近期，我们与一家存栏万头规模的生猪养殖企业合作，完成了"猪只健康监测AI系统"的定制交付，目标是在减少人工巡检压力的同时提升异常个体发现的及时性。
进展要点：
- 体重预估模型：在栏位顶部部署广角相机，基于俯视图像构建猪体轮廓分割模型，输出体重预测值，与人工称重误差控制在 3% 以内；
- 异常行为识别：覆盖咳嗽姿态、长时间趴卧、采食下降等 6 类关键状态，结合连续帧时序特征降低单帧误报；
- 联动预警机制：与猪场现有 ERP 对接，将异常个体 ID、所在栏位、持续时长推送给驻场兽医，支持早发现早处理；
- 试点数据：在 3 个育肥单元连续运行 4 周，疑似疾病预警比人工巡检平均提前约 36 小时；
- 下一步：扩展到母猪发情期行为识别，并优化夜间低照度场景下的识别稳定性。
评论