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。
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。
我们的研究已经表明，通过视频监控，受感染的ASF病毒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。
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、查清、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。
