A lightweight visual system for determining the gender of poultry based on artificial intelligence

In der geschäftigen Welt der modernen Geflügelzucht treibt ein einfacher biologischer Fakt komplexe wirtschaftliche Entscheidungen voran: Männliche und weibliche Küken benötigen unterschiedliche Diäten, um optimal zu gedeihen. Männchen wachsen am besten mit energiereichem Futter, um an Gewicht zuzulegen, während Weibchen proteinreiche Mahlzeiten benötigen, um die Eierproduktion zu maximieren. Seit Jahrzehnten verlassen sich Landwirte auf zwei Hauptmethoden, um die Geschlechter nach dem Schlüpfen der Küken zu unterscheiden. Eine Methode umfasst geschulte Arbeiter, die die winzige Kloake manuell untersuchen – eine Aufgabe, die zwar schnell, aber anfällig für menschliche Fehler und Ermüdung ist. Die andere Methode nutzt spezialisierte Maschinen, die zwar präzise, aber für groß angelegte Betriebe prohibitiv teuer und langsam sind. Beide Ansätze haben Schwierigkeiten, mit den Anforderungen moderner, effizienter Farmen Schritt zu halten, was eine Lücke für eine Lösung hinterlässt, die sowohl erschwinglich als auch präzise ist.

Diese Herausforderung hat Forscher dazu veranlasst, künstliche Intelligenz zu untersuchen, insbesondere die Nutzung von Computer Vision (computergestütztem Sehen), um die Unterschiede zwischen männlichen und weiblichen Küken zu „erkennen“. Während einige frühere Versuche versuchten, den Klang des Piepsens oder die Textur der Federn zu analysieren, scheitern diese Methoden oft in der lauten, unvorhersehbaren Umgebung einer echten Brutstation. Geräusche werden leicht vom Maschinenlärm übertönt, und Federn können die subtilen physischen Unterschiede verdecken, die für eine Identifizierung notwendig sind. Um dies zu lösen, hat ein Forscherteam ein neues visuelles System entwickelt, das sich direkt auf die Gonaden der Küken konzentriert, also die inneren Organe, die das Geschlecht bestimmen. Durch die Kombination von fortschrittlicher Bilderkennung mit einem spezialisierten Kamera-Setup haben sie ein Werkzeug geschaffen, das das Geschlecht eines Kükens mit hoher Genauigkeit identifizieren kann und somit einen potenziellen Weg zu einer humaneren und effizienteren Landwirtschaft bietet.

Die Forscher begannen damit, die grundlegendste Hürde anzugehen: die Daten. Um einem Computer beizubringen, wie man zwischen einem männlichen und einem weiblichen Küken unterscheidet, benötigten sie eine riesige Bibliothek aus klaren Bildern, die die spezifischen physischen Merkmale zeigen. Sie sammelten über 1.200 hochauflösende Fotografien von eintägigen gelben Broiler-Küken. In einem sorgfältigen, nicht-invasiven Prozess legten Spezialisten den Kloakenbereich jedes Kükens vorsichtig frei, um die Gonaden abzubilden. Die Bilder zeigten einen deutlichen Unterschied: Männliche Küken weisen eine kleine, kreisförmige Vorwölbung auf, während weibliche Küken relativ flach erscheinen. Das Einfangen dieser Bilder ist jedoch schwierig, da die Organe unter weichen Daunenfedern verborgen sind und der Prozess oft menschliche Finger beinhaltet, die das Küken halten, was wiederum die Sicht blockieren oder verwirrende Schatten erzeugen kann. Um dies zu überwinden, erstellte das Team den ersten standardisierten Datensatz dieser Art in China, wobei jedes Bild akribisch als männlich oder weiblich gekennzeichnet wurde, was das Fundament für ihr System der künstlichen Intelligenz bildete.

Mit den vorliegenden Daten konstruierte das Team ein zweiteiliges System, das darauf ausgelegt ist, die Art und Weise zu imitieren, wie ein menschlicher Experte die Aufgabe angehen würde, jedoch mit der Geschwindigkeit und Konsistenz einer Maschine. Der erste Teil fungiert als Lokalisator. Unter Verwendung einer bekannten Objekterkennungstechnologie scannt das System ein Bild eines Kükens und findet sofort die exakte Stelle, an der sich die Gonaden befinden, wobei es den Rest des Vogels, die Federn und die menschlichen Finger, die ihn halten, ignoriert. Es schneidet dann nur diesen kleinen Bereich aus und passt die Größe auf ein Standardformat an. Dieser Schritt ist entscheidend, da er den visuellen Ballast entfernt, der andere Systeme oft verwirrt, und sicherstellt, dass der Computer nur die relevanten biologischen Merkmale betrachtet.

Der zweite Teil des Systems ist der Klassifikator, das „Gehirn“, das die endgültige Entscheidung trifft. Diese Komponente nutzt ein spezialisiertes neuronales Netzwerk, eine Art Computerprogramm, das dem menschlichen Gehirn nachempfunden ist, um das zugeschnittene Bild zu analysieren. Die Forscher entwarfen dieses Netzwerk so, dass es auf zwei spezifische Dinge achtet: die allgemeine Form des Bereichs und die spezifischen Details innerhalb desselben. Sie integrierten einen Mechanismus, der es dem System ermöglicht, sich auf die wichtigsten Teile des Bildes zu konzentrieren und das Rauschen zu ignorieren – ganz so, wie ein Mensch die Augen zusammenkneifen könnte, um sich auf ein bestimmtes Detail zu konzentrieren, während er den Hintergrund ausblendet. Durch die Kombination von tiefen Schichten der Merkmalsextraktion mit diesem dualen Fokus lernt das System, die subtile kreisförmige Wölbung eines Männchens oder die flache Oberfläche eines Weibchens zu erkennen, selbst wenn das Bild leicht unvollkommen ist.

Bei Tests arbeitete das System mit bemerkenswerter Präzision. In kontrollierten Experimenten identifizierte das neue System das Geschlecht eines Kükens in mehr als 91 Prozent der Fälle korrekt. Dies war eine signifikante Verbesserung gegenüber der alleinigen Verwendung eines Standard-Detektionsmodells, das Schwierigkeiten mit einer Genauigkeit von nur 55 Prozent hatte, was verdeutlicht, wie essenziell das spezialisierte Design für den Umgang mit der unordentlichen Realität realer Bilder war. Die Forscher verglichen ihr System zudem mit mehreren anderen populären Modellen der künstlichen Intelligenz, einschließlich solcher, die auf komplexen Transformer-Architekturen und klassischen Convolutional Networks basieren. Ihr System erreichte nicht nur die höchste Genauigkeit, sondern tat dies auch mit weniger Rechenressourcen, was es schneller und besser für die begrenzte Hardware geeignet macht, die oft auf kleineren Farmen zu finden ist.

Um sicherzustellen, dass das System nicht bloß rät, sondern tatsächlich die richtigen biologischen Merkmale lernt, nutzten die Forscher eine Technik, um zu visualisieren, worauf der Computer „sah“, wenn er eine Entscheidung traf. Die Ergebnisse zeigten, dass sich ihr System scharf auf die Gonadenregion konzentrierte, speziell auf die Vorwölbung oder die flache Fläche, während andere Modelle oft durch die umgebenden Federn oder die menschlichen Finger abgelenkt wurden. Dies bestätigte, dass das System dieselben anatomischen Hinweise nutzt, die auch menschliche Experten verwenden, anstatt zufällige Muster im Hintergrund zu finden. In einem Praxistest, der in einer kommerziellen Brutstation durchgeführt wurde, lief das System kontinuierlich sechs Stunden lang auf bescheidener, erschwinglicher Hardware und verarbeitete etwa 11 bis 12 Küken pro Sekunde mit konsistenter Genauigkeit, unabhängig von Änderungen der Beleuchtung oder der Person, die die Tiere hielt.

Die Studie kommt zu dem Schluss, dass dieses leichtgewichtige visuelle System eine praktikable, kostengünstige Alternative für die Geflügelindustrie darstellt. Durch die Automatisierung des Geschlechtsbestimmungsprozesses mit hoher Genauigkeit verspricht es, die Abhängigkeit von manueller Arbeit und teuren Maschinen zu verringern, was potenziell Kosten senkt und das Tierwohl verbessert. Die Forscher haben ihren Datensatz und den Quellcode ihres Systems öffentlich zugänglich gemacht und laden andere dazu ein, auf dieser Arbeit aufzubauen. Obwohl das aktuelle System an einer einzelnen Rasse von Küken unter spezifischen Bedingungen getestet wurde, deutet der Erfolg dieses Ansatzes auf einen klaren Weg hin zur Entwicklung robuster, automatisierter Werkzeuge, die sich an die vielfältigen und anspruchsvollen Umgebungen der modernen Landwirtschaft anpassen können.