香港城市大學（城大）領(lǐng)導的研究團隊研發(fā)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(yè)農(nóng)場雞隻的生活條件及福祉。

研究團隊由城大賽馬會動物醫(yī)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(lǐng)導，協(xié)作學府及機構(gòu)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(qū)獸醫(yī)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(chǎn)的活雞逾250億隻，多是數(shù)以千計地大群飼養(yǎng)。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(yǎng)雞隻的農(nóng)場（每個雞舍飼養(yǎng)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(shù)和深度學習，研發(fā)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。

 

該算法可分析頻率範圍為0赫茲至11,025赫茲的音頻訊號，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(nèi)在身體狀況或外在因素（例如環(huán)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(chǎn)這些動物的農(nóng)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(tǒng)計雞隻求救啼叫，而是為牠們創(chuàng)造符合動物福祉的養(yǎng)殖環(huán)境。」

劉博士說：「這項新技術(shù)未來可讓工作人員實時及遠距離監(jiān)察雞隻的福祉，並且在有需要時及早對養(yǎng)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(shù)據(jù)分析，以改善養(yǎng)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(nóng)場實際應用。」

有關(guān)論文已於《英國皇家學會介面期刊》（Journal of the Royal Society Interface）發(fā)表，團隊預期該技術(shù)可於五年內(nèi)應用作商業(yè)用途。