香港文匯報訊(記者 高鈺)全球每年生產的活雞逾250億隻,多是數以千計地大群飼養,其間雞隻因各種因素啼叫,目前主要依賴人工評估雞隻求救啼叫的情況及原因,既費時費力,又容易受人的主觀判斷影響。香港城市大學領導的研究團隊研發出深度學習模型,可從雞舍的自然雞聲中辨認及量化雞隻的求救啼聲,準確度高達97%,專家相信有關技術有助改善擁擠商業農場中雞隻的生活條件,改善其死亡率及提升生長率。

上述研究由城大賽馬會動物醫學及生命科學院傳染病及公共衞生學系副教授Alan McElligott及助理教授劉凱領導,協作機構包括廣西壯族自治區獸醫研究所以及英國倫敦帝國學院、倫敦大學瑪麗女皇學院、薩里大學。

研究團隊在廣西一個餵養雞隻的農場收集及分析麻雞和三黃雞的啼叫錄音,每個雞舍飼養約2,000隻至2,500隻活雞,透過生物聲學技術和深度學習,研發出一項自動、客觀而性價比高的嶄新方法,以評估及量化雞隻的求救啼聲。

可分辨雞啼原因

該算法可分析頻率範圍0赫兹至11,025赫兹的音頻訊號,能以高達97%的準確率,從雞舍的自然雞聲中分辨出雞隻的求救啼叫聲,並可準確檢測雞隻是因身體狀況、環境過於擁擠或糧水不足,又或受其它雞隻攻擊而啼叫。

劉凱指這項新技術未來可讓工作人員實時及遠距離監察雞隻情況,在有需要時及早對養殖情況作出干預,這樣也可減少分析師的工作量,有助他們進行大型數據分析,以改善養殖及動物管理。有關論文已於《英國皇家學會介面期刊》(Journal of the Royal Society Interface)發表,團隊預期該技術可於5年內應用作商業用途。