体温升高是许多猪疾病的早期症状，因此测量猪的体温对于猪疾病的监测和早期发现具有重要意义。直肠温度被认为是猪体温的准确指标，但测量繁琐且耗时，使其作为疾病的常规监测不太可行。热成像技术具有非接触测量、测量速度快的特点，但只能测量猪的体表温度。猪的皮肤温度受环境影响，因此直接利用热成像测量猪的皮肤温度得到的结果很难代表猪的实际体温。为了提高热成像测量猪体温的准确性，华中农业大学的研究人员进行了相关研究。他们评估了多个地点的环境温度和湿度对猪的皮肤温度的影响，并利用机器学习方法建立了基于温度和湿度参数的预测模型，以预测猪的实际体温。

热成像测量的位置依次为：耳根、外阴、眼睛和背部。他们利用热成像技术检测猪体表温度的部位包括：背部、眼睛、外阴和耳根。在模型构建上测试了反向传播神经网络（BPNN）、随机森林（RF）和支持向量回归（SVR）算法。结果发现，在考虑环境温度和湿度的情况下，所有三个模型都能获得更好的测量结果。其中，遗传算法支持向量机（GA-SVR）取得了最好的结果，最大误差为0.478，最小误差为0.124，均方误差为0.159。