红外测温技术在非洲猪瘟防控中的应用研究

摘要

为了评估红外测温技术在非洲猪瘟（ASF）防控中的实际应用效果，分析其与人工智能（AI）技术结合后的表现，以提升体温监测和疾病预警的效率。笔者通过文献综述与案例分析，探讨了红外测温技术的基本原理、应用场景、设备部署策略，评估了该技术结合AI后的效果与实际应用情况。结果显示，红外测温技术可以快速检测体温异常，结合AI技术后其监测系统的准确性和自动化水平显著提高，在实际应用中有效发现多起体温异常案例。然而，设备成本和环境影响仍是主要限制因素。红外测温技术在ASF防控中展现出显著潜力，为猪群体温监测提供了高效的解决方案。随着技术进步和成本下降，该技术的应用前景将进一步拓展。未来，结合更多智能化手段有望实现全面的疾病防控管理。

关键词

红外测温技术 / 人工智能 / 体温监测 / 疾病预警

非洲猪瘟（ASF）是一种致命性极高的动物传染病，对全球生猪养殖业造成了严重冲击。ASF的传播速度快、致死率高，尤其是在缺乏疫苗和特效药的情况下，其防控难度进一步增加。FAO数据显示，ASF在过去几年内导致了全球范围内数百万头猪的死亡，对养殖业造成了上千亿美元的经济损失^[1]。传统的检测方法主要依赖实验室检测和严格的生物安全措施，但这些方法不仅成本高、耗时长，而且难以满足大规模养殖场快速防控的需求。因此，基于体温监测的早期预警机制成为关键。ASF感染通常导致体温显著升高，红外测温技术可以快速识别体温异常，从而为非洲猪瘟的防控争取宝贵时间^[2]。

ASF感染猪只通常伴随明显的体温升高，红外测温技术作为非接触式、高效体温监测工具，逐渐在养殖场中得到推广。随着人工智能（AI）技术的发展，红外测温系统的自动化程度和准确性大幅提升，为ASF早期预警提供了有力支持。本文重点探讨红外测温技术在ASF防控中的应用，分析其工作原理、部署策略，以及与AI技术结合后的应用效果。

1 红外测温技术的工作原理与应用

1.1 红外测温的基本原理

红外测温技术基于物体辐射的红外线强度来测量其表面温度。所有物体在不同温度下都会发射不同波长的红外辐射，红外测温设备能够捕捉这些辐射并转换为温度读数。常见的红外测温设备包括波长范围为8～14 μm的红外探测器，这一波长范围能够有效捕捉猪只表面辐射的红外线。猪场应用中，红外测温相机通常关注猪只的耳朵、背部和腹部，因为这些部位的温度波动最能反映体温变化。准确的温度读数能够帮助识别出体温异常的个体，从而提前发现潜在的健康问题。

1.2 非接触式测温的优势

红外测温的最大优势在于其非接触性。与传统的接触式体温测量相比，红外测温不需要直接接触动物，因此能够避免应激反应，减少对猪只行为和健康的干扰。

在生猪检疫过程中，传统的体温检测方法通常需要较大的人员和物资投入，且检测时间较长。一般情况下，检测1头生猪需要3～5 min，并且操作复杂^[3]。与之相比，红外体温检测方法在临床检查中表现出明显的优势。使用红外体温计检测1头生猪的时间仅需约3 s，而且操作更加简便。因此，红外体温计在体温监测方面能够提供更高效、更便捷的解决方案，迅速对整个生猪群体进行体温检测，显著提升了检测效率和准确性^[4]。此外，它能够快速、大范围地获取猪群的温度数据，适合在大型养殖场进行体温监控。相较于人工测温的高成本与低效率，红外测温能够通过自动化设备实现24 h实时监测，极大地提高了工作效率，并有助于养殖场的精细化管理。

1.3 红外测温设备的部署

在猪场内，红外测温设备应安装于猪只活动频繁的关键区域，如饲喂区、出入口等位置，以便于全面监测猪群的体温变化。通过持续的数据分析，系统可以实时识别体温异常的个体，并通过数据联动机制发出预警信号。例如，在饲喂区安装红外测温设备，可实时捕捉到每只猪的温度变化，为早期发现ASF感染病例提供了技术支持。

1.4 红外体温计的应用

1）在屠宰检验过程中应用。在屠宰检验中，红外体温计能够快速检测大批生猪的体温，并及时记录数据。由于运输和暴晒可能导致体温变化，因此在入场验收时使用红外体温计应当谨慎，确保在稳定状态下进行测量以获得准确数据。这种方法能够有效监测运输过程中的体温变化，及时发现潜在的ASF感染病例。

2）在产地检疫过程中应用。生猪装车后的体温测量较为方便，但由于驱赶等因素可能导致体温升高，因此在装车后的短时间内不适合测量。建议在生猪到达申报点后，在场内使用红外体温计进行测量，并利用仪器的记忆功能记录数据，以便后续检验和存档。通过在入场检疫点进行体温测量，可以及早发现体温异常的猪只，降低ASF的引入风险。生猪到达养殖场后，通过红外体温计进行全面检测，有助于防止ASF病毒的入侵^[5]。

2 人工智能相机与红外测温技术的结合

2.1 AI相机与YOLO目标检测模型

为了提高猪只体温监测的精确性，AI相机与红外测温设备的结合成为了提高检测效率的重要手段。AI相机通过拍摄猪栏中的图像，并将图像数据传输给基于YOLO（you only look once）目标检测模型进行处理，能够实时、精准地识别猪只的具体位置。通过这种方式，红外测温相机能够自动对准猪只的特定部位（如耳朵和背部）进行测温，避免了误差较大的全身温度测量。例如，AI相机可以识别猪只的耳朵、背部等关键部位，以提高测温准确性，减少体温检测的误差。因此，此技术可以在非洲猪瘟的早期阶段发现潜在的感染个体，从而及时进行隔离和处理。

2.2 数据集准备与模型训练

YOLO模型的成功应用离不开大量标注数据的支持。在AI相机应用中，使用标注好的猪只关键部位图像进行训练是重点。准确的标注能够显著提升目标检测模型的精确性。在应用中，标注猪只的关键部位如耳朵和背部，并结合体温数据对模型进行迭代训练，使其能够在复杂的环境下依旧保持高效的检测能力。例如，通过标注ASF感染猪只的体温数据，可以训练模型在不同体温水平下的识别能力，提高早期预警的准确性。

2.3 实时体温监测系统

通过AI相机和红外测温设备的协同工作，养殖场能够实现全自动、全天候的猪群体温监测。每当检测到体温异常时，系统会自动记录数据，并通过预警机制通知养殖场管理人员。这样的自动化监控系统不仅大幅提高了防疫效率，还显著减少了人工干预的需求，降低了人力成本。例如，当系统检测到某一猪只的体温异常时，可以立即发出警报，并自动记录数据，供管理人员参考。这种系统能够显著提高ASF防控的响应速度和准确性。

2.4 优化警报机制

为减少误报，系统可以采用持续体温异常监测机制，即只有当猪只在多次测量中都表现出体温异常时，才会触发警报。这种方法能够有效避免由于短时间环境变化或其他非病理性原因导致的温度波动，减少不必要的隔离和干预措施。通过优化警报机制，系统能够提高ASF防控的效率和可靠性。

2.5 数据的长期分析与疫情防控

通过长时间对猪群体温的监测，红外测温系统还能够帮助养殖场积累大量的健康数据。这些数据不仅能够帮助追踪个别猪只的健康状况，还可以用于分析整个猪群的体温变化趋势，从而为大规模疫情暴发提供科学依据。这种数据分析能力不仅有助于快速响应疫情，还能够优化防控策略，降低ASF对猪群的影响。

3 红外测温技术在非洲猪瘟防控中的应用

3.1 ASF的早期预警

高热是ASF最典型的症状之一，患病猪的体温会升高至40～42 ℃，影响其食欲和精神状态，最终导致猪只死亡。传统通过水银温度计的接触式测温方式会对猪只产生应激，且费时费力，难以满足规模化、集约化的养殖需求。红外热成像是远距离非接触式温度测量技术，具有无损、远距离测定及高灵敏度等特点，既能够减少猪只应激，又能够防止交叉感染，降低交互风险，在动物生产及监控养殖过程中动物疾病疫情等方面具有广阔的应用前景。目前，红外热成像已被用于生猪养殖中早期胸膜肺炎放线杆菌、鼠伤寒沙门氏菌和大肠杆菌引起的感染等疾病的检测。通过红外测温技术，可以在ASF症状尚未完全显现时，及早发现体温异常的猪只，从而采取隔离措施，防止疫情在猪群中的大规模扩散。通过在饲喂区、出入口等关键区域部署红外测温设备，系统能够实时监测猪群的体温。当发现体温异常时，系统自动发出警报，并将数据传输到中央监控系统^[6]。通过与AI相机结合，该系统能够精准识别体温异常的猪只，及时进行隔离和处理。Oh等^[7]探索了应用红外测温技术对ASF进行早期预警的方法，即使用红外测温技术对猪群进行日常筛查，选择体表温度高于38.5 ℃的猪并测量其耳温，如果耳温超过36.7 ℃，或24 h内增加超过2.9 ℃，可怀疑猪只感染了ASF。

3.2 红外测温巡检机器人的应用

研究表明，生猪在经历驱赶和运输后，由于应激反应，其体温会有所上升。因此，为了准确评估猪只的健康状况，必须在安静的环境下测量其体温^[8]。将红外测温技术与雷达、云台等结合，制作出巡检机器人，能够降低疫病风险，有效避免猪只的应激反应，高效地采集生猪的准确体温数据。在实际工作中，巡检机器人利用自身携带的红外热成像仪对现场设备进行红外图像数据的采集，从中提取出猪只的体温信息，实现对猪只的体温进行监测，并能够准确分析猪只体温是否异常，发生异常时自动报警。此外，巡检机器人搭载的医用毫米波雷达设备，能够定向采集现场猪只的呼吸、心跳信息，及时发现异常情况。巡检过程中，一旦机器人检测到猪只的体温状态异常，会立即向管理人员报警，管理人员可以在第一时间使用后台系统界面的人工遥控面板操控机器人快速到达/对准异常猪只位置，及时对异常猪只进行查看并核实报警信息，以便迅速制定处理策略。

红外测温巡检机器人在实际应用中的优势包括高效、自动化和准确的体温检测。相比传统的手动测量方式，它可以在较短的时间内完成大批量的体温监测，并实时提供数据分析。然而，在推广使用这种技术时，还需要关注其成本、设备维护和适用环境等问题，以确保其在实际应用中的有效性和经济性^[9]。

3.3 面临的挑战与未来方向

尽管红外测温技术在防控非洲猪瘟中展现了巨大的潜力，但在实际应用中仍面临一些挑战。其中最重要的问题是红外测温不能直接获取猪只的体温，仅能得到猪只体表温度，而体表温度并不能真正反映猪只的生理状态。并且不同环境温度、湿度等外界因素可能会影响测温的准确性。Chung等^[10]选择仔猪的眼睛、额头、腋窝等8个部位作为红外测温的目标区域，发现腹部、背部和肛部的体表温度与体温具有极显著的线性相关，并针对这3个区域建立了体温的线性回归公式。Jia等^[11]在考虑背部、眼睛、外阴等部位体表温度的基础上，并且在模型中引入了环境温度、湿度等环境因素，结果表明考虑环境因素的模型具有更高的精度。韩宏鑫^[12]综合考虑11个体表部位的体表温度，温度、湿度、风速等环境因素，以及猪只的品种等类型信息，设计的回归模型R ²为0.639。这些说明，通过红外测温系统准确评估猪只体温还需要更多的研究和模型预测，以不断提高模型精度。此外，技术设备的初始投入成本较高，且AI相机和目标检测算法在复杂环境中的识别准确性目前还不够，有待通过研究进一步提升。

未来，随着技术的进步，红外测温技术有望与其他智能化技术如5G物联网、区块链等结合，实现猪场疾病防控的全方位智能化管理。同时，降低设备成本、提升数据分析的精准性和实时性也将是该技术进一步发展的关键。

4 结语

ASF的高传播性和致死率对全球生猪养殖业造成了严峻挑战。面对这一威胁，红外测温技术作为一种非接触式、快速高效的体温监测工具，为ASF的早期预警和防控提供了新思路。结合AI技术的红外测温系统，进一步提升了监测精度和反应速度，使得养殖场能够更及时地应对潜在的疫情风险。

尽管技术应用中仍存在环境影响和成本等挑战，但随着科技的不断进步和设备成本的逐步降低，红外测温技术在ASF防控中的作用将愈加重要。未来，结合更多智能化技术，红外测温有望成为实现精准防控和保障生猪健康的重要手段，为全球生猪养殖业的可持续发展提供有力支持。

参考文献

[1] 陈画菡, 朱君海, 高飞, 非洲猪瘟检测方法研究进展[J]. 中国兽医杂志, 2024,60(5)：91-100.

[2] 严树清. 猪体温的测量[J]. 江西畜牧兽医杂志, 2006(1)：49-50.

[3] 李发兰. 红外体温测量在生猪检疫中的可行性探索[J]. 中国畜牧业, 2022(15)：121-122.

[4] 盛显超. 基于WiFi和云平台的生猪体温监测系统设计[D]. 哈尔滨： 哈尔滨理工大学, 2019.

[5] 周俊, 叶成凯, 冯凯玲. 生猪运输环节的非洲猪瘟防控措施[J]. 养殖与饲料, 2024,23(8)：106-108.

[6] 秦永孝, 乔宇飞, 张勤, 基于红外测温设备的猪体温采集系统研究[C]//中国畜牧兽医学会信息技术分会.中国畜牧兽医学会信息技术分会第十届学术研讨会论文集.北京： 中国畜牧兽医学会信息技术分会, 2015：3.

[7] OH S I, LEE H S, BUI V N, etal. Dynamic variations in infrared skin temperature of weaned pigs experimentally inoculated with the African Swine Fever Virus: a pilot study[J]. Veterinary sciences, 2021,8(10)：223-225.

[8] 韩哲. 浅谈影响猪体温的因素[J]. 山东畜牧兽医, 2012,33(7)：41-42.

[9] 梅林. 基于红外测温与巡检机器人的开关柜状态评估系统[J]. 电气自动化, 2021,43(2)：22-23，73.

[10] CHUNG T H, JUNG W S, NAM E H, etal. Comparison of rectal and infrared thermometry for obtaining body temperature of gnotobiotic piglets in conventional portable germ free facility[J]. Asian-Australasian journal of animal sciences, 2010,23(10)：1364-1368.

[11] JIA G, LI W, MENG J, etal. Non-contact evaluation of pigs’body temperature incorporating environmental factors[J]. Sensors (Basel,Switzerland), 2020,20(15)：4282-4287.

[12] 韩宏鑫. 基于红外热成像的母猪体温检测与检测系统设计[D]. 武汉： 华中农业大学, 2024.

基金资助

新疆生产建设兵团“揭榜挂帅”重大科技项目“人工智能与自动化方式建立非洲猪瘟防控体系研究与应用示范”(2022AA004)