0
早期发现传染病是疾病监测中降低暴发风险的最具成本效益的策略。最新的深度学习和计算机视觉的改进是强有力的工具，有可能在流行病学和疾病控制方面开辟一个新的研究领域。这些技术被用于开发一种实时跟踪和计算动物运动的算法。为了评估非洲猪瘟（ASF）在欧亚野猪体内的感染过程，将该算法应用于实验研究。
总的来说，运动减少与ASF感染引起的发热呈负相关。此外，与未受感染的动物相比，计算出的感染动物的运动显著降低。
研究结果表明，基于人工视觉的运动监测系统可用于室内发热监测。它将帮助猪场和动物卫生服务机构发现与传染病相符的早期临床症状。考虑到目前世界养猪业所关注的问题，这项技术在畜牧业中展示出了一种很有前景的非侵入性、经济性和实时性的解决方案，特别是在ASF方面。
来源： Fernández-Carrión E, Barasona JÁ, Sánchez Á, Jurado C, Cadenas-Fernández E, Sánchez-Vizcaíno JM. Computer Vision Applied to Detect Lethargy through Animal Motion Monitoring: A Trial on African Swine Fever in Wild Boar. Animals. 2020; 10(12):2241. https://doi.org/10.3390/ani10122241
