เทคโนโลยีการมองเห็นด้วยเครื่องจักรสำหรับการติดตามสวัสดิภาพสัตว์ปีก

เนื้อหาดูได้ที่:
English (อังกฤษ) Indonesia (อินโดนีเซีย) Melayu (Malay) Tiếng Việt (เวียดนาม) Philipino (ฟิลิปปินส์)
ภูมิหลังของสวัสดิภาพสัตว์ปีก

การผลิตสัตว์ปีกมีบทบาทสำคัญในการเลี้ยงดูประชากรโลกที่เพิ่มขึ้นด้วยโปรตีนที่สามารถเข้าถึงได้ในราคาที่ไม่สูง (เช่น ไก่และไข่) สหรัฐอเมริกาคือผู้ผลิตไก่เนื้อรายใหญ่ที่สุดในโลกและผู้ผลิตไข่รายที่สองของโลก เนื่องจากนวัตกรรมที่ต่อเนื่องในด้านการผสมพันธุ์สัตว์ การจัดการโภชนาการ การควบคุมสิ่งแวดล้อม และการป้องกันโรค เป็นต้น
อย่างไรก็ตาม ฟาร์มไก่และฟาร์มไข่ในสหรัฐอเมริกากำลังเผชิญกับความท้าทายหลายประการในการผลิต โดยเฉพาะอย่างยิ่งในเรื่องของความเป็นอยู่ที่ดีของสัตว์

เช่น ไก่เนื้อที่เติบโตอย่างรวดเร็วมักประสบปัญหาขาไม่แข็งแรงหรือขาลาก
นอกจากนี้ ระบบการผลิตไข่ที่ใช้กรงก็ถูกบังคับให้ปรับเปลี่ยนไปสู่การผลิตแบบไร้กรง ซึ่งในบางกรณีกลับไม่สามารถรับประกันสวัสดิภาพของแม่ไก่ได้ เนื่องจากมีอัตราการตายและการบาดเจ็บที่สูง รวมถึงคุณภาพอากาศที่ไม่ดี

เพื่อแก้ไขปัญหาเหล่านี้ นักวิจัยจากมหาวิทยาลัยจอร์เจีย (UGA) โดยการนำของ Dr. Lilong Chai ได้พัฒนาเทคโนโลยีการเกษตรที่แม่นยำหลายตัว เพื่อใช้ในการตรวจสอบความเป็นอยู่ที่ดีและพฤติกรรมของไก่เนื้อและแม่ไก่ในระบบไร้กรงอย่างมีประสิทธิภาพ
การกระจายตัวและพฤติกรรมของไก่เนื้อบนพื้น
การกระจายตัวและพฤติกรรมของไก่เนื้อบนพื้นเป็นปัจจัยสำคัญที่สะท้อนถึงสุขภาพของฝูงไก่ หากสุขภาพของไก่ไม่ดี อาจส่งผลกระทบต่อพฤติกรรมของพวกมันได้ การตรวจสอบการกระจายตัวของไก่เนื้อบนพื้นมักจะดำเนินการเป็นประจำในฟาร์มเชิงพาณิชย์ หรืออาจทำหลายครั้งในหนึ่งวัน ซึ่งเป็นงานที่ต้องใช้แรงงานมากและใช้เวลานาน นอกจากนี้ยังมีโอกาสเกิดข้อผิดพลาดจากพนักงานได้อีกด้วย

เพื่อให้การตรวจสอบนี้มีความแม่นยำมากขึ้น จึงมีความจำเป็นต้องพัฒนาระบบที่สามารถตรวจสอบการกระจายตัวของไก่เนื้อบนพื้นได้โดยอัตโนมัติ
โดยใช้เทคโนโลยีการมองเห็นของเครื่องจักร ซึ่งถูกพัฒนาและทดสอบในบ้านไก่เนื้อทดลองที่มหาวิทยาลัยจอร์เจีย (UGA) การติดตามการกระจายตัวของไก่แต่ละตัว จะช่วยให้สามารถแบ่งพื้นที่ในคอกออกเป็นโซนต่าง ๆ เช่น โซนดื่มน้ำ โซนให้อาหาร และโซนพักผ่อนหรือออกกำลังกาย (ดูรูปที่ 1)
พื้นที่หรือข้อมูลโปรไฟล์ของไก่ประมาณ 7,000 ตัว ถูกนำมาใช้ในการสร้างแบบจำลองเครือข่ายประสาทเทียมแบบ BP (Backpropagation) เพื่อวิเคราะห์การกระจายตัวของไก่บนพื้น
ผลลัพธ์ที่ได้แสดงให้เห็นว่าความแม่นยำในการระบุการกระจายตัวของไก่ในพื้นที่ดื่มน้ำและพื้นที่ให้อาหารอยู่ที่ 0.9419 และ 0.9544 ตามลำดับ
นอกจากนี้ ทีมงานยังได้พัฒนาการวิจัยต่อไปโดยการนำแบบจำลองการเรียนรู้เชิงลึกแบบ CNN (Convolutional Neural Network) มาใช้ในการสังเกตพฤติกรรมของไก่ในกิจกรรมต่าง ๆ เช่น การกิน, การดื่มน้ำ, การพักผ่อน และการยืน ซึ่งพิจารณาจากช่วงอายุที่แตกต่างกัน (ตามที่แสดงในรูปที่ 2 และรูปที่ 3)
หลังจากการประมวลผล...

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Phasellus non massa sit amet risus commodo feugiat. Quisque sodales turpis sed felis scelerisque, et luctus sapien facilisis. Integer nec urna libero. Sed vehicula venenatis lorem. Aenean fringilla dui non sapien pulvinar, sed tincidunt turpis tempus. Cras non nulla velit.

ลงทะเบียนฟรีและเข้าถึงบทความโภชนาการที่ดีที่สุดบน AviNews.

ลงทะเบียนได้ที่ aviNews เพื่อปลดล็อกบทความนี้และรับสิทธิประโยชน์เพิ่มเติม เช่น:

เข้าสู่ระบบ