Para establecer una granja inteligente, se construyen y operan muchos tipos de equipos dentro y fuera de una casa de cerdos. Por lo tanto, el ambiente para el ganado (limitado a cerdos en este documento) en el establo se mantiene adecuadamente para sus condiciones de crecimiento. Sin embargo, debido a entornos deficientes como casas de cerdos cerradas, falta de suministro estable de energía, gestión inexperta de ganado y cortes de energía, la falla de estos equipos ambientales es alta. Por lo tanto, existen dificultades para detectar sus fallas durante la operación del equipo. En este documento, basado en el aprendizaje profundo, proporcionamos un mecanismo para detectar rápidamente anomalías de múltiples equipos (sensores y controladores ambientales, etc.) en cada casa de cerdos al mismo tiempo. En particular, los factores ambientales (temperatura, humedad, CO, ventilación, temperatura del radiador, temperatura externa, etc.) que se utilizarán para el aprendizaje fueron extraídos a través del análisis de datos acumulados para la generación de modelos predictivos de cada equipo. Además, se derivó el entorno óptimo de red neuronal recurrente (RNN) mediante el análisis de las características del aprendizaje RNN. De esta manera, se puede mejorar la precisión del modelo de predicción. En este documento, los datos de entrada en tiempo real (solo en el caso de la temperatura) se indujeron intencionalmente por encima del umbral, y se detectó el 93% de las anomalías para determinar si el equipo estaba anormal.