香港城市大學領導的研究團隊研發深度學習模型，可從雞舍的自然雞聲中辨認出及量化雞隻的求救啼聲，聲稱準確度高達97%，有助改善居於擁擠的農場雞隻的生活條件，有關研究已發表在《英國皇家學會介面期刊》。
全球每年生產逾250億隻活雞，多是數以千計地大群飼養，源於不同因素觸發的雞隻求救啼叫，可視為雞隻生存狀態的「冰山指標」，能反映死亡率及生長率。然而，目前主要依賴人工評估雞隻求救啼叫，既費時費力，又易受主觀判斷影響。
城大研發深度學習模型，可辨認出雞隻啼叫是因過於擁擠還是糧水不足。(城大提供圖片)
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，基於生物聲學技術及深度學習，研發出一項自動、客觀的方法，評估及量化雞隻的求救啼聲。
準確度高達97%
該算法可分析頻率範圍為0赫兹至11025赫兹的音頻訊號，能以高達97%的準確率，從雞舍的自然雞啼聲中，分辨出求救啼叫，並可準確檢測雞隻是否因身體狀況，或其他外在因素（例如環境過於擁擠、糧水不足，或受其他雞隻攻擊等）而感受到壓力。
新算法考慮電腦計算的資源限制，適合農場實際應用，預料5年內可作商業用途。（路透資料圖片）
團隊表示，該技術未來可讓工作人員，實時及遠距離監察雞隻，在有需要時及早干預養殖情況。同時，亦有助工作人員分析處理大量數據，改善養殖及動物管理。團隊強調，該算法全面考慮電腦計算的資源限制，故適合農場實際應用，預料5年內可作商業用途。
