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

熱は、養鶏の世界における静かながらも容赦ない敵です。鶏が長時間高温にさらされると、その体は対処に苦しみ、成長の低下や産卵数の減少、そして深刻な場合には死に至ります。農家にとっての課題は、鳥たちが明らかな病状を示す前に、このストレスを早期に検知することにあります。目は重要な手がかりを与えてくれます。なぜなら、目の温度は鳥の深部体温と密接に相関しているため、目の温度を監視することは、熱ストレスに対する早期警戒システムとして機能するからです。しかし、混み合った鶏舎の中で一羽一羽の温度をチェックするのは、気の遠くなるような作業です。手動で行うには、群れを止め、一羽ずつ捕まえ、測定を行う必要があり、そのプロセスは時間がかかり、動物にとってストレスフルであり、数千羽の鳥に対して規模を拡大することも不可能です。

この問題を解決するために、研究者たちは熱画像技術と人工知能（AI）の組み合わせに目を向けました。熱カメラは、動物の肌に触れることなく、そこから放射される熱を見ることができ、暖かい領域が明るく表示される画像を作成します。しかし、カメラ単体では、どの部分が鳥の目であるかを判別したり、動き回る鳥で溢れる混沌としたシーンの中から、特定の部位の温度を自動的に算出したりすることはできません。ここで人工知能が登場します。AIは、特定の身体部位を認識し、複雑な画像から正確なデータを抽出することを学習できるデジタルアシスタントとして機能します。目標は、農家が鶏舎の中を歩きながら画像を撮影するだけで、群れの熱的な健康状態に関するレポートを即座に受け取れるシステムを作ることです。

最近、インドで行われた研究において、ある独立した研究者が、鶏に特化したこのようなシステムを開発し、テストしました。この研究は、熱画像の中から鶏の目を自動的に見つけ出し、その温度を測定できる完全なフレームワークを作成することに焦点を当てました。研究は、暑い夏季の月間に、オリッサ州にある2つの養鶏場で行われました。一方の鶏舎には、生後約26週の成鳥が、もう一方の隣接する鶏舎には、生後約13週の若い雛（ジュベナイル）が収容されていました。研究者は、スマートフォンに接続された携帯型の熱カメラを持って鶏舎内を歩き回り、動き回る鳥の画像を撮影しました。カメラは、標準的な可視光写真と、フレーム内のすべてのピクセルに実際の温度データが含まれている生の熱画像を両方記録しました。

プロジェクトの核心は、コンピュータプログラムに鶏の目を認識させ、分離させる方法を教えることでした。研究者はまず、専用のソフトウェアを使用して選択された画像内の目の位置を手動でマークし、コンピュータが学習するための例のセットを作成しました。これらの例は、セグメンテーション・ネットワークと呼ばれるタイプの人工知能モデルを訓練するために使用されました。単に鳥の周りにボックスを描くだけのモデルとは異なり、このシステムは、目の周囲だけを精密に描き出し、鳥の頭部や周囲の環境から分離するように訓練されました。研究者は、成鳥用と若い雛用の2つの異なるバージョンのモデルを訓練しました。これは、年齢層によって目のサイズや外観が異なるためです。

モデルの訓練が終わると、それらは鶏舎でキャプチャされた数百枚の画像を用いてテストされました。システムは、123羽の成鳥と128羽の雛の目を、正常に識別し、輪郭を描き出しました。特定されたそれぞれの目について、ソフトウェアは熱画像から温度データを抽出しました。分析の結果、両グループの間に明確かつ有意な差があることが明らかになりました。雛の平均眼温は、成鳥よりも0.741℃高い数値を示しました。この発見は、若い鳥の方が熱ストレスをより強く受けているか、あるいは成鳥と比較して冷却効率が低いことを示唆しています。統計分析により、この差はランダムな変動ではなく、データ全体にわたって観察された一貫したパターンであることが確認されました。

結果の信頼性を確保するため、研究者は厳格なテストを行いました。データをシャッフルして再分析しても温度差が維持されるかどうかを確認するために、数千回のシミュレーションによる再サンプリング・テストを実施しました。これらのテストの大部分において、若い鳥は一貫して高い温度を示しました。また、本研究では作業の難易度についても言及されており、雛用のモデルは、雛の目の特徴が小さく不明瞭であるために、混み合った移動する群れの中でコンピュータが位置を特定するのが難しく、成鳥用のモデルよりもわずかに精度が低かったことが指摘されています。こうした課題にもかかわらず、システムはデータを正常に処理し、鳥たちの明確な熱プロファイルを提供しました。

この研究の集大成は、実用的なツールです。研究者は、ユーザーが鶏の熱画像をアップロードし、それが成鳥か雛かを選択するだけで、鳥の推定眼温を即座に受け取ることができるモバイル・ウェブ・アプリケーションを構築しました。このアプリはまた、温度が健康な状態を示しているのか、それとも熱ストレスの警告サインなのかを判断するための深刻度分類も提供します。このアプローチは、動物を邪魔したり高価な固定設備を必要としたりすることなく、群れの福祉を監視する方法を提供します。熱ストレスの検知を自動化することで、農家は深刻なオーバーヒートの結果が生じる前に介入することが可能になります。

この研究は有望な解決策を提示している一方で、研究者はいくつかの限界についても認めています。データは2つの異なる鶏舎から収集されたため、年齢以外の要因、例えば換気やマイクロクライメイト（微気候）のわずかな違いが温度測定に影響を与えた可能性があります。さらに、鶏舎が混み合っていたため、一部の鳥が隠れてしまっており、これがあらゆるイメージング・システムにとっての課題となります。研究者は、熱的な目によるイメージングは強力なツールではあるものの、群れの健康状態を包括的に把握するためには、水分の摂取量や鳥の一般的な姿勢といった他の観察事項と組み合わせるのが最適であると示唆しています。

最終的に、この研究は、人工知能を用いることで、単純な熱写真を詳細な健康レポートに変えることが可能であることを証明しています。本研究は、若い鳥が成鳥よりも夏季の熱に対して脆弱であることを裏付けており、その事実を今や自動的に、かつ継続的に監視できるようになりました。この技術をモバイル・プラットフォームを通じて身近なものにすることで、本研究は、家畜管理の新しい標準、すなわち、群れの幸福が精密かつ注意深く追跡され、熱ストレスが危機となる前に検知・対処される未来への道を切り開いています。