0
咬尾是世界范围内猪场的主要福利和经济问题。尾巴位置低是一种早期预警信号，可以降低咬尾的不可预测性。采用精准家畜养殖法，利用飞行时间三维摄像机，采用机器视觉算法对数据进行处理，实现了猪尾巴姿势测量的自动化。3D算法在检测低尾位和非低尾位时的准确率为73.9%（灵敏度88.4%，特异性66.8%）。23组（每组29头）未断尾生猪在典型商品猪场饲养，连续进行8个批次。
15组猪爆发咬尾现象，随后在猪栏中放置了富集材料，将被咬伤的猪移出并接受治疗。来自爆发组的3D数据显示，低尾位生猪的比例在暴发前增加，在暴发后下降。在爆发前，低尾位的增加随着时间的推移呈上升趋势，低尾位的比例在爆发前一周（-1）高于爆发前两周（-2）。在每个批次中，确定一个暴发和一个非暴发对照组。在第1周，+1周和+2周内，暴发组的3D低尾位生猪比其对照组多。比较3D尾巴姿势和尾损伤评分数据，低尾位的比例越大，受伤的猪越多。低尾位可能不仅仅意味着咬尾，因为尾巴姿势随着时间的推移而改变，而且当猪被转移到新猪栏时，低尾位的比例会增加。
我们的发现证明了3D机器视觉系统自动执行尾部姿态检测并为猪场提供咬尾预警的潜力。
来源：D’Eath RB, Jack M, Futro A, Talbot D, Zhu Q, Barclay D, et al. Automatic early warning of tail biting in pigs: 3D cameras can detect lowered tail posture before an outbreak. PLoS ONE. 2018; 13(4): e0194524. https://doi.org/10.1371/journal.pone.0194524
