45,961条记录里，96.1%是"持续关注中"。
2.6%触发了告警。
这个比例，是系统工作逻辑最直接的体现。
很多人对"智能监控"的第一印象是：系统检测到异常，然后报警。这个理解没有完全错，但它描述的是一种被动触发的工作模式——平时沉默，异常时响应。
PigVision 的工作方式不是这样的。系统根据持续观察到的行为变化进行判断，在任何时刻都处于主动观察状态，并以此为基础对当前的风险水平做出持续判断。以下是这套机制在真实运行中产生的数据。
传统报警系统的问题不在于报警，而在于它"沉默"的时候，你不知道它是因为一切正常，还是因为它根本没有在监测。PigVision 用96.1%的持续关注状态回答了这个问题：系统一直在看，只是大多数时候看到的是正常。
系统以连续的数值评分评估当前风险水平，这条评分在运行期内跨日均值的变化范围，反映了猪群整体状态的平稳：
评分的长期稳定，是系统判断逻辑没有过度敏感或钝化的证明。它同时反映了一个真实的事实：在正常运营的猪场里，大多数日子里猪群的整体状态是平稳的，系统的评分如实记录了这一点。
系统在群体层面持续产生诊断标签，用于描述猪群当前状态的主要特征。14,082条群体记录里的分布如下：
76.1%的"综合关注中"，是系统在多个行为维度同步观察到偏离时产生的标签——它不直接对应高风险，而是系统在向管理者说：这里有几个指标同时在变化，值得留意。高风险标签（1次）和打斗风险标签（34次）的低频率，与正常运营的猪场的实际状况相符。
这三篇 Cases 呈现的，是 PigVision 在真实猪场环境里运行产生的事实记录：
76天设备运行、151万条行为片段、持续稳定的风险评分、96.1%的持续在场状态。
它不是一个演示，而是一个正在工作的活系统。截至本文发布时，系统仍在运行。