体温升高是很多猪病的前期症状，所以测量猪的体温对于猪病的监控和早期发现有重要意义。其中直肠温度被认为是准确的表征猪体温的指标，但是测量繁琐耗时，作为疾病的常规监测的可行性较差。
热成像技术具有无接触测量的特点，且测量速度快，但是只能够测猪的体表温度。猪的体表温度受到环境影响，因此直接使用热成像测量猪的体表温度获得的结果对于猪实际体温的表征性较差。
为了提高热成像测量猪体温的准确度，华中农业大学的研究人员开展了相关的研究。他们评估了环境温湿度对于猪几个位置的体表温度的影响，并结合温湿度参数使用机器学习的方法搭建了预测模型，以此来预测猪的实际体温。
热成像测量位置，按顺序：耳根、阴门、眼睛和背部
他们使用热成像检测的猪的表面温度的位置包括：背部、眼睛、阴门和耳根。在模型搭建上测试了反向传播神经网络（BPNN）、随机森林（RF）和支持向量回归（SVR）算法。
结果发现，在将环境温湿度纳入考量的情况下，三种模型都能获得更好的测量效果。其中遗传算法的支持向量机（GA-SVR）获得的结果最好，最大误差为0.478℃，最小误差为0.124℃，均方误差为0.159℃。
