A lightweight visual system for determining the gender of poultry based on artificial intelligence
本文提出了一种名为 YBDF 的低成本、AI 驱动的视觉系统，该系统利用新建立的雏鸡性腺数据集和一种新型 BDF 分类模型，在禽类性别鉴定中实现了 91.33% 的准确率，有效地克服了现有人工及仪器方法的局限性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在现代家禽养殖繁忙的世界中，一个简单的生物学事实驱动着复杂的经济决策：雄性与雌性雏鸡需要不同的饮食才能茁壮成长。雄性雏鸡在摄入高能量食物以增加体重方面表现更好，而雌性则需要高蛋白饮食以最大化产蛋量。几十年来，农场主一直依赖两种主要方法在雏鸡孵化后进行性别鉴定。一种方法是依靠熟练工人手动检查微小的泄殖腔，这项任务速度很快但容易受到人为错误和疲劳的影响。另一种方法是使用专门的机器，虽然准确但对于大规模作业来说成本过高且速度过慢。这两种方法都难以跟上现代高效农场的需求，从而留下了一个既要经济实惠又要精准的解决方案的空白。
这一挑战促使研究人员探索人工智能，特别是利用计算机视觉来“看见”雄性和雌性雏鸡之间的差异。虽然此前的一些尝试试图分析鸣叫声或羽毛纹理，但这些方法在嘈ous、不可预测的真实孵化场环境中往往会失败。声音很容易被机械噪音淹没，而羽毛也会遮挡识别性别所需的细微物理特征。为了解决这个问题，一组研究人员开发了一种全新的视觉系统，该系统直接关注雏鸡的生殖腺——即决定性别的内部器官。通过将先进的图像识别技术与专门的摄像机设置相结合，他们创造了一个能够高精度识别雏鸡性别的工具，为实现更人道、更高效的养殖提供了一条潜在路径。
研究人员首先应对的是最基本的障碍：数据。为了教会计算机如何区分雄性和雌性雏鸡，他们需要一个包含清晰图像的庞大库，展示每种性别的特定物理特征。他们收集了超过1200张一天龄黄色肉鸡的高分辨率照片。通过一种细致且无创的过程，专家们轻轻暴露了每只雏鸡的泄殖腔区域以捕捉生殖腺。图像显示出了明显的差异：雄性雏鸡呈现出一个小的圆形突起，而雌性雏鸡则显得相对平坦。然而，捕捉这些图像非常困难，因为器官隐藏在柔软的绒毛之下，而且过程通常涉及用手指按住雏鸡，这两者都会阻挡视线或产生令人困惑的阴影。为了克服这一问题，团队建立了中国首个此类标准化数据集，通过细致地将每张图像标记为雄性或雌性，为他们的人工智能系统奠定了基础。
有了数据之后，团队构建了一个由两部分组成的系统，旨在模拟人类专家处理任务的方式，但具备机器的速度和一致性。第一部分充当定位器。利用一种成熟的目标检测技术，系统会扫描雏鸡图像，并瞬间找到生殖腺所在的精确位置，同时忽略鸟的其他部位、羽毛以及握持它的手指。随后，它会裁剪出仅有的这一小块区域，并将其调整为标准格式。这一步至关重要，因为它移除了经常干扰其他系统的视觉杂乱信息，确保计算机只观察相关的生物特征。
系统的第二部分是分类器，即做出最终决定的“大脑”。该组件使用一种特殊的神经网络（一种模仿人类大脑的计算机程序）来分析裁剪后的图像。研究人员设计该网络时，让其重点关注两个特定方面：区域的整体形状以及其中的具体细节。他们集成了一种机制，使系统能够专注于图像中最重要的部分并忽略噪声，就像人类可能会眯起眼睛专注于某个细节，同时屏蔽背景一样。通过将深层特征提取与这种双重聚焦相结合，即使在图像略有瑕疵的情况下，系统也能学会识别雄性的细微圆形凸起或雌性的平坦表面。
在测试中，该系统表现出了卓越的精准度。在受控实验中，新系统正确识别雏鸡性别的比例超过了91%。这比仅使用标准的检测模型有了显著提升，后者在处理现实世界中混乱的图像时准确率仅为55%，这凸显了专门化设计在处理复杂现实情况时的必要性。研究人员还将他们的系统与几种其他流行的AI模型进行了对比，包括基于复杂Transformer架构和经典卷积网络的模型。他们的系统不仅实现了最高的准确率，而且消耗的计算资源更少，因此速度更快，更适合小型农场中常见的有限硬件环境。
为了确保系统不仅仅是在“瞎猜”，而是真正学习到了正确的生物特征，研究人员使用了一种可视化技术，来观察计算机在做出决策时正在“看”哪里。结果显示，他们的系统能精准聚焦于生殖腺区域，特别是突起或平坦区域，而其他模型则经常被周围的羽毛或人类手指所干扰。这证实了该系统依赖的是人类专家所使用的解剖学线索，而非寻找背景中的偶然模式。在商业孵化场进行的实地测试中，该系统在适度的、价格低廉的硬件上连续运行六小时，每秒处理约11到12只雏鸡，且无论光照变化或操作人员是谁，都能保持一致的准确性。
研究结论指出，这种轻量级的视觉系统为家禽业提供了一个可行且低成本的替代方案。通过自动化性别识别过程并实现高精度，它有望减少对人工和昂贵机械器的依赖，从而可能降低成本并改善动物福利。研究人员已将其数据集和系统源代码公开，邀请他人在此基础上开展工作。虽然目前的系统是在单一品种的雏鸡及特定条件下进行测试的，但这一方法的成功表明，开发能够适应现代农业多样化且严苛环境的稳健自动化工具，有着清晰的前进路径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。