AI在猪场疾病感染的应用
本文探讨如何将机器学习(ML)成功应用于规模化猪场传染病预测,涵盖PRRSV、PEDV、MHP和IAV-S四大病原体。研究基于两个异构生产系统(A/B),整合生产数据、天气参数、生物安全操作记录及动物移动信息,构建并对比6类ML模型(含神经网络自动编码器),验证其在低/高粒度数据下的泛化能力与7–30天前瞻性预警性能;重点突破数据稀缺性与时间序列分布偏移挑战,平衡准确率达58%–85%,为AI驱动的主动式生物安全防控提供实证框架与落地路径。