人類對肉類需求持續增加,牲畜飼養技術不斷改進,但目前主要依賴人工評估雞隻「求救」啼叫,費時費力又易受主觀判斷影響。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。
生物聲學技術 高達97%準確率
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。
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。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。
全球每年生產的活雞逾250億隻,多是數以千計地大群飼養。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》發表,團隊預期該技術可於5年內應用作商業用途。
編輯:Sun
閱讀更多: