, công nghệ IoT có thể liên tục thu thập dữ liệu hành vi, sinh lý và môi trường, có tiềm năng cao trong việc nâng cao phúc lợi lợn và quản lý dịch bệnh. Dưới đây là ba hướng ứng dụng của công nghệ này trong cảnh báo sớm dịch tả lợn châu Phi:
1. Phát hiện bất thường từ hành vi: mô thức vận động là tuyến cảnh báo sớm đầu tiên
Hành vi hằng ngày của lợn cho thấy tình trạng sức khỏe. Theo nghiên cứu của Huang và cs. (2024) đăng trên Computers and Electronics in Agriculture, lợn khỏe mạnh mỗi ngày có đỉnh hoạt động rõ rệt khoảng từ 5 giờ đến 10 giờ sáng và từ 2 giờ đến 6 giờ chiều, còn hoạt động bất thường (ví dụ quá bất động, giảm hoạt động) thường là dấu hiệu ban đầu của bệnh.
Dịch tả lợn châu Phi ngay từ giai đoạn đầu đã làm thay đổi hành vi của lợn, như lờ đờ và giảm di chuyển. Thông qua camera và gia tốc kế (phần lớn gắn trong thẻ tai), có thể theo dõi theo thời gian thực mô hình di chuyển và tư thế của từng con lợn, rồi dùng thuật toán so với “quy luật bình thường trong ngày” để nhanh chóng nhận ra các cá thể có khả năng bất thường.
Ngoài ra, theo Arulmozhi và cs. (2021) trên tạp chí Animals, loại công nghệ giám sát hành vi dựa chủ yếu vào hình ảnh này có chi phí thấp, đặc biệt phù hợp với trại lợn quy mô vừa và nhỏ.
2. Theo dõi thân nhiệt: thẻ tai số trở thành “làn da cảm nhiệt” của lợn
Thân nhiệt tăng là chỉ dấu trực quan nhất của viêm và nhiễm trùng. Gómez và cộng sự (2021) chỉ ra rằng các thiết bị IoT như camera ảnh nhiệt, nhiệt kế hồng ngoại và cảm biến nhúng đã có thể giám sát nhiệt độ bề mặt cơ thể liên tục mà không cần tiếp xúc, qua đó tăng cường hiệu quả phát hiện sớm.
Huang và cộng sự (2024) còn phát hiện rằng, dù dữ liệu nhiệt độ từ thẻ tai chịu ảnh hưởng của môi trường và hành vi, vẫn có thể phát hiện bất thường tiềm ẩn bằng cách đối chiếu với “xu hướng chung của cả đàn”. Ví dụ, nếu một con lợn nhiều lần có xu hướng “giảm thân nhiệt” vào ban ngày, đó có thể thực chất là do nó bị sốt nên chủ động tìm chỗ mát để nằm nghỉ; những biến đổi ngược chiều như vậy chính là dấu hiệu bệnh tiềm ẩn.
3. Tích hợp dữ liệu: từ phát hiện đơn điểm đến cảnh báo sớm toàn diện
Một cảm biến đơn lẻ tuy phát hiện được bất thường, nhưng nếu tích hợp dữ liệu hành vi, sinh lý, ăn uống và uống nước để đối chiếu chéo, cảnh báo sớm sẽ chính xác hơn.
Theo tổng quan tài liệu của Trabachini và cs. (2025) trên tạp chí Animals, đưa dữ liệu nhiều cảm biến vào mô hình AI, như Random Forest và hệ thống học sâu, có thể phân biệt hiệu quả lợn bình thường và lợn bất thường, và chuyển thành căn cứ phán đoán mà người quản lý có thể thực hiện.
Ngoài ra, kết hợp công nghệ RFID với cảm biến tải trọng cũng có thể giám sát hành vi ăn và uống nước của từng con lợn. Những thay đổi nhỏ trong kiểu ăn thường là một trong những bất thường xuất hiện sớm nhất trước khi bệnh.
Kết luận: để dữ liệu chuồng lợn phát tín hiệu cảnh báo sớm
Chăn nuôi chính xác dùng “mắt số” (camera) và “da số” (cảm biến) tạo thành hệ thống phát hiện, đối chiếu lượng lớn dữ liệu theo thời gian thực, chủ động phát cảnh báo trước khi dịch bùng phát.
Hệ thống quản lý thông tin đàn lợn của YenProtek có thể bắt đầu từ việc tích hợp hồ sơ: dùng số tai liên kết hồ sơ sinh sản, dùng thuốc, môi trường và an toàn sinh học; môi trường trong chuồng do FarmerPack đo, vượt ngưỡng của từng chuồng sẽ nhắc nhở.
Tài liệu tham khảo:
- Gómez, Y., et al. (2021). A Systematic Review on Validated Precision Livestock Farming Technologies for Pig Production and Its Potential to Assess Animal Welfare. Frontiers in Veterinary Science, 8:660565. https://doi.org/10.3389/fvets.2021.660565
- Huang, Y., et al. (2024). Analysis of pig activity level and body temperature variation based on ear tag data. Computers and Electronics in Agriculture, 219, 108768. https://doi.org/10.1016/j.compag.2024.108768
- Arulmozhi, E., et al. (2021). The Application of Cameras in Precision Pig Farming: An Overview for Swine-Keeping Professionals. Animals, 11(8), 2343. https://doi.org/10.3390/ani11082343
- Trabachini, A., et al. (2025). Precision Livestock Farming Applied to Swine Farms—A Systematic Literature Review. Animals, 15, 2138. https://doi.org/10.3390/ani15142138
- Benjamin, M., & Yik, S. (2019). Precision Livestock Farming in Swine Welfare: A Review for Swine Practitioners. Animals, 9(4), 133. https://doi.org/10.3390/ani9040133