论文标题：Implementation of Computer-Vision-Based Farrowing Prediction in Pens with Temporary Sow Confinement

论文链接：https://www.mdpi.com/2306-7381/10/2/109

期刊名：Veterinary Sciences

期刊主页：https://www.mdpi.com/journal/vetsci

引言

在欧盟动物福利法规持续收紧的背景下，母猪分娩期的管理方式正经历重要转变。传统的全程限位分娩栏虽然有助于降低仔猪被压死的风险，但同时限制了母猪在分娩前进行筑巢等关键自然行为，已受到越来越多的伦理与法规层面的质疑。奥地利、德国等国家已明确提出，仅允许在仔猪生命的关键阶段对母猪进行临时限位，这对分娩管理的精确性提出了更高要求。

在实际生产条件下，母猪妊娠期存在显著个体差异，仅依靠经验或人工巡查，很难在合适时间完成限位操作。精准畜牧（Precision Livestock Farming, PLF）技术为这一问题提供了新的解决思路。本研究围绕母猪分娩前行为变化，探索将计算机视觉技术应用于分娩预测的可行性，为优化限位时机、兼顾母猪福利与仔猪存活率提供技术支撑。

研究内容

本研究基于连续视频监测，构建了一套以母猪活动变化为核心的分娩预测方法。研究共纳入71头大白猪及其杂交母猪，分别饲养于四种具备临时限位功能的分娩栏中。母猪在进入分娩栏后至分娩结束的全过程均通过顶部摄像头进行记录，覆盖昼夜环境。

图 1. 具备临时限位功能的分娩栏。（a）SWAP 栏，（b）梯形栏，（c）翼式栏，以及（d）两种 BeFree 栏。

在方法上，研究采用当前性能领先的目标检测算法 YOLOX，自动识别视频中母猪的空间位置。通过连续帧中母猪位置质心的变化，计算其活动水平，并进一步利用卡尔曼滤波与固定区间平滑（KALMSMO）算法，对活动趋势进行建模分析。该方法的核心假设是：母猪在分娩前会经历明显的筑巢行为，其活动水平先显著升高，随后在分娩开始前下降。

研究重点比较了不同 YOLOX 模型在母猪检测精度、泛化能力及实时推理速度方面的表现，并分析视频帧率变化对分娩预测效果的影响。结果显示，在未见过的新型分娩栏环境中，YOLOX 仍能保持较高的检测准确性；同时，即使在较低的视频采样频率下，系统仍可有效捕捉母猪活动趋势的关键变化。

在此基础上，研究提出了两阶段预警机制：第一阶段预警对应母猪筑巢行为开始，通常出现在分娩前约 10–13 小时；第二阶段预警对应筑巢行为结束，时间点接近分娩开始前约 2–3 小时。该机制为实际生产中安排人员巡视、调整限位时间提供了明确参考。

图 2. 报警发生时间与分娩开始时间之间持续时长的分布。圆圈表示离群值。（a）采用在实验 1 中训练的 YOLOX-medium 提取母猪质心；（b）采用在实验 2 中训练的 YOLOX-large 提取母猪质心。母猪的活动水平基于以 1 fps 采样的图像进行估计。

研究结论

研究结果表明，基于计算机视觉的母猪分娩预测方法在具备临时限位条件的分娩栏中具有可行性和应用潜力。通过对母猪整体活动水平的自动化监测，可以在无需佩戴传感器的情况下，实现对分娩关键时间窗口的预测。这种非侵入式监测方式有助于减少对母猪的额外干扰，也降低了人工持续观察的劳动成本。

研究同时指出，目标检测模型需尽可能包含实际应用环境的数据进行训练，以保证在不同分娩栏结构和光照条件下的稳定性。总体而言，该方法为在符合法规要求的前提下实施临时限位管理提供了技术依据，有助于在改善母猪福利的同时，维持仔猪生产性能。

该研究展示了计算机视觉技术在精准畜牧领域中的实际应用价值，也为未来结合更精细行为识别的分娩管理系统奠定了基础。

Veterinary Sciences 期刊介绍

主编：Patrick Butaye, Ghent University, Belgium; City University of Hong Kong, China

发表与兽医科学领域相关的原创研究文章、评论、通讯和简短说明，主题包括动物疾病、紊乱和损伤的预防、诊断和治疗。