Un equipo de investigación dirigido por la Universidad de la Ciudad de Hong Kong (CityU) ha desarrollado un modelo de aprendizaje profundo (deep learning) que puede identificar y cuantificar las situaciones de estrés en los pollos a partir de los sonidos naturales del granero con un 97 % de precisión. Este avance ayudará a mejorar las condiciones y el bienestar de los pollos criados en granjas comerciales atestadas.
La investigación está dirigida por Alan McElligott, Profesor Asociado, y Liu Kai, Profesor Asistente, en el Departamento de Enfermedades Infecciosas y Salud Pública del Jockey Club College of Veterinary Medicine and Life Sciences en CityU, en colaboración con el Imperial College London, la Universidad Queen Mary de Londres, la Universidad de Surrey y el Instituto de Investigación Veterinaria de Guangxi. Otros miembros incluyen a Mao Axiu, estudiante de doctorado, y Claire Giraudet, asistente de investigación, en el Departamento de Enfermedades Infecciosas y Salud Pública de CityU.
La producción mundial anual de pollos supera los 25.000 millones de aves, que a menudo se alojan en grupos muy grandes. Se ha sugerido que algunos comportamientos y sonidos de los animales están provocadas por varias fuentes de estrés y son un “indicador de iceberg” del bienestar de los pollos, que puede indicar las tasas de mortalidad y crecimiento. Sin embargo, hasta la fecha, el proceso de evaluación de las llamadas de socorro se ha basado en gran medida en las anotaciones manuales, lo que requiere mucho trabajo, consume mucho tiempo y es propenso a los juicios subjetivos de las personas.
El equipo de investigación recolectó y analizó registros de razas varias razas en una granja avícola en Guangxi, con aproximadamente 2000 a 2500 aves por grupo, y desarrolló un nuevo método automatizado, objetivo y rentable para evaluar y cuantificar llamadas de socorro, basadas en aprendizaje profundo combinado con técnicas bioacústicas.
El algoritmo cubre rangos de frecuencia desde 0 Hz hasta la frecuencia de Nyquist de 11.025 Hz, lo que permite distinguir las llamadas de socorro de los sonidos naturales en el establo con un 97 % de precisión y detecta con precisión cuándo los pollos están estresados debido a su condición física interna o factores externos, como hacinamiento, no obtener suficiente comida y agua o ataques de otros pollos.
“A veces es difícil convencer a los granjeros que tienen que lidiar con la producción de estos animales a un precio fijo para los supermercados y todos los demás para que adopten tecnología para mejorar su bienestar”, dijo el Dr. McElligott. “Nuestro objetivo final no es solo contar las llamadas de socorro, sino crear condiciones en las que los pollos puedan vivir con menos angustia”.
“En el futuro, esta tecnología permitirá potencialmente al personal monitorear el bienestar de los pollos en tiempo real y de forma remota, promoviendo intervenciones de manejo más tempranas cuando sea necesario. Esto también puede reducir la carga de trabajo de los analistas y facilitar el análisis de grandes conjuntos de datos, mejorando así la cría y el manejo de los animales”, dijo el Dr. Liu.
“Nuestro algoritmo consideró plenamente las limitaciones de los recursos informáticos y es adecuado para su implementación práctica en granjas”, dijo la Sra. Mao.
El artículo fue publicado en el Journal of the Royal Society Interface, y el equipo espera que la tecnología se implemente comercialmente dentro de cinco años.
