《animal》：Review: Computer vision for welfare monitoring in farmed ruminants: a scoping review of evidence, framework alignment, and deployment readiness
编辑推荐：
研究人员旨在确定现有计算机视觉（CV）研究在多大程度上能够支持商业化养殖系统中的实际福利评估。研究采用Arksey与O’Malley（2005）范围综述方法学框架，并依据PRISMA-ScR（系统综述与荟萃分析优先报告条目-范围综述扩展版）指南进行报告。检索覆
研究人员旨在确定现有计算机视觉（CV）研究在多大程度上能够支持商业化养殖系统中的实际福利评估。研究采用Arksey与O’Malley（2005）范围综述方法学框架，并依据PRISMA-ScR（系统综述与荟萃分析优先报告条目-范围综述扩展版）指南进行报告。检索覆盖11个电子数据库及ClinicalTrials.gov、世界卫生组织Global Index Medicus和手工引文检索，共获得3 129条记录，最终纳入28项研究。研究人员将福利结局映射至Five Domains模型（Mellor, 2017），并对验证方式、部署环境、指标类型和代码可得性等变量进行描述性分析。结果显示：28项研究中93%聚焦行为学结局，无一项以疼痛（pain）或情感状态（affective state）作为主要结局；仅21%的研究在外部数据上测试模型，且无研究在多个农场开展验证；牛占研究总数的71%，绵羊和山羊代表性不足。跛行（lameness）与姿态（posture）工具最接近农场应用，但仍需多农场验证。研究结论指出，当前CV系统可检测特定行为，但尚不能全面评估福利，在完成针对公认福利评估方案的外部多农场验证之前，农场管理者、兽医和福利认证机构不应将现有CV系统视为经过验证的福利监测工具。该研究的重要意义在于系统揭示了CV福利监测证据基础与当代福利科学之间的对齐差距，并为该领域的标准化验证和开放数据建设提出了明确方向。
**一、研究背景与问题提出**
商业畜牧生产中牛、绵羊和山羊的福利既是科学优先事项，也是法规与认证要求日益重要的组成部分。跛行、疼痛性疾病、代谢紊乱以及超出明显病理范围的情感状态受损等高发且经济代价高昂的福利问题已被充分表征，但在商业生产条件下于个体动物层面进行常规检测仍具挑战。传统福利评估方法（包括人工观察及可穿戴传感器）受制于劳动力可得性、观察者间变异以及在大群体中实现连续监测的困难，导致科学与监管框架所设想的综合评估与商业生产系统实际可交付内容之间存在差距。精准畜牧养殖（PLF）通过自动监测技术改善 livestock 管理与福利，其中计算机视觉（CV）因非接触、可扩展且可利用农场现有摄像基础设施而受到特别关注，最可能作为群体水平筛查与分诊工具，将有限的人工评估资源导向最可能需要干预的动物。研究人员强调，技术能力不应与经过验证的福利评估相混淆：能准确分类躺卧或站立的系统，若无法识别疼痛、恐惧、慢性应激或体况受损，则对福利保障贡献有限。既往综述已考察猪姿态检测、奶牛监测、深度学习应用及疼痛与情感状态识别等，但尚无综述同时从福利框架对齐、部署准备度和验证质量三个维度系统评价CV福利监测。为此，研究人员将范围限定于农场反刍动物（牛、绵羊、山羊），以避免与猪和家禽的现有综述重复，同时保证单篇文稿的分析深度。研究目的为确定现有CV研究支持商业养殖系统实际福利评估的程度，具体目标包括：（1）描绘CV福利监测研究的数量、地理覆盖与发表时间线；（2）确定当前CV系统捕获哪些福利结局及其与Five Domains模型的对齐情况；（3）评估验证严谨性、部署情境与性能报告实践；（4）识别限制研究成果转化为可部署农场工具的关键证据缺口。核心问题不在于CV福利监测在技术上是否可行，而在于现有证据是否显示其已具备实际实施的就绪度。
**二、主要关键技术方法**
研究采用范围综述设计，遵循Arksey与O’Malley（2005）框架及Khalil等（2016）的改进方法，并按PRISMA-ScR指南报告；研究问题按Population-Concept-Context框架构建，方案在检索前确定但未前瞻性注册。检索于2026年3月实施，覆盖Scopus、Web of Science、PubMed、IEEE Xplore、ACM Digital Library、Embase、MEDLINE、CINAHL、PsycINFO、CENTRAL、Google Scholar共11个数据库，另检索ClinicalTrials.gov与世界卫生组织Global Index Medicus，并辅以手工引文检索；检索式由CV/机器学习术语、反刍动物物种术语和福利/行为术语三个布尔模块构成。记录经Covidence（Veritas Health Innovation，澳大利亚墨尔本）管理，实施去重及标题/摘要、全文两阶段双人独立筛选，分歧通过讨论解决，最终从125篇全文评估中纳入28项研究。数据使用经预试验的结构化图表提取表提取，由一名研究者制表、另一名独立核验，分歧经共识解决。福利结局显式映射至Five Domains模型以进行域级覆盖分析。数据导出后在Python 3.12（pandas、matplotlib）中进行描述性分析，包括单变量频数、五项预设双变量交叉制表和证据景观映射（二部网络与气泡图），未进行荟萃分析。按照范围综述方法学惯例，未对单项纳入研究进行正式质量评价，而以验证方法、部署环境、指标类型和代码可得性等制表方法学变量作为研究严谨性的经验指标。
**三、研究结果**
**发表趋势与研究人口学特征**：通过文献计量分析得出，纳入文献跨越2015—2025十年，近期加速明显，2015—2022年八年共7项（25%），2023年4项、2024年12项（43%）、2025年前数月5项，2023—2025年研究占75%（n=21）。牛为20项研究（71%）的主要研究物种，绵羊和羔羊6项（21%），山羊1项（4%），另有一项评估牛猪混合场景；小反刍动物合计7项（25%），相对其全球福利重要性明显偏低。19项（68%）在舍饲或室内环境开展，3项（11%）在放牧或户外开展。28项研究来自16个国家或国家组合，中国贡献最多（n=7），其次为意大利和美国（各n=4）及韩国（n=3），四国合计约占64%；区域上亚洲最多（n=13），其次为欧洲（n=12）和美洲（n=9）；南亚、撒哈拉以南非洲和东南亚——全球反刍动物数量最多的地区——无纳入研究。
**人工智能建模方法与研究焦点**：通过分类统计得出，深度学习占主导（24/28，86%），混合方法4项（14%），经典机器学习3项（11%），无学习组件的传统规则型CV 1项。实时目标检测架构（主要为YOLO家族）最常见（13/28，46%），主要用于固定机位舍饲环境中离散行为的定位及姿态与活动分类；基于预训练迁移学习骨干的卷积网络4项（14%），用于采食行为评分和体况估计等分类任务；姿态估计、光流和循环神经网络方法各见于单项研究。研究焦点以行为识别与分类最常见（n=22，79%），其次为活动监测（n=6，21%）、方法学/算法创新（n=6，21%）、精准畜牧管理应用（n=5，18%）、姿态检测（n=5，18%）和硬件/设备开发（n=4，14%）。
**福利结局覆盖与Five Domains对齐**：通过映射分析得出，覆盖高度集中于单一域：行为交互为26项研究（93%）的主要福利结局，其中活动模式15项（54%）、姿态及躺卧/站立行为11项（39%）、采食与反刍行为6项（21%）、社会行为5项（18%）；采食与反刍行为被归入行为交互而非营养域，因纳入标准捕获的是视觉可观察的行为指标而非基于摄入量的营养审计。健康域覆盖有限：步态跛行检测为主要结局者1项，提示一般疾病状态的行为线索（活动减少和与亚临床疾病相关的姿态改变）1项；体况评分轨迹、伤口评估和急性损伤评分无一项作为主要结局。心理状态域仅通过行为交互内的行为代理捕获：应激相关行为指标在3项研究（11%）中评估，包括Bati和Ser（2023）利用光流和卷积神经网络在标准化恐惧测试中分类绵羊恐惧相关行为、?akmak??等（2023）刻画羔羊人格相关应激反应以及McVey等（2022）在更广泛的 livestock 信息学工具包中纳入应激相关行为指标；由于情感状态不可直接观察而须经此类行为代理推断，这些研究功能上定位于行为评估域而非独立的情感状态终点。尽管已有经过验证且与摄像兼容的牛（Theurer等，2012；Patel和Neethirajan，2026）和绵羊（Broomé等，2023）面部动作单元编码与疼痛表情量表，无纳入研究将疼痛或更广泛的情感状态作为独立、有目的设计的主要结局；应用面部表情工具的研究其设定重点为算法性能验证而非生产群体中的流行病学疼痛测量。部分福利相关能力技术上已获证明但人工应用耗时（如体况评分），另一些则技术欠发达且文献代表性不足，因其需要复杂、较长时程的行为推断（如睡眠质量、长期社会稳定性、饱腹感或一般舒适度）。
**输入模态、时间趋势与研究目的**：通过模态统计得出，所有28项研究均以RGB（红绿蓝）成像作为主要或辅助模态，无一项以热成像、深度/3D成像或高光谱成像作为福利相关结局的主要输入模态。AI建模方法与发表时段的交叉制表显示，2020年前以经典机器学习和规则型方法为主（n=2），2023—2025年几乎完全转向深度学习（n=21）。在研究意图上，开发新AI模型为25项研究（89%）的主要既定目标，明确以验证现有系统为目的者仅6项（21%），数据集创建3项（11%），各类别互不排斥。
**部署情境与实际可用性**：通过交叉制表得出，11项研究（39%）报告实时处理，另4项（14%）为准实时，合计15项（54%）展示了某种实时能力；6项（21%）报告离线/批处理，3项（11%）未明确报告处理特征；实时系统完全集中于舍饲/室内环境，无户外或放牧部署系统报告实时性能。软件可复现性有限：4项（14%）发布开源代码，15项（54%）提供未共享的定制代码。验证设计方面，18项（64%）仅依赖内部训练/测试划分，6项（21%）报告在独立数据集上的外部验证。5项（18%）纳入多传感器融合，将视觉数据与加速度计或射频识别（RFID）标签结合，但CV在每项研究中仍为主要分析模态。
**性能指标报告与基准数据集**：通过指标统计得出，精确率（precision）为最常报告的主要指标（n=10，36%），其次为准确率（accuracy，n=8，29%）、召回率（recall，n=8，29%）和F1分数（n=4，14%）；平均精度均值（mAP）在目标检测研究中以多种变体使用，无两项研究采用完全相同的评估方案。在20项（71%）报告可量化最佳性能值的研究中，指标范围为81.0%—100.0%（均值95.4%），其中18项（90%）超过90%；研究人员强调这些数字需谨慎限定：95.4%的均值来自71%的语料，且均为各研究在自身内部评估集最乐观条件下的最佳指标，不应视为该领域真实世界性能的代表；精确率尤其不惩罚漏检，系统可在高精确率下漏检相当比例的福利相关事件；在500头畜群中约4.6%的平均错误率意味着每监测周期约23头动物可能被错误分类。外部验证受限部分源于可获取的标准化公共基准数据集短缺，文中列出五个可独立核验的公开数据集，并提示使用前应向托管存储库确认许可条款与获取途径。
**四、讨论部分总结**
讨论的核心发现是：在符合纳入标准的CV福利监测研究中，技术已快速成熟并吸引增长的研究投入，但仍狭隘聚焦于可观察行为，尚未触及基于“感受”的情感维度；一个每产生约四项新模型架构才有一项独立外部验证研究的领域，在推进技术指标，但其福利意义取决于所测结局是否为福利科学所重视的结局。在AI架构与福利任务的匹配性上，实时目标检测架构擅长定位单帧中离散且视觉可区分的事件，但本质上难以捕捉渐进、累积或时间延展的变化（如逐渐加重的步态、体况下降趋势或临床疾病前的活动减少）；基于预训练骨干的卷积分类器在固定标签集分类任务上表现较好，但高度依赖（通常小型、单设施）训练集的代表性；姿态估计方法可提供关节角度和步幅对称性等更具临床可解释性的定量步态与姿态指标，可能是最适合跛行评分的架构类别，但标注成本更高；光流方法可捕获与恐惧反应相关的运动动态，但仅见于一项研究；循环及时间序列模型最适合由时间模式定义的指标，但同样罕见。总体上，该领域现有架构组合与离散事件行为分类匹配良好，而与福利框架优先关注的连续、累积和情感指标匹配不佳，弥合差距可能需要对时间建模和关键点建模更多投入。在性能指标与验证框架上，分类式指标占主导，但相当比例研究将目标检测作为上游或核心步骤，而mAP和交并比（IoU）才是该领域的标准指标；IoU阈值和混淆矩阵层面细节的报告不一致，未来声称具有福利监测效用的研究至少应报告完整混淆矩阵（或明确报告召回率和假阴性率），因为漏报（未标记出痛苦或患病动物）的后果远大于误报。研究人员明确区分内部验证（k折交叉验证、同一设施同一时段的留出训练/测试划分或单数据集内的留一动物验证）与外部验证（在未用于训练的独立农场、畜群、饲养系统或地理区域数据上评估），指出内部验证只能证明模型能学习自身训练分布中的模式，不能证明其可泛化至不同农场的光照、动物形态、圈舍设计或管理实践；18项（64%）仅依赖某种形式的内部验证，仅6项（21%）报告外部验证，且无一项在多独立商业农场开展并对照Welfare Quality?等公认福利评估方案进行基准测试。研究人员提出最低报告要求：（i）留出内部测试划分或k折结果以确立基线可学习性；（ii）至少在真正独立的农场或畜群数据上进行一次外部验证；（iii）若最终用途为跨群体部署，则应针对具名福利评估基准开展预注册的多农场验证，并按农场分别报告性能而非合并，以使农场间变异可见。在典型CV工作流程及反复出现的局限上，多数研究遵循共同流程：数据采集通常依赖舍饲、放牧或处置设施环境中的固定或移动RGB相机，相机位置和光照通常针对单一设施优化且很少在研究内系统变化，限制了对光照变化、遮挡或相机角度鲁棒性的证据；预处理（帧提取、背景减除或感兴趣区域裁剪、缩放与归一化、个体检测或跟踪）报告不一致，妨碍复现；模型训练在设施特定标注数据集上进行，因训练与评估数据在大多数研究中来自同一设施或群体，表观性能相对部署条件被高估；评估通常限于留出内部划分，领域几乎完全缺乏共享评估方案或基准数据集，使跨研究比较无法实现；部署（整合进农场软件、边缘或云推理及告警）在已发表文献中很少达到，仅6项（21%）报告任何形式的外部验证，无一项报告多商业农场对照公认福利评估基准的验证，意味着大多数已发表流程止于评估阶段而非推进至部署。在技术就绪度信号上，基于步态的跛行检测和姿态/躺卧-站立分类是研究人员评估中最接近实际兽医与检查效用的两项CV福利能力，二者均建立在相对成熟、单一且定义明确的视觉信号之上，跛行评分尤其已有经过验证的人工对照可比对；基于面部表情的疼痛评分在概念上是通往情感状态评估最直接的路径，且在已识别研究中显示出与人类专家评分有希望的一致性，但仍处于较早的现场验证阶段，迄今仅在受控或单设施条件下测试；相比之下，采食/反刍行为分类和社会互动检测虽在文献中代表性良好，但目前作为管理或生产力工具比作为独立福利保障措施更有用，因为从原始行为计数到福利判断的映射（例如采食时间减少多少属于福利相关而非正常日间波动）在纳入研究中很少被明确。对兽医和福利检查员而言，步态/跛行检测系统和姿态分类器是目前最可迁移的起点，可用于补充（而非替代）人工福利巡查，前提是所采用系统已在与其用例相当的畜群类型和饲养系统上经过外部验证。在福利框架对齐这一主要证据缺口上，Five Domains模型对营养、物理环境、健康、行为交互和心理状态赋予相当重要性，而纳入文献中仅行为交互得到广泛体现；健康指标仅见于两项孤立研究，物理环境和营养完全未作为主要福利结局出现，心理状态仅通过三项研究中的应激相关行为部分涉及，疼痛和更广泛的情感状态未作为纳入研究的主要结局加以考察；已验证的牛和绵羊面部动作单元编码系统已提供与摄像兼容、基于证据的疼痛评分框架，两项纳入研究使用了面部表情工具但属于方法验证而非福利终点研究，凸显了工具可得性与作为主要疼痛监测工具部署之间的转化差距。研究人员声明这些域级缺口描述的是CV反刍动物福利研究的范围，不应解读为更广泛动物福利或PLF文献的结论，后者可能通过非CV方法（如基于加速度计的反刍监测、直接饮水量计量或环境传感器网络）涉及疼痛、营养或环境福利。在转化差距上，平均最佳性能95.4%来自各研究自身最乐观条件下的内部测试集且仅覆盖71%的语料，仅6项（21%）报告外部验证且多农场验证完全缺失，而后者是评估跨商业运营不同光照、动物类型、圈舍设计和管理方式泛化性所需的最低标准；仅在受控舍饲环境中对高产奶牛验证的CV系统不能假定在户外肉牛、粗放管理的绵羊或小农场的奶山羊上同样表现良好；新模型开发与独立验证之间89%对21%的差距反映了计算机科学和农业工程中偏好新颖架构而非重复研究的发表激励，其实际后果是福利保障工具需要更一致的外部验证、对照公认福利方案的基准测试和持续的现场性能监测，已发表性能数据才能被视为部署就绪度的证据而非技术可行性的证据。在物种与地理偏倚上，以牛为中心的文献（71%）表明研究投入更紧密地跟随商业生产价值而非全球福利需求；绵羊和山羊研究的相对缺失（合计7项，25%）与其福利重要性不成比例，小反刍动物特有的福利问题（如腐蹄病、蝇蛆病、难产及粗放管理下的体况下降）常见、具有经济意义且迄今受CV研究监测相对不足；研究集中于中国、意大利和美国也对可迁移性有直接影响，这些国家的生产系统、品种、气候和主要福利问题不一定代表南亚、撒哈拉以南非洲或东南亚——这些地区承载了全球反刍动物福利负担的相当份额却未贡献任何纳入研究，这一错配对于当前CV工具能否迁移至最需要低成本福利监测的生产系统具有明确含义。在方法学标准化上，报告指标多样（六种不同主要指标）、缺乏共享基准数据集以及缺乏公认评估方案，共同使跨研究比较实际上无法实现；研究人员提出三项具体标准化优先事项：指标标准化（F1分数、召回率和完整混淆矩阵，目标检测另加mAP/IoU，应成为任何声称福利监测效用的研究的最低报告要求，并对照与公认福利标准挂钩的预设性能阈值）、开放数据（无公开标注基准数据集则无法独立复现）以及验证设计标准（跨农场、跨品种和跨环境验证应成为任何明确面向商业部署的研究的最低要求）。在局限性上，研究人员指出：将纳入限于以CV为主要分析模态必然排除声学、可穿戴和环境传感器福利研究，该限制是为在单篇综述内保证分析深度并反映CV特定的非接触、可扩展特征，但意味着本综述无法评述其他模态的相对成熟度；限于农场反刍动物是为避免与猪和家禽CV综述重复的有意范围决策，但为这些物种开发的方法可能可迁移至反刍动物而未被捕获；发表偏倚可能存在，报告高性能的研究更易发表和索引，95.4%的平均最佳性能可能高估了典型、可独立复现的现场性能；标题/摘要筛选的评分者间信度按比例一致率为73.9%但kappa值（0.186）较低，该分歧可由患病率-kappa悖论解释，即合格记录的低基础率（4.5%的筛选记录进入全文筛选）即使真实一致性高也会在数学上压低kappa（Feinstein和Cicchetti，1990），全文筛选一致率为61.6%（kappa=0.274），全部48项分歧经结构化讨论解决；限于英文发表可能排除了相关研究，尤其是中文农业人工智能文献，鉴于中国对纳入英文语料的贡献，该文献库可能包含更多以牛为中心的CV福利研究；因纳入标准要求CV为主要分析模态并排除纯传感器方法，通过非CV方法涉及疼痛、情感状态或健康指标的研究未被捕获，故纳入文献中这些域的缺失描述的是CV反刍动物福利研究的当前范围，不应解读为更广泛动物福利文献中缺乏以疼痛或健康为重点的研究；未前瞻性注册方案（如PROSPERO或范围综述等效注册平台），但所有方案决策均在方法和补充材料S1中充分记录，可供独立方法学评估。
**五、研究结论翻译**
这项对2015年至2025年间发表的28项研究的范围综述记录了一个在技术上已取得进步、但在纳入的CV研究中尚未涉及足以证明其存在合理性的全部福利科学问题的领域。在Five Domains模型的五个域中，纳入文献仅对行为交互进行了有一定深度的探索；健康域监测仅见于两项孤立研究；而在这28项研究中，疼痛、情感状态和环境福利指标均未作为主要结局出现。这一模式反映的是符合研究人员纳入标准的CV研究的当前范围，不应解读为关于更广泛动物福利监测文献的证据，后者可能通过其他方法学涉及这些域。与此同时，64%的研究仅在内部数据集上验证模型，14%提供了可复现代码，且无纳入研究在多商业农场对照标准福利评估进行过验证。在这一特定证据基础内，技术进步已超越科学可信度。对从业者和监管者的信息是明确的：目前没有任何可用的农场反刍动物CV福利监测系统已证明具备作为主要福利保障工具所需的 external validation。在受控舍饲环境中已展示行为分类实时性能的系统应被视为未来现场测试的候选方案，而非完全可部署的解决方案。该领域最关键的下一个步骤不是创建新架构，而是对现有系统开展前瞻性、多农场验证，聚焦奶牛或小反刍动物的疼痛或跛行，并以Welfare Quality?方案作为参考标准。在福利科学引导研究问题、商业农场条件塑造验证过程之前，该文献将继续产生技术上令人印象深刻但实际福利意义有限的结果。
