《Artificial Intelligence in Agriculture》：AI-based respiratory rate estimation in group-housed pigs infected with
Mycoplasma hyopneumoniae under occlusion conditions
编辑推荐：
本研究针对群养猪只相互遮挡环境下呼吸频率（RR）监测难题，开发了一种融合目标检测与RGB信号分析的计算机视觉方法。通过引入遮挡处理机制和导数序列噪声抑制技术，在Mhp感染猪群中实现RR精准估计（MAE=1.38 bpm，R=0.99），首次证实RR变化与支原体肺炎病程进展显著相关，为群体健康监测提供新技术路径。
在现代化生猪养殖中，猪支原体肺炎（Mycoplasma hyopneumoniae, Mhp）是引发猪呼吸道疾病综合征的主要病原，虽然直接致死率不高，但会破坏猪只免疫系统，增加继发感染风险。更棘手的是，Mhp感染可贯穿猪只各个生长阶段，感染猪只能持续排毒超过200天，对养猪业可持续发展构成严重威胁。目前Mhp诊断主要依赖鼻拭子、咽拭子等采样检测方法，这些方法成本高、时效性差，且可能对猪只造成应激反应。临床上典型的Mhp感染症状包括咳嗽、呼吸困难、平均日增重降低和采食量下降等，其中呼吸困难往往表现为呼吸频率（Respiratory Rate, RR）显著升高，因此RR监测技术因其良好的时效性和个体识别能力，在猪病早期预警中展现出巨大应用价值。
然而，现有RR监测技术存在明显局限。接触式方法如呼吸腰带传感器等设备成本高昂、安装不便，难以在大规模养殖中广泛应用。非接触式方法中，深度相机受视场角限制难以覆盖多猪只围栏，红外热成像技术易受环境温湿度干扰且设备昂贵。虽然RGB相机因覆盖范围广、硬件成本低等优势成为研究热点，但光学流方法计算量大，且易受动物姿态变化和遮挡干扰。特别是在群养环境下，猪只相互遮挡现象普遍存在，严重影响了RR估计准确性。迄今为止，尚无专门针对遮挡条件下群养猪只RR估计的方法，针对Mhp感染猪只呼吸反应的研究也极为有限。
为破解这些难题，发表于《Artificial Intelligence in Agriculture》的研究提出了一种基于计算机视觉的群养猪呼吸频率估计方法，并以Mhp感染猪为案例验证其有效性。该研究首次将遮挡处理机制引入群养猪呼吸频率监测，提出导数序列噪声抑制方法降低非呼吸信号干扰，建立了适用于长期群体监测的计算机视觉框架。
研究方法核心包含多个关键技术环节：首先利用YOLOv11m-obb模型自动识别个体猪只并确定腹部感兴趣区域（ROI）；通过分析ROI内RGB通道强度随时间周期性波动估计RR；创新性引入遮挡处理机制（自动剔除靠近边界框的50%候选像素）减少邻猪干扰；采用导数序列噪声抑制方法（根据RR正常/异常状态设置6帧/12帧阈值）消除短时波动影响。实验选取12头60日龄杜洛克×长白×约克夏猪，分为实验组（Mhp感染）和对照组，通过高清摄像头连续42天采集背部视角视频数据。
呼吸频率估计结果显示，该方法在实验组和对照组均保持高精度，总体MAE为1.38 bpm，RMSE为2.16 bpm，MAPE为5.92%，相关系数达0.99。 Bland-Altman分析和回归分析证实估计值与实际值高度一致，夜间条件下仍保持良好性能（MAE=1.52 bpm，R=0.98），验证了方法的全天候适用性。
遮挡处理机制评估通过线性混合效应模型证实，遮挡与否对MAPE无显著影响（P>0.05）。在不同遮挡比例（0%、0-10%、10-50%）分组中，误差指标波动较小，表明模型在不同遮挡条件下均保持稳定。与传统5%最大标准差像素选择方法相比，采用遮挡处理机制的方法在MAE、RMSE等指标上均表现更优，有效降低了邻猪干扰。
基于呼吸频率的Mhp早期预警分析发现，实验组猪只RR在感染后第7天开始显著升高，第22天达到峰值，与Mhp感染后2-4周病理变化达峰期的文献报道一致。而对照组RR随日龄增长呈下降趋势，两组变化模式存在显著交互作用（P<0.05），表明RR异常变化与Mhp感染进程密切相关。
夜间条件下鲁棒性验证表明，算法在低照度环境下仍保持良好性能，夜间MAE为1.52 bpm，RMSE为2.70 bpm，MAPE为3.97%，与白天性能相当，证明方法对光照变化不敏感，适合长期连续监测。
研究结论指出，该计算机视觉方法通过融合遮挡处理机制和噪声抑制技术，在群养遮挡环境下实现了猪只呼吸频率的准确估计。RR变化模式与Mhp感染进程的高度相关性，为呼吸道疾病早期预警提供了新技术手段。未来研究可扩展至不同品种、日龄猪只及更多生产场景，进一步验证方法的普适性。该技术框架为智能化畜牧业健康管理提供了可靠的技术支持，有望在生猪精准养殖中发挥重要作用。
