0
已经开发了自动化的、基于视觉的早期预警系统来检测猪群的行为变化，以监测其健康和福利状况。在商业环境中，因为光照变化、遮挡和不同猪的外观相似等问题，自动记录饲喂行为仍然是一个挑战。此外，由于无法识别和/或排除饲喂区的非采食性逗留，这种依赖于追踪猪的系统往往会高估饲喂的实际时间。为了解决这些问题，我们开发了一种强大的、基于深度学习的饲喂检测方法，（a）不依赖于猪的追踪，（b）能够区分一组猪的采食和非采食性逗留。我们首先使用来自商业猪场的视频片段，在各种环境下验证了我们的方法。证明了这种自动化方法能够以高精度（99.4%±0.6%）识别采食和非采食性逗留行为。然后，我们测试了该方法在计划的限食期间检测采食和非采食性逗留行为变化的能力。
我们发现该方法能够自动量化采食和非采食性逗留行为的预期变化。我们的方法能够可靠而准确地监测商业饲养猪群的饲养行为，而不需要额外的传感器或单独的标记。
这对于早期发现商品猪的健康和福利挑战具有很大的应用潜力。
来源：Alameer A, Kyriazakis I, Dalton HA, Miller AL, Bacardit J. Automatic recognition of feeding and foraging behaviour in pigs using deep learning. Biosystems Engineering. 2020; 197: 91-104. https://doi.org/10.1016/j.biosystemseng.2020.06.013.
