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

Hitze ist ein stiller, aber unerbittlicher Gegner in der Welt der Geflügelzucht. Wenn Hühner längeren hohen Temperaturen ausgesetzt sind, haben ihre Körper Schwierigkeiten, damit umzugehen, was zu reduziertem Wachstum, geringerer Eierproduktion und in schweren Fällen zum Tod führt. Für Landwirte besteht die Herausforderung darin, diesen Stress frühzeitig zu erkennen, oft noch bevor die Tiere offensichtliche Anzeichen von Krankheit zeigen. Die Augen bieten einen entscheidenden Hinweis. Da die Temperatur des Auges eng mit der Körperkerntemperatur eines Vogels korreliert, kann die Überwachung der Augen als Frühwarnsystem für Hitzestress dienen. Das Überprüfen der Temperatur einzelner Vögel in einem überfüllten Stall ist jedoch eine mühsame Aufgabe. Dies manuell durchzuführen erfordert das Anhalten der Herde, das Handhaben jedes einzelnen Vogels und das Durchführen einer Messung – ein Prozess, der langsam, stressig für die Tiere und für Tausende von Vögeln unmöglich skalierbar ist.

Um dieses Problem zu lösen, haben sich Forscher einer Kombination aus Wärmebildtechnik und künstlicher Intelligenz zugewandt. Wärmekameras können die Wärme sehen, die von der Haut eines Tieres abstrahlt, ohne es jemals berühren zu müssen, und erstellen ein Bild, in dem wärmere Bereiche heller erscheinen. Dennoch kann eine Kamera allein nicht unterscheiden, welcher Teil eines Vogels das Auge ist, noch kann sie automatisch die Temperatur dieser spezifischen Stelle aus einer chaotischen Szene berechnen, die voller sich bewegender Vögel ist. Hier kommt die künstliche Intelligenz ins Spiel, die als digitaler Assistent fungiert, der lernen kann, bestimmte Körperteile zu erkennen und präzise Daten aus komplexen Bildern zu extrahieren. Das Ziel ist es, ein System zu schaffen, das es Landwirten ermöglicht, einfach durch einen Stall zu gehen, Bilder aufzunehmen und sofort einen Bericht über die thermische Gesundheit ihrer Herde zu erhalten.

In einer kürzlich durchgeführten Studie in Indien entwickelte und testete ein unabhängiger Forscher ein solches System speziell für Geflügel. Die Arbeit konzentrierte sich auf die Erstellung eines vollständigen Frameworks, das automatisch Hühneraugen in Wärmebildern finden und deren Temperatur messen kann, während es gleichzeitig auf einem Mobilgerät läuft. Die Studie fand während eines heißen Sommermonats in zwei Geflügelställen in Odisha statt. Ein Stall beherbergte adulte Tiere, etwa sechsundzwanzig Wochen alt, während der angrenzende Stall jüngere Jungtiere, etwa dreizehn Wochen alt, enthielt. Der Forscher ging mit einer Handheld-Wärmekamera, die mit einem Smartphone verbunden war, durch die Ställe und nahm Bilder der Vögel auf, während diese sich im Raum bewegten. Die Kamera zeichnete sowohl ein Standardfoto im sichtbaren Licht als auch ein rohes Wärmebild auf, das die tatsächlichen Temperaturdaten für jeden Pixel des Rahmens enthält.

Der Kern des Projekts bestand darin, einem Computerprogramm beizubringen, die Augen der Hühner zu erkennen und zu isolieren. Der Forscher markierte zunächst manuell die Augen in einer Auswahl von Bildern mithilfe spezialisierter Software, um einen Satz von Beispielen zu erstellen, von denen der Computer lernen konnte. Diese Beispiele wurden verwendet, um eine Art von KI-Modell zu trainieren, das ein Segmentierungsnetzwerk ist. Im Gegensatz zu einem Modell, das einfach nur ein Rechteck um einen Vogel zieht, wurde dieses System darauf trainiert, eine präzise Kontur nur um das Auge zu ziehen und es so vom Rest des Kopfes des Vogels und der Umgebung abzugrenzen. Die Forscher trainierten zwei separate Versionen dieses Modells: eines speziell für adulte Vögel und eines für die jüngeren Jungtiere, da sich die Größe und das Aussehen der Augen zwischen den beiden Altersgruppen unterscheiden.

Nachdem die Modelle trainiert worden waren, wurden sie an Hunderten von Bildern, die in den Ställen aufgenommen wurden, getestet. Das System identifizierte und umrandete erfolgreich die Augen von 123 adulten Vögeln und 128 Jungtieren. Für jedes identifizierte Auge extrahierte die Software die Temperaturdaten aus dem entsprechenden Bereich des Wärmebildes. Die Analyse ergab einen klaren und signifikanten Unterschied zwischen den beiden Gruppen. Die durchschnittliche Augentemperatur der Jungtiere war um 0,741 °C höher als die der adulten Vögel. Dieser Befund deutet darauf hin, dass die jüngeren Vögel stärker unter Hitzestress litten oder weniger effizient bei der Kühlung ihrer selbst waren als die älteren, ausgewachseneren Vögel. Die statistische Analyse bestätigte, dass dieser Unterschied keine zufällige Fluktuation war, sondern ein konsistentes Muster, das über die gesamten Daten hinweg beobachtet wurde.

Um sicherzustellen, dass diese Ergebnisse zuverlässig sind, unterzog der Forscher die Ergebnisse strengen Tests. Sie führten tausende simulierte Resampling-Tests durch, um zu sehen, ob der Temperaturunterschied bestehen blieb, wenn die Daten gemischt und neu analysiert wurden. In der überwiegenden Mehrheit dieser Tests zeigten die jüngeren Vögel konsistent höhere Temperaturen. Die Studie thematisierte auch die Schwierigkeit der Aufgabe und stellte fest, dass das auf die jüngeren Vögel trainierte Modell etwas weniger präzise war als das für die Adulten, was wahrscheinlich daran liegt, dass die kleineren, weniger markanten Merkmale der Augen von Jungtieren es einem Computer schwieriger machen, sie in einer gedrängten, bewegten Herde zu lokalisieren. Trotz dieser Herausforderung verarbeitete das System die Daten erfolgreich und lieferte ein klares thermisches Profil der Vögel.

Die Krönung dieser Forschung ist ein praktisches Werkzeug für Landwirte. Der Forscher entwickelte eine mobile Webanwendung, die es einem Nutzer ermöglicht, ein Wärmebild eines Huhns hochzuladen, auszuwählen, ob es sich um ein adultes oder ein Jungtier handelt, und eine sofortige Schätzung der Augentemperatur des Vogels zu erhalten. Die App liefert auch eine Schweregrad-Klassifizierung, die dem Nutzer hilft zu verstehen, ob die Temperatur einen gesunden Zustand oder ein Warnsignal für Hitzestress anzeigt. Dieser Ansatz bietet eine Möglichkeit, die Wohlfahrt einer Herde zu überwachen, ohne die Tiere zu stören oder teure, stationäre Ausrüstung zu benötigen. Durch die Automatisierung der Erkennung von Hitzestress befähigt das System Landwirte, frühzeitig einzugreifen und so potenziell die Tiere vor den schwerwiegenderen Folgen von Überhitzung zu bewahren.

Obwohl die Studie eine vielversprechende Lösung darstellt, räumt der Forscher gewisse Einschränkungen ein. Die Daten wurden aus zwei separaten Häusern erhoben, was bedeutet, dass Faktoren jenseits des Alters, wie etwa leichte Unterschiede in der Belüftung oder Mikroklimata zwischen den beiden Gebäuden, die Temperaturmessungen beeinflusst haben könnten. Zudem erschwerte die dichte Besetzung der Ställe die Arbeit, da einige Vögel teilweise verdeckt waren, was Herausforderungen für jedes Bildgebungssystem mit sich bringt. Der Forscher schlägt vor, dass die thermische Augenbildgebung zwar ein leistungsfähiges Werkzeug ist, sie aber am besten in Kombination mit anderen Beobachtungen, wie etwa der Wasseraufnahme oder der allgemeinen Körperhaltung der Vögel, eingesetzt wird, um ein vollständiges Bild der Gesundheit der Herde zu erhalten.

Letztendlich zeigt diese Arbeit, dass es möglich ist, künstliche Intelligenz einzusetzen, um aus einem einfachen Wärmefoto einen detaillierten Gesundheitsbericht für Geflügel zu erstellen. Die Studie bestätigt, dass jüngere Vögel tatsächlich anfälliger für Sommerhitze sind als ihre älteren Gegenüber, eine Tatsache, die nun automatisch und kontinuierlich überwacht werden kann. Durch die Zugänglichkeit dieser Technologie über eine mobile Plattform ebnet die Forschung den Weg für einen neuen Standard im Bestandsmanagement, bei dem das Wohlergehen der Herde mit Präzision und Sorgfalt verfolgt wird, um sicherzustellen, dass Hitzestress erkannt und bekämpft wird, bevor er zu einer Krise wird.