人工智能算法在发现非洲猪瘟病猪上的应用

非洲猪瘟对我国养猪业造成重大打击。在生产上，往往是发现死猪后进行检测才发现是非瘟，这十分不利于对非瘟的防控。早期发现传染病是疾病监测中最具成本效益的战略，并最大程度降低疫情风险。

图1 2007年至2020年欧洲非洲猪瘟暴发的演变：2007年、2011年、2016年和2020年(10月)欧洲(意大利撒丁岛除外)通报的非洲猪瘟暴发总结。

人工智能技术发展迅速，有没有可能不用人工发现，也不用检测手段，仅通过一个摄像头就能提前发现？

最新的深度学习和计算机视觉改进是可能开辟流行病学和疾病控制新领域的强大工具。这些技术在这里被用来开发一种算法，旨在实时跟踪和计算动物的运动轨迹。该算法用于试验，以评估非洲猪瘟感染过程。总体而言，结果显示，ASF感染引起的运动减少与发烧呈负相关。此外，与未受感染的动物相比，受感染的动物的运动量要低得多。

获得的结果表明，室内可能使用基于人工视觉的运动监测系统来引发发烧的怀疑。它将帮助饲养管理员和场外兽医发现与传染病相似的早期临床症状。考虑到目前世界养猪业对非瘟的关注，这项技术最符合当前养猪业中具有特殊的无接触性、经济和实时的高效解决方案。

图2 固定摄像机的随机帧记录场景。颜色阈值。(左)真实帧对应E1，其中只有两只野猪戴项圈。(右)蓝色RGB滤镜应用于同一帧。

图3 对二进制掩模进行形态学运算和blob分析前后。左:相同的随机帧后蓝色阈值二进制掩码。右图:经过形态运算和斑点分析后的合成帧。

图4 从左到右：橙色衣领，蓝领，兽医的耳朵，前臂，网格地面和吃/喝饮水槽。所有这些对象显示蓝色/橙色连接像素，然后对象被分类。

图5 算法的主要工作流程。逐步处理所有视频帧，包括目标识别，目标跟踪和运动计算。

图6 两个实验E1和E2的日运动。计算了蓝/橙颈圈动物的每日运动。上图：两只动物都感染了ASFV Arm07。下图：橙色标本(2只)感染ASFV Arm07，蓝色标本(4只)接种Lv17/wb/Rie1。

研究已经表明，通过视频监控，受ASF病毒感染的感染者和受感染群体的运动模式变化与健康个体不同。这证明，在兽医流行病学中研究计算机视觉算法有望对实时ASF监测起到作用。

译者的话：

当前先进的人工智能技术已经十分成熟，国内很多大型养猪集团都已经在做自动清洗、查情、环控等智能养猪设备，对非瘟的智能监控完全也可以进行研究。想象一下，兽医只需要在手机上就能看到各个车间的异常信息，不用现场巡视、不用担心饲养员发现不了病猪、也不用担心瞒报等等。这一项黑科技相信会对养猪业带来很大的促进作用。