An AI-enabled radiometric ocular thermography framework for monitoring heat vulnerability and welfare in poultry

تُعد الحرارة خصماً صامتاً ولكن لا يلين في عالم تربية الدواجن. فعندما تتعرض الدجاجات لدرجات حرارة مرتفعة لفترات طويلة، تكافح أجسادها للتكيف، مما يؤدي إلى تراجع النمو، وانخفاض إنتاج البيض، وفي حالات شديدة، الموت. بالنسبة للمزارعين، يكمن التحدي في اكتشاف هذا الإجهاد مبكراً، وغالباً قبل أن تظهر على الطيور علامات واضحة للمرض. وتوفر العيون دليلاً حاسماً؛ فبما أن درجة حرارة العين ترتبط ارتباطاً وثيقاً بدرجة حرارة الجسم الأساسية للطائر، فإن مراقبة العيون يمكن أن تعمل كنظام إنذار مبكر للإجهاد الحراري. ومع ذلك، فإن فحص درجة حرارة كل طائر على حدة في حظيرة مزدحمة هو مهمة شاقة؛ إذ يتطلب القيام بذلك يدوياً إيقاف القطيع، والتعامل مع كل طائر، وأخذ قراءة، وهي عملية بطيئة، وتسبب توتراً للحيوانات، ومن المستحيل توسيع نطاقها لتشمل آلاف الطيور.

ولحل هذه المشكلة، توجه الباحثون إلى مزيج من التصوير الحراري والذكاء الاصطناعي. يمكن للكاميرات الحرارية رؤية الحرارة المنبعثة من جلد الحيوان دون لمسه أبداً، مما ينشئ صورة تظهر فيها المناطق الأكثر دفئاً كأجزاء أكثر سطوعاً. ومع ذلك، لا يمكن للكاميرا وحدها أن تميز أي جزء من الطائر هو العين، ولا يمكنها تلقائياً حساب درجة حرارة ذلك الموقع المحدد من مشهد فوضوي مليء بالطيور المتحركة. وهنا يأتي دور الذكاء الاصطناعي، ليعمل كمساعد رقمي يمكنه تعلم التعرف على أجزاء جسم محددة واستخراج بيانات دقيقة من صور معقدة. والهدف هو إنشاء نظام يسمح للمزارعين بمجرد السير عبر الحظيرة، والتقاط الصور، وتلقي تقرير فوري عن الصحة الحرارية لقطيعهم.

في دراسة حديثة أجريت في الهند، قام باحث مستقل بتطوير واختبار مثل هذا النظام خصيصاً للدواجن. ركز العمل على إنشاء إطار كامل يمكنه تحديد أعين الدجاج تلقائياً في الصور الحرارية وقياس درجة حرارتها، كل ذلك أثناء العمل على جهاز محمول. جرت الدراسة خلال شهر صيفي حار في بيتين للدواجن في ولاية أوديشا؛ حيث ضم أحد البيوت طيوراً بالغة، يبلغ عمرها حوالي ستة وعشرين أسبوعاً، بينما ضم البيت المجاور طيوراً يافعة أصغر سناً، تبلغ حوالي ثلاثة عشر أسبوعاً. تجول الباحث في الحظائر باستخدام كاميرا حرارية محمولة متصلة بهاتف ذكي، ملتقطاً صوراً للطيور أثناء تحركها. سجلت الكاميرا صورة ضوئية مرئية قياسية وصورة حرارية خام، والتي تحتوي على بيانات درجة الحرارة الفعلية لكل بكسل في الإطار.

تضمن جوهر المشروع تعليم برنامج كمبيوتر كيفية التعرف على أعين الدجاج وعزلها. قام الباحث أولاً بتحديد العيون يدوياً في مجموعة مختارة من الصور باستخدام برامج متخصصة، مما خلق مجموعة من الأمثلة ليتعلم منها الكمبيوتر. استُخدمت هذه الأمثلة لتدريب نوع من نماذج الذكاء الاصطناعي يُعرف باسم "شبكة التجزئة" (segmentation network). وبخلاف النموذج الذي يرسم ببساطة مربعاً حول الطائر، فقد تم تدريب هذا النظام على رسم حدود دقيقة حول العين فقط، وفصلها عن بقية رأس الطائر والبيئة المحيطة. درب الباحثون نسختين منفصلتين من هذا النموذج: إحداهما مخصصة للطيور البالغة، والأخرى للطيور اليافعة الأصغر سناً، حيث تختلف أحجام وأشكال العيون بين الفئتين العمريتين.

بمجرد تدريب النماذج، وُضعت قيد الاختبار على مئات الصور التي التُقطت في الحظائر. نجح النظام في تحديد ورسم حدود أعين 123 طائراً بالغاً و128 طائراً يافعاً. ولكل عين تم تحديدها، استخرج البرنامج بيانات درجة الحرارة من المنطقة المقابلة في الصورة الحرارية. وكشف التحليل عن فرق واضح وكبير بين المجموعتين؛ إذ كان متوسط درجة حرارة عين الطيور اليافعة أعلى بمقدار 0.741 درجة مئوية من الطيور البالغة. ويشير هذا الاكتشاف إلى أن الطيور الأصغر سناً كانت تعاني من إجهاد حراري أكبر أو كانت أقل كفاءة في تبريد نفسها مقارنة بالطيور الأكبر سناً والأكثر نضجاً. وقد أكد التحليل الإحصائي أن هذا الفرق لم يكن مجرد تقلب عشوائي، بل كان نمطاً ثابتاً لوحظ عبر البيانات.

ولضمان موثوقية هذه النتائج، أخضع الباحث النتائج لاختبارات صارمة؛ حيث أجرى آلاف اختبارات إعادة أخذ العينات المحاكية لمعرفة ما إذا كان الفرق في درجات الحرارة سيصمد عند خلط البيانات وإعادة تحليلها. وفي الغالبية العظمى من هذه الاختبارات، أظهرت الطيور الأصغر سناً درجات حرارة أعلى باستمرار. كما تناولت الدراسة صعوبة المهمة، مشيرة إلى أن النموذج المدرب على الطيور اليافعة كان أقل دقة قليلاً من نموذج الطيور البالغة، ويرجع ذلك على الأرجوة إلى أن الملامح الأصغر والأقل وضوحاً لعيون الصغار تجعل من الصعب على الكمبيوتر تحديد موقعها في قطيع مزدحم ومتحرك. وبالرغم من هذا التحدي، نجح النظام في معالجة البيانات وتوفير ملف تعريف حراري واضح للطيور.

إن تتويج هذا البحث هو أداة عملية للمزارعين؛ فقد بنى الباحث تطبيق ويب للهواتف المحمولة يتيح للمستخدم رفع صورة حرارية لدجاجة، وتحديد ما إذا كانت بالغة أم يافعة، وتلقي تقدير فوري لدرجة حرارة عين الطائر. كما يوفر التطبيق تصنيفاً لشدة الحالة، مما يساعد المستخدم على فهم ما إذا كانت درجة الحرارة تشير إلى حالة صحية أم علامة تحذير من الإجهاد الحراري. يوفر هذا النهج وسيلة لمراقبة رفاهية القطيع دون إزعاج الحيوانات أو الحاجة إلى معدات ثابتة باهظة الثمن. ومن خلال أتمتة اكتشاف الإجهاد الحراري، يُمكّن هذا النظام المزارعين من التدخل المبكر، مما قد ينقذ الطيور من العواقب الأكثر خطورة لارتفاع درجة الحرارة.

بينما تقدم الدراسة حلاً واعداً، يقر الباحث بوجود بعض القيود؛ فقد جُمعت البيانات من بيتين منفصلين، مما يعني أن عوامل أخرى غير العمر، مثل الاختلافات الطفيفة في التهوية أو المناخات المحلية بين المبنيين، قد تكون أثرت على قراءات درجة الحرارة. بالإضافة إلى ذلك، فإن الطبيعة المزدحمة للحظائر تعني أن بعض الطيور كانت مخفية جزئياً، مما قد يفرض تحديات على أي نظام تصوير. ويقترح الباحث أنه بينما يعد تصوير العين الحراري أداة قوية، فإنه يعمل بشكل أفضل عند دمجه مع ملاحظات أخرى، مثل استهلاك الماء أو الوضعية العامة للطيور، لتكوين صورة كاملة لصحة القطيع.

في النهاية، يثبت هذا العمل أنه من الممكن استخدام الذكاء الاصطناعي لتحويل صورة حرارية بسيطة إلى تقرير صحي مفصل للدواجن. وتؤكد الدراسة أن الطيور الأصغر سناً هي بالفعل أكثر عرضة لحرارة الصيف من نظيراتها الأكبر سناً، وهو أمر يمكن الآن مراقبته تلقائياً وبشكل مستمر. ومن خلال جعل هذه التكنولوجيا متاحة عبر منصة محمولة، يمهد هذا البحث الطريق لمعيار جديد في إدارة الثروة الحيوانية، حيث يتم تتبع رفاهية القطيع بدقة وعناية، مما يضمن اكتشاف الإجهاد الحراري ومعالجته قبل أن يتحول إلى أزمة.