本文探讨了在猪舍中安装合适的摄像机来监控所有猪的好处。

人工智能（AI）的想法很快让人想起自动驾驶汽车和机器人。然而，人工智能的内涵远不止表面所见。例如：在养猪场使用监控摄像头。这并不是一个新概念，但如果这些摄像头能够通过人工智能、深度学习算法和图像识别来检测动物表现出的关键行为，如饮食、睡眠、疾病运动和攻击性活动，结果会怎样呢？这会说服您在猪舍中安装摄像头吗？

图1. 使用摄像头观察猪

“眼见为实”

自从养猪业开始以来，人们就依靠眼睛来密切监测猪是否有任何疾病迹象。如今，仍然使用相同的解决方案，主要依靠主观和随意的方法，例如定期检查。不幸的是，他们每天与每头猪相处的时间很短（快速浏览一下）。这可能导致不可靠的结果和负面结果，例如未发现的疾病或判断错误，并可能导致相应的高死亡率。

养猪户面临的挑战

这些是养猪业面临的一些核心挑战：必须解决劳动力短缺、盈利能力、饲料成本和猪群健康（包括遗传、免疫、抗生素耐药性和生物安全）等问题。现在正是进行技术改造以适应养猪业变化的最佳时机。

通过图像识别、摄像头、机器人等视觉技术的运用，对养猪业产生了深远的影响。利用深度学习技术进行多目标跟踪和区分确实是一种结合自主牲畜监测的非侵入性方法，并且在养猪场中迅速变得越来越流行。这已成为21世纪生猪生产者注重猪群高效管理的新方法。

使用摄像头、计算机视觉和人工智能技术来监测猪的身体活动、喂养模式和整体攻击性，养猪户可以了解猪群的健康状况。这些模式可以更早、更轻松地识别疾病，从而减少疾病影响并提高生产力。

如果猪在不同的生产阶段被转移到新的社会群体，攻击性就会更频繁地出现，因为它们被迫在每个新群体中定义新的等级制度。

由于母猪群饲养，由于攻击性事件，母猪经常互相咬伤，随着时间的推移，它们会受伤并承受压力。结果，可能会出现跛行和流产等症状。保育猪在后期往往容易出现咬耳朵、咬尾巴的情况。如果不及时发现，往往会在猪群内传播。

有些疾病造成猪群大面积感染，其发病率和治愈率也必须在现场持续跟踪观察。往往会因为现场观察不及时而延误猪的治疗时机。

许多疾病可以导致急性死亡，但由于人不在身边而无法及时获知病情。

大多数疾病诱发事件发生在人类缺席的情况下。这就是为什么养猪户需要一种能够24/7 全天候关注猪群并在早期有效解决问题的解决方案。

融合传统与现代

但请注意，大多数计算机视觉算法在这种观察分析中表现不佳。这是因为：

养猪场饲养的动物看上去一模一样，没有任何明显的空间特征。

现有的跟踪器很难维持长期使用。

现实世界的条件，例如变化的光照、频繁的遮挡、不同的摄像机角度以及不同大小的动物，使得模型很难概括。

荷兰软件公司Serket 开发了一种针对群养猪的端到端行为监控系统，该系统可同时执行实例级分割、跟踪、动作识别和重新识别任务。

图2. 摄像头、计算机视觉和人工智能技术可以监控猪的身体活动、进食模式和整体攻击性。

这是第一个端到端多对象牲畜监控框架，可以学习分组猪的实例级嵌入。作为基准，动物科学家分析了一个精心策划的手动数据集，该数据集由视频序列组成，用于在真实的室内养殖环境中对猪进行分段、跟踪和活动分类。

图3，区分不同的猪、行为和表现。照片：瑟凯特

这些图像显示了数据集中的示例视频帧和注释。图1是猪圈的传统摄像机视图。图3 显示了带有注释帧的同一视频，其中包含猪分割、跟踪和活动分类。颜色表示动物的行为。每只动物身上的编号是其唯一的ID。

猪的攻击性行为导致突然的动作和频繁的撕咬，并导致猪群聚集在一起，使得传统视频数据集中难以跟踪和分析。随着时间的推移，农业活动也具有局部性、重复性和周期性，这使得它们与传统的操作数据集不同。任何此类数据集都应捕获条件的变化，并且必须能够对牲畜行为进行智能注释。

传统智慧与人工智能创新

更多人工智能技术正在养猪行业广泛应用。创新的人工智能解决方案与现有的监控摄像系统相结合，使养猪户能够有效地分配宝贵的时间。这些摄像头和软件系统一旦在猪舍大规模部署，就可以提供全天候覆盖。远程牲畜监控可以成为现实。随着畜牧业不断发展并发挥更大作用，可能不再需要大量劳动力。这将使养猪户能够更有效地管理生猪，有利于我们养猪场的发展。