行业痛点
不是缺摄像头、环境等多源传感器,而是没有人能24小时盯着屏幕。
大多数严重打斗发生在夜间,人工巡栏几乎不覆盖,发现时往往已造成伤亡。
采食异常是健康风险的早期信号,但靠人眼难以察觉微小的趋势变化。
群体应激事件发展快,等到肉眼可见已难以干预,损失往往超出预期。
行动迟缓、离群、不进食的个体,往往在症状明显前已错过最佳处置时机。
监控系统记录了一切。
但没有人知道发生了什么。
来自真实系统
以下数据来自系统实际运行记录,不是演示数据。
连续运行时长
不间断部署中
行为片段
结构化记录
风险事件识别
系统结构化记录
分级管理提醒
已通知人工处置
预警记录(真实日志)
2026-05-26 13:47
活动异常增加 · 猪舍 #3
2026-05-25 03:12
个体持续静卧异常 · 猪只 10759
2026-05-23 18:30
夜间活动水平异常增加 · 猪舍 #1
以上为真实系统记录,时间与猪只编号均来自实际运行数据
真实系统截图
截图来源:PigVision 实际部署系统后台
风险发现案例片
约 1 分钟 · 了解系统如何在人工发现之前给出提醒、辅助减少损失
PigVision 风险发现案例片
持续观察 · 异常发现 · 主动预警 · 帮助减少损失
提前发现的价值
以下为系统能力描述。我们正在通过首批合作验证这些场景的实际效果。
🌙 夜间打斗事件
发现时间
发现时已造成伤亡
平均滞后 4–8 小时
打斗发生后数十秒内触发预警
辅助争取更早的处置时间
🐷 个体行为异常
发现时间
症状明显后才察觉
往往滞后 12–24 小时
行为趋势异常时主动提示
辅助在早期阶段介入处置
如果系统能够提前发现风险,就能帮助猪场:
注:以上为系统能力描述,实际效果因猪场规模、环境、部署情况而异。我们正在通过首批合作验证真实数据。
我们正在尝试解决这个问题
PigVision 持续获取来自猪场的行为数据、环境数据和运营数据,将其转化为结构化理解,在异常扩散前主动预警。基于现有猪场基础设施即可快速部署。
持续观测
7×24h 持续获取猪群的行为、环境等多维数据
持续理解
实时解析行为,生成结构化理解
持续预测
识别行为模式,预判风险趋势
主动预警
风险信号即时通知,人工及时响应
异常活动增加
持续监测活动水平,辅助告警打斗与应激行为
采食行为异常
识别采食模式变化,辅助健康管理决策
群体状态变化
发现异常聚集/分散,辅助环境与温度管理
夜间异常行为
全天候覆盖,辅助发现白天容易错过的风险
行为趋势下降
记录历史趋势,辅助发现潜在长期健康风险
实时预警通知
风险事件即时推送,无需人工守屏
我们正在寻找首批合作伙伴,共同验证风险发现系统在真实猪场中的实际价值,
并基于真实场景持续优化系统。首批合作伙伴将享有专属权益,并参与产品共创。
首批合作伙伴专属权益
深入了解
四个系列,分别回答不同阶段的疑问。从任何一个开始都可以。
真实运行,是所有能力的前提。
数据不是PPT里的数字。76天、151万条行为片段、20,420条记录——每一条都可以追溯。
在进入研发之前,先进入现场。
从2024年春天一次真实的损失事件开始,到今天仍在运行的系统。完整记录,不加修饰。
从视频到决策,中间发生了什么?
什么是持续观测,为什么不是普通监控,为什么预警比事后回看更有价值。
风险往往发生在被忽略的时候。
夜间巡栏看不住、应激反应难预判、经验老到的饲养员也会漏掉的信号——行业的结构性问题。
JulReal(铸睿科技)专注物理世界 AI 系统研发。PigVision 是第一款落地产品。
留下您的联系方式,我们会在 48 小时内联系您了解情况。
其他信息电话沟通时再确认,不用填太多。