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

Il calore è un avversario silenzioso ma implacabile nel mondo dell'allevamento avicolo. Quando i polli sono sottoposti a temperature elevate e prolungate, i loro corpi faticano a far fronte alla situazione, portando a una riduzione della crescita, a una minore produzione di uova e, nei casi più gravi, alla morte. Per gli allevatori, la sfida consiste nel rilevare questo disagio precocemente, spesso prima che gli uccelli mostrino segni evidenti di malattia. Gli occhi offrono un indizio cruciale. Poiché la temperatura dell'occhio correla strettamente con la temperatura corporea centrale di un uccello, il monitoraggio degli occhi può servire come sistema di allerta precoce per lo stress termico. Tuttavia, controllare la temperatura di ogni singolo uccello in un capannone affollato è un compito arduo. Farlo manualmente richiede di fermare l'intero stormo, manipolare ogni uccello e prendere una lettura, un processo lento, stressante per gli animali e impossibile da scalare per migliaia di capi.

Per risolvere questo problema, i ricercatori si sono rivolti a una combinazione di imaging termico e intelligenza artificiale. Le telecamere termiche possono vedere il calore irradiato dalla pelle di un animale senza mai toccarlo, creando un'immagine in cui le aree più calde appaiono più luminose. Eppure, una telecamera da sola non può distinguere quale parte di un uccello sia l'occhio, né può calcolare automaticamente la temperatura di quel punto specifico da una scena caotica piena di uccelli in movimento. È qui che interviene l'intelligenza artificiale, agendo come un assistente digitale in grado di imparare a riconoscere parti specifiche del corpo ed estrarre dati precisi da immagini complesse. L'obiettivo è creare un sistema che permetta agli allevatori di camminare semplicemente attraverso un capannone, catturare immagini e ricevere istantaneamente un rapporto sulla salute termica del loro stormo.

In uno studio recente condotto in India, un ricercatore indipendente ha sviluppato e testato un sistema del genere specificamente per l'avicoltura. Il lavoro si è concentrato sulla creazione di un framework completo capace di individuare automaticamente gli occhi dei polli in immagini termiche e misurarne la temperatura, il tutto eseguendosi su un dispositivo mobile. Lo studio si è svolto durante un mese estivo caldo in due allevamenti in Odisha. Un capannone ospitava uccelli adulti, di circa ventisei settimane, mentre l'adiacente conteneva giovani esemplari, di circa tredici settimane. Il ricercatore ha attraversato i capannoni con una telecamera termica portatile collegata a uno smartphone, catturando immagini degli uccelli mentre si muovevano. La telecamera registrava sia una foto standard a luce visibile sia un'immagine termica grezza, che contiene i dati reali della temperatura per ogni pixel dell'inquadratura.

Il cuore del progetto consisteva nell'insegnare a un programma informatico come riconoscere e isolare gli occhi dei polli. Il ricercatore ha prima marcato manualmente gli occhi in una selezione di immagini utilizzando software specializzati, creando un insieme di esempi da cui il computer potesse apprendere. Questi esempi sono stati utilizzati per addestrare un tipo di modello di intelligenza artificiale noto come rete di segmentazione. A differenza di un modello che si limita a disegnare un riquadro attorno a un uccello, questo sistema è stato addestrato per disegnare un contorno preciso solo intorno all'occhio, separandolo dal resto della testa dell'uccello e dall'ambiente circostante. I ricercatori hanno addestrato due versioni separate di questo modello: una specifica per gli uccelli adulti e un'altra per i giovani esemplari, poiché le dimensioni e l'aspetto degli occhi differiscono tra i due gruppi di età.

Una volta addestrati, i modelli sono stati messi alla prova sulle centinaia di immagini catturate nei capannelli. Il sistema ha identificato e delineato con successo gli occhi di 123 uccelli adulti e 128 esemplari giovani. Per ogni occhio identificato, il software ha estratto i dati della temperatura dalla corrispondente area dell'immagine termica. L'analisi ha rivelato una differenza chiara e significativa tra i due gruppi. La temperatura oculare media degli esemplari giovani era superiore di 0,741 °C rispetto a quella degli adulti. Questo reperto suggerisce che gli uccelli più giovani stessero sperimentando un maggiore stress termico o fossero meno efficienti nel raffreddarsi rispetto agli uccelli più vecchi e maturi. L'analisi statistica ha confermato che questa differenza non era una fluttuazione casuale, ma un modello costante osservato nei dati.

Per garantire che i risultati fossero affidabili, il ricercatore ha sottoposto i risultati a test rigorosi. Ha eseguito migliaia di test di ricampionamento simulato per vedere se la differenza di temperatura resistesse quando i dati venivano rimescolati e rianalizzati. Nella stragrande maggioranza di questi test, i giovani mostravano costantemente temperature più elevate. Lo studio ha anche affrontato la difficoltà del compito, notando che il modello addestrato sui giovani era leggermente meno preciso di quello per gli adulti, probabilmente perché le caratteristiche più piccole e meno distinte degli occhi dei giovani li rende più difficili da localizzare per un computer in uno stormo affollato e in movimento. Nonostante questa sfida, il sistema ha elaborato con successo i dati e fornito un profilo termico chiaro per gli uccelli.

Il culmine di questa ricerca è uno strumento pratico per gli allevatori. Il ricercatore ha costruito un'applicazione web mobile che consente all'utente di caricare un'immagine termica di un pollo, selezionare se si tratti di un adulto o di un giovane, e ricevere una stima immediata della temperatura oculare dell'uccello. L'app fornisce anche una classificazione della gravità, aiutando l'utente a capire se la temperatura indica uno stato di salute o un segnale di allerta per lo stress termico. Questo approccio offre un modo per monitorare il benessere di uno stormo senza disturbare gli animali o richiedere attrezzature costose e stazionarie. Automatizzando la rilevazione dello stress termico, il sistema permette agli allevatori di intervenire precocemente, salvando potenzialmente gli uccelli dalle conseguenze più gravi del surriscaldamento.

Sebbene lo studio presenti una soluzione promettente, il ricercatore riconosce certi limiti. I dati sono stati raccolti da due edifici separati, il che significa che fattori diversi dall'età, come lievi differenze nella ventilazione o microclimi tra i due edifici, potrebbero aver influenzato le letture della temperatura. Inoltre, la natura affollata dei capannelli significava che alcuni uccelli erano parzialmente nascosti, il che può introdurre sfide per qualsiasi sistema di imaging. Il ricercatore suggerisce che, sebbene l'imaging termico oculare sia uno strumento potente, funzioni al meglio se combinato con altre osservazioni, come l'assunzione di acqua o la postura generale degli uccelli, per formare un quadro completo della salute dello stormo.

In definitiva, questo lavoro dimostra che è possibile utilizzare l'intelligenza artificiale per trasformare una semplice foto termica in un rapporto dettagliato sulla salute. Lo studio conferma che i giovani uccelli sono effettivamente più vulnerabili al calore estivo rispetto ai loro compagni più anziani, un fatto che ora può essere monitorato automaticamente e continuamente. Rendendo questa tecnologia accessibile attraverso una piattaforma mobile, la ricerca apre la strada a un nuovo standard nella gestione del bestiame, dove il benessere dello stormo viene tracciato con precisione e cura, assicurando che lo stress termico venga rilevato e affrontato prima che diventi una crisi.