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

Hitte is een stille maar meedogenloze tegenstander in de wereld van de pluimveehouderij. Wanneer kippen worden blootgesteld aan aanhoudend hoge temperaturen, worstelen hun lichamen om hiermee om te gaan, wat leidt tot verminderde groei, een lagere eierproductie en, in ernstige gevallen, de dood. Voor boeren ligt de uitdaging in het vroegtijdig detecteren van deze nood, vaak nog voordat de vogels duidelijke tekenen van ziekte vertonen. De ogen bieden een cruciale aanwijzing. Omdat de temperatuur van het oog nauw samenhangt met de kerntemperatuur van de vogel, kan het monitoren van de ogen dienen als een vroeg waarschuwingssysteem voor hittestress. Het controleren van de temperatuur van individuele vogels in een overvolle stal is echter een ontmoedigende taak. Het handmatig doen hiervan vereist het stoppen van de koppel, het hanteren van elke vogel en het nemen van een meting, een proces dat traag is, stressvol voor de dieren en onmogelijk op te schalen naar duizenden vogels.

Om dit op te lossen, hebben onderzoekers zich gericht op een combinatie van thermische beeldvorming en kunstmatige intelligentie. Thermische camera's kunnen de warmte zien die van de huid van een dier uitstraalt zonder het ooit aan te raken, waardoor een beeld ontstaat waarbij warmere gebieden helderder verschijnen. Toch kan een camera alleen niet onderscheiden welk deel van een vogel de oog is, noch kan deze automatisch de temperatuur van die specifieke plek berekenen uit een chaotische scène vol bewegende vogels. Hier komt kunstmatige intelligentie in beeld, als een digitale assistent die kan leren specifieke lichaamsdelen te herkennen en precieze gegevens te extraheren uit complexe beelden. Het doel is om een systeem te creëren waarmee boeren simpelweg door een stal kunnen lopen, beelden kunnen vastleggen en direct een rapport ontvangen over de thermische gezondheid van hun koppel.

In een recente studie uitgevoerd in India heeft een onafhankelijke onderzoeker een dergelijk systeem specifiek voor pluimvee ontwikkeld en getest. Het werk richtte zich op het creëren van een volledig framework dat automatisch de ogen van kippen in thermische beelden kan vinden en hun temperatuur kan meten, terwijl het op een mobiel apparaat kan draaien. De studie vond plaats tijdens een warme zomermand in twee pluimveestallen in Odisha. Eén stal bevatte volwassen vogels, ongeveer zesentwidelftig weken oud, terwijl de aangrenzende stal jongere kuikens bevatte, ongeveer dertien weken oud. De onderzoeker liep door de stallen met een handzame thermische camera verbonden met een smartphone, waarbij hij beelden van de vogels vastlegde terwijl zij rondbewogen. De camera registreerde zowel een standaard foto met zichtbaar licht als een ruw thermisch beeld, dat de werkelijke temperatuurgegevens bevat voor elke pixel in het kader.

De kern van het project bestond uit het aanleren van een computerprogramma om de ogen van de kippen te herkken en te isoleren. De onderzoeker markeerde eerst handmatig de ogen in een selectie van beelden met behulp van gespecialiseerde software, om zo een reeks voorbeelden te creëren waar de computer van kan leren. Deze voorbeelden werden gebruikt om een type kunstmatige intelligentie-model te trainen dat bekend staat als een segmentatienetwerk. In tegen tegenstelling tot een model dat simpelweg een kader rond een vogel tekent, werd dit systeem getraind om een precieze omtrek rond alleen het oog te trekken, waardoor het wordt gescheiden van de rest van de kop van de vogel en de omgeving. De onderzoekers trainden twee afzonderlijke versies van dit model: één specifiek voor volwassen vogels en een andere voor de jongere kuikens, aangezien de grootte en het uiterlijk van de ogen verschillen tussen de twee leeftijdsgroepen.

Zodra de modellen getraind waren, werden ze getest op de honderden beelden die in de stallen waren vastgelegd. Het systeem identificeerde en omschreef succesvol de ogen van 123 volwassen vogels en 128 kuikens. Voor elk geïdentificeerd oog extraheerde de software de temperatuurgegevens uit het bijbehorende gebied van het thermische beeld. De analyse onthulde een duidelijk en significant verschil tussen de twee groepen. De gemiddelde oogtemperatuur van de kuikens was 0,741°C hoger dan die van de volwassen vogels. Deze bevinding suggereert dat de jongere vogels meer last hadden van hittestress of minder efficiënt waren in het koelen van zichzelf vergeleken met de oudere, meer volwassen vogels. De statistische analyse bevestigde dat dit verschil geen willekeurige fluctuatie was, maar een consistent patroon dat over de hele dataset werd waargenomen.

Om deze resultaten betrouwbaar te maken, onderwierp de onderzoeker de bevindingen aan rigoureuze testen. Er werden duizenden gesimuleerde herbemonsteringsproeven uitgevoerd om te zien of het temperatuurverschil standhield wanneer de gegevens werden gehusseld en opnieuw geanalyseerd. In het overgrote deel van deze tests vertoonden de jongere vogels consequent hogere temperaturen. De studie adresseerde ook de moeilijkheidsgraad van de taak, waarbij werd opgemerkt dat het model getraind op de kuikens iets minder precies was dan dat voor de volwassen vogels, waarschijnlijk omdat de kleinere, minder duidelijke kenmerken van de ogen van kuikens het voor een computer moeilijker maken om ze in een drukke, bewegende koppel te lokaliseren. Ondanks deze uitdaging verwerkte het systeem de gegevens succesvol en leverde het een duidelijk thermisch profiel van de vogels.

Het sluitstuk van dit onderzoek is een praktisch hulpmiddel voor boeren. De onderzoeker bouwde een mobiele webapplicatie waarmee een gebruiker een thermische afbeelding van een kip kan uploaden, kan selecteren of het een volwassen vogel of een kuiken is, en direct een schatting van de oogtemperatuur van de vogel ontvangt. De app biedt ook een ernstclassificatie, wat de gebruiker helpt te begrijpen of de temperatuur wijst op een gezonde staat of een waarschuwingssignaal voor hittestress. Deze aanpak biedt een manier om het welzijn van een koppel te monitoren zonder de dieren te storen of dure, stationaire apparatuur te vereisen. Door de detectie van hittestress te automatiseren, stelt het systeem boeren in staat om vroegtijdig in te grijpen, wat potentieel vogels kan redden van de meer ernstige gevolgen van oververhitting.

Hoewel de studie een veelbelovende oplossing biedt, erkent de onderzoeker bepaalde beperkingen. De gegevens werden verzameld uit twee aparte stallen, wat betekent dat factoren buiten de leeftijd om, zoals kleine verschillen in ventilatie of microklimaten tussen de twee gebouwen, de temperatuurmetingen ook kunnen hebben beïnvloed. Daarnaast betekende de drukte in de stallen dat sommige vogels gedeeltelijk verborgen waren, wat uitdagingen met zich meebrengt voor elk beeldvormingssysteem. De onderzoeker suggereert dat hoewel thermische oogbeeldvorming een krachtig hulpmiddel is, het het beste werkt wanneer het wordt gecombineerd met andere observaties, zoals waterinname of de algemene houding van de vogels, om een compleet beeld van de gezondheid van de koppel te vormen.

Uiteindelijk demonstreert dit werk dat het mogelijk is om kunstmatige intelligentie te gebruiken om een eenvoudige thermische foto te veranderen in een gedetailleerd gezondheidsrapport voor pluimvee. De studie bevestigt dat jongere vogels inderdaad kwetsbaarder zijn voor zomerse hitte dan hun oudere tegenhangers, een feit dat nu automatisch en continu kan worden gemonitord. Door deze technologie toegankelijk te maken via een mobiel platform, legt het onderzoek de weg vrij voor een nieuwe standaard in veehouderijbeheer, waarbij het welzijn van de koppel met precisie en zorg wordt gevolgd, zodat hittestress wordt gedetecteerd en aangepakt voordat het een crisis wordt.