呼吸异常是猪生病时常见的生理特征，及时快速的检测与识别异常呼吸的猪并提供实时预警，让猪场工作人员做出应急反应，可以有效的杜绝呼吸性传染病的传播，避免给养殖业者带来不必要的经济损失。目前对于猪呼吸性传染病的识别和管控还主要依赖于有经验的兽医进行人工识别，这严重影响了我国养猪业的自动化发展水平，并且猪场内恶劣的工作环境也会对人体健康带来危害，在科技不断进步和人力成本高昂的当下，人工识别的方式已不再适用于我国养猪业的发展需求。本文结合国内外的研究现状，引入机器视觉和图像处理等先进技术，设计了基于面积特征算子的方法非接触地检测猪的呼吸频率，旨在为猪场管理者提供一种检测猪场内猪呼吸频率的可行方案。　　为了克服诸多干扰物（如猪场内的排泄物，墙体剥落的石灰及其它污渍等）的影响，实现对猪体完整轮廓的有效提取。本文摒弃了传统的背景帧差分法，设计了色度优化的方法来提高视频图像的整体对比度，提高了目标检测的效率;采用自适应阈值分割、快速边界跟踪算法和Sobel算子来实现猪轮廓的提取。　　针对传统检测方法在检测精度和敏感度方面的不足，本文提出了基于面积特征算子的方法来提取目标特征和表征猪的呼吸。克服了基于脊腹线方法只能检测高呼吸频率的不足，有效提高了猪呼吸频率的检测精度。　　为了提高呼吸信号的局部精度和更好的刻画呼吸信号中存在的非平稳性特征，利用小波分析多分辨率和自适应性的特点有效降低了信号噪声，提高了呼吸信号的信噪比。本文采用峰值点检测的方法计数检测时间段内的呼吸频次，并最终通过公式转换为呼吸频率。为了验证本文方法的准确性和精准度，计算了该方法的识别误差，本文设计了两组对比试验，一为人工识别组;二为本文方法实验对比组。据实验数据分析表明，本文提供的方法在猪呼吸频率检测的精度上能达到92.002％以上。　　本文设计的基于面积特征算子检测猪呼吸频率的方法，解决了传统方法检测精度不高或者结果不够稳定的不足。由于本文设计方法计算量适中，反应快速，能做到实时检测，这一方法将在我国精细化养殖中具有较大的应用空间。