目的 针对传统实验动物中心管理中存在的笼位调度效率低、人员行为监管不到位、设备老化难升级等问 题，通过应用多模态大模型技术升级现有实验动物中心的信息系统，实现实验动物笼位状态的实时感知、实验人员 行为的智能监管以及业务流程的自动化处理，从而提升管理效率与精细化水平。

方法 浙江大学医学院附属第一医 院实验动物中心提出一个基于人工智能的实验动物中心信息化升级方式，能兼容不同饲养设备。该系统架构自下而 上依次包括硬件设施层、核心算法层和应用功能层。硬件设施层配备摄像头和高速网络传输设备，用于笼位和人员 信息采集；核心算法层通过多阶段图像预处理技术和多模态大模型识别技术，实现图片信息抽取和识别；应用功能 层将识别结果和已有动物中心信息相整合，生成实时笼位占有热力图，直观、清晰地展示实验动物中心的笼位使用 密度分布情况。

结果 基于人工智能的管理系统笼位识别准确率达98.5%，人员的实验服正确穿戴识别率为98.8%。 每张图片平均处理时间约为3.7 s，笼位有效使用率提升23%，周转效率提高35%。此外，管理系统能够实时追踪并 警告不规范行为，在通过智能化识别后，综合违规行为的发现次数暴露更多，违规行为发现率提升90.6%，持续使 用3个月后，周平均违规行为较基线期下降54.0%。

结论 将多模态大模型应用于实验动物管理领域，可实现笼位 标识实时监控与自动化管理，提升管理效率和精确度。系统整合视觉识别和行为分析等多源数据，可构建对实验人 员的全方位智能监管体系，为科研机构提供高效、精准、价廉的管理工具，推动实验动物管理的智能化发展。

阅读原文：基于人工智能的实验动物中心信息化升级及应用实践.pdf