深度學習技術辨認求救啼聲 助改善養殖雞隻福祉

廖卓怡

 

The deep learning model developed by the CityU team can identify and quantify chicken distress calls with 97% accuracy.
城大研究團隊研發的深度學習模型能夠辨認及量化雞隻的求救啼叫聲,準確度高達97%。

 

香港城市大學(城大)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%。這項研究突破將有助改善居於擁擠的商業農場雞隻的生活條件及福祉。

研究團隊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博士及助理教授劉凱博士領導,協作學府及機構包括英國倫敦帝國學院、倫敦大學瑪麗女皇學院、薩里大學和廣西壯族自治區獸醫研究所,研究團隊的其他成員包括:城大傳染病及公共衞生學系博士生毛阿秀女士及研究助理Claire Giraudet女士

全球每年生產的活雞逾250億隻,多是數以千計地大群飼養。因各種因素而引起的雞隻求救啼叫,可視為雞隻福祉的「冰山指標」,能夠反映雞隻的死亡率及生長率。然而,目前主要依賴人工評估雞隻求救啼叫的方式,既費時費力,又容易受個別人士的主觀判斷影響。

研究團隊在廣西一個餵養雞隻的農場(每個雞舍飼養約2,000隻至2,500隻活雞),收集和分析麻雞和三黃雞的啼叫錄音,並基於生物聲學技術和深度學習,研發出一項自動、客觀而具成本效益的嶄新方法來評估及量化雞隻的求救啼聲。

該算法可準確檢測雞隻因內在身體狀況或外在因素而受到壓力。
該算法可準確檢測雞隻因內在身體狀況或外在因素而受到壓力。

 

該算法可分析頻率範圍為0赫兹至11,025赫兹的音頻訊號,因此能以高達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,並可準確檢測雞隻因內在身體狀況或外在因素(例如環境過於擁擠、糧水不足,或受其他雞隻攻擊)而受到壓力。

McElligott博士說:「有時很難說服必須以固定價格為超市生產這些動物的農民和所有人以科技來改善動物的福祉。我們的最終目標不只是統計雞隻求救啼叫,而是為牠們創造符合動物福祉的養殖環境。」

劉博士說:「這項新技術未來可讓工作人員實時及遠距離監察雞隻的福祉,並且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。」

毛女士說:「我們的算法全面考慮電腦計算的資源限制,因此適合供農場實際應用。」

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五年內應用作商業用途。
 

你可能感興趣

聯絡資料

傳訊及數據研究處

Back to top