← أحدث الأبحاث
💻 computer science

PlayClass: Automated Play Behaviour Classification in Poultry

تقدم الورقة البحثية PlayClass، وهو مسار آلي يجمع بين التتبع طويل الأمد وتضمينات النماذج التأسيسية لتصنيف سلوكيات اللعب الإيجابية في الدواجن من فيديو علوي، محققاً درجة 77.0 في متوسط F1 الكلي رغم التحديات مثل الانسداد والتشابهات الحركية بين أفعال اللعب وغير اللعب.

المؤلفون الأصليون: Prince Ravi Leow (Section for Health Data Science & AI, University of Copenhagen), Neil Scheidwasser (Section for Health Data Science & AI, University of Copenhagen, Department of Infectious Disease E
نُشر 2026-05-27
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Prince Ravi Leow (Section for Health Data Science & AI, University of Copenhagen), Neil Scheidwasser (Section for Health Data Science & AI, University of Copenhagen, Department of Infectious Disease Epidemiology, Imperial College London), Rebecca Oscarsson (AVIAN Behaviour Genomics and Physiology Group, Linköping University), Per Jensen (AVIAN Behaviour Genomics and Physiology Group, Linköping University), Samir Bhatt (Section for Health Data Science & AI, University of Copenhagen, Department of Infectious Disease Epidemiology, Imperial College London), David Alejandro Duchêne (Section for Health Data Science & AI, University of Copenhagen)

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك مزارع يحاول الحفاظ على سعادة وصحة دجاجاته. لفترة طويلة، كان العلماء بارعين في رصد متى تكون الدجاجات مريضة، أو مصابة، أو مجهدة (العلامات "السلبية"). لكنهم تجاهلوا في الغالب الأشياء الممتعة — مثل عندما تلعب الدجاجات، أو تلهو، أو تطارد دودة. الأمر يشبه امتلاك كاميرا مراقبة تنبهك فقط عندما يُكسر نافذة، ولكنها لا تخبرك أبمة عندما يستمتع الأطفال بوقتهم في الفناء الخلفي.

هذه الورقة البحثية، التي تسمى PlayClass، تشبه بناء نوع جديد من "كاشف المرح" للدجاج. وإليك كيف فعلوا ذلك، مشروحاً ببساة:

1. التحدي: مشكلة "الدجاج في الزحام"

تبدو الدجاجات متشابهة جداً فيما بينها، وتتحرك في مجموعات كبيرة وكثيفة. إذا حاولت تصويرها من الأعلى، فإنها تصطدم ببعضها البعض باستمرار، أو تختبئ خلف بعضها، أو تضيع وسط الحشد.

  • التشبيه: تخيل أنك تحاول تتبع صديق معين في حفلة موسيقية مزدحمة حيث يرتدي الجميع نفس القميص. إذا اختفى صديقك خلف شخص ما لثانية واحدة، فقد تفقد تتبعه وتبدأ في تتبع شخص آخر.
  • الحل: بنى الفريق نظام تتبع ذكي. استخدموا "راصداً" (أداة تسمى YOLO) لإيجاد أفضل اللحظات لإعادة ضبط التتبع الخاص بهم، مما يضمن عدم فقدان هوية دجاجة معينة حتى لو اختفت لفترة. كما استخدموا أداة ذكاء اصطناعي قوية (SAM 3) لرسم مخطط رقمي حول كل دجاجة في كل إطار.

2. البيانات: مكتبة لعب الدجاج

قاموا بتسجيل 30 فيديو لـ 45 دجاجة صغيرة لمدة 15 دقيقة لكل منها.

  • الإعداد: قدموا للدجاج ديدانًا وهمية وحشرات حقيقية للعب بها.
  • التصنيفات: شاهد خبير بشري مقاطع الفيديو وحدد بالضبط ما كانت تفعله الدجاجات:
    • اللعب: الجري بسرعة، القفز، رفرفة الأجنحة، أو مطاردة دودة.
    • ليس لعباً: مجرد المشي، الوقوف ساكناً، أو النقر على الأرض بشكل طبيعي.
  • المشكلة: معظم الوقت، لم تكن الدجاجات تلعب. إنه يشبه مكتبة حيث 87% من كتبها هي كتب مدرسية مملة، و1 فقط 13% منها هي قصص مغامرات مثيرة. كان على الكمبيوتر أن يتعلم كيفية إيجاد "قصص المغامرة" النادرة (اللعب) دون أن يرتبك بالقصص "المدرسية" (السلوك الطبيعي).

3. العقل: تعليم الكمبيوتر كيف "يرى" اللعب

جرب الباحثون طريقتين مختلفتين لتعليم الكمبيوتر كيف يبدو "اللعب":

  • الطريقة (أ): "المحقق الرياضي" (الميزات المصنوعة يدوياً)
    بدلاً من إظهار الفيديو بأكمله للكمبيوتر، أعطوه قائمة من الأرقام التي تصف حركة الدجاج: ما مدى سرعتها؟ هل تدور بشكل حاد؟ ما مدى حجم شكلها؟

    • النتيجة: كان هذا جيداً بشكل مفاجئ! بمجرد النظر إلى رياضيات الحركة، أصاب الكمبيوتر بنسبة 73% تقريباً. لقد أثبت أن للعب "رقصة" محددة للغاية.

  • الطريقة (ب): "طالب الفنون" (نماذج التأسيس)
    استخدموا عقول ذكاء اصطناعي ضخمة مدربة مسبقاً (مثل V-JEPA 2.1) تعلمت بالفعل فهم مقاطع الفيديو من الإنترنت. طلبوا من هذه العقول الذكية النظر في فيديوهات الدجاج وتخمين السلوك.

    • النتيجة: كان "طالب الفنون" (V-JEPA 2.1) هو الأفضل في فهم القصة البصرية. لقد كان أفضل في رصد الاختلافات الدقيقة بين "الجري من أجل المتعة" و"الجري للهروب".

  • التركيبة الخارقة: عندما جمعوا بين "المحقق الرياضي" (أرقام الحركة) و"طالب الفنون" (الفهم البصري)، وصلوا إلى أعلى درجة لهم: 77% من الدقة.

4. أين لا يزال النظام يعاني

حتى مع هذا النظام الذكي، لا يزال الكمبيوتر يرتبك أحياناً.

  • مشكلة "التشابه": أحياناً تجري الدجاجة بسرعة لأنها تلعب، وأحياناً أخرى تجري بسرعة لأنها خائفة. بالنسبة للكاميرا، يبدو كلاهما متطابقين تماماً. لا يستطيع الكمبيوتر دائماً التمييز بينهما.
  • مشكلة "الاختباء": عندما تتراكم الدجاجات فوق بعضها البعض (الانسداد)، يفقد الكمبيوتر القدرة على تتبع من هو من، مما يؤدي إلى وقوع أخطاء.

الخلاصة

تظهر هذه الورقة البحثية أنه يمكننا الآن رصد متى تستمتع الدجاجات تلقائياً، وليس فقط عندما تكون في ورطة.

  • الاستنتاج الرئيسي: لست بحاجة إلى ذكاء اصطناعي فائق التعقيد للقيام بذلك؛ فرياضيات الحركة البسيطة تعمل بشكل جيد تقريباً مثل أكثر أنواع الذكاء الاصطناعي تقدماً. ومع ذلك، فإن الجمع بينهما يعطي أفضل النتائج.
  • الهدف: لا يتعلق الأمر بالتنبؤ بالمستقبل أو علاج الأمراض بعد؛ بل يتعلق بإثبات أنه يمكننا بناء نظام لقياس الرفاهية الإيجابية (السعادة/اللعب) في الحيوانات المزرعية، وهي خطوة هائلة للأمام في فهم كيفية شعور الحيوانات.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 cs →