IPSF: Những tiến bộ trong tự động hóa cho gia cầm
29/07/2025
Ngày 2 tháng 6 năm 2025
Lưu ý của biên tập viên: Nội dung sau đây được trích từ ba bài thuyết trình tại Diễn đàn khoa học gia cầm quốc tế năm 2025 , nêu bật những tiến bộ công nghệ có thể cải thiện các thông số sản xuất gia cầm.
Tăng cường phát hiện tỷ lệ tử vong ở gà thịt
Tanner Thornton và các đồng nghiệp tại Đại học Tennessee, Hoa Kỳ, đã đánh giá hiệu suất của hệ thống nhận dạng tỷ lệ tử vong bằng robot gắn trên thanh ray trong một trại sản xuất gà thịt thương mại và đánh giá những thách thức khi triển khai các hệ thống như vậy trong môi trường thực tế.
Nghiên cứu này đề cập đến quy trình tốn nhiều công sức để xác định tỷ lệ chết thủ công trong chuồng gà thịt, mà hệ thống robot hướng đến việc đơn giản hóa thông qua công nghệ thị giác máy tính. Thí nghiệm được thực hiện theo thiết kế khối hoàn chỉnh ngẫu nhiên, với các ô chuồng được đặt một cách chiến lược dưới thanh chắn/robot, giữa đường ống thức ăn và nước uống, và gần vách chuồng làm khối xử lý. Việc phát hiện tỷ lệ chết được đánh giá cả trong các ô chuồng này và ở các khu vực mở bên ngoài. Dữ liệu được thu thập trên hai đàn gà sản xuất, với tỷ lệ phát hiện tỷ lệ chết bằng robot được so sánh với tỷ lệ đếm thủ công.
Kết quả cho thấy robot đạt tỷ lệ phát hiện tử vong cao hơn đáng kể trong khu vực kín dưới đường ray (57%) so với tỷ lệ tử vong không kín ở cùng khu vực (19%). Camera phía dưới cho thấy độ chính xác phát hiện vượt trội (42,3%) so với camera bên (20,0%).
Những thách thức như sự che khuất của chim sống, cơ sở hạ tầng chuồng trại (máng ăn và máng uống), và sự thay đổi ánh sáng đã hạn chế hiệu suất hệ thống. Vị trí chết và cách sử dụng chuồng trại ảnh hưởng đáng kể đến hiệu quả phát hiện. Điều này làm nổi bật những rào cản quan trọng đối với khả năng thương mại hóa của các hệ thống nhận dạng tử vong tự động. Mặc dù hệ thống robot cho thấy tiềm năng, nhưng cần phải điều chỉnh vị trí camera, ánh sáng và phần mềm để giảm thiểu sự che khuất nhằm nâng cao hiệu suất trong điều kiện thương mại.
Phát hiện phôi chết sớm
Alin Khaliduzzaman và các cộng sự tại Đại học Illinois, Hoa Kỳ, đã nghiên cứu ứng dụng hệ thống hình ảnh siêu phổ để phát hiện sớm và loại bỏ phôi gà chết trong quá trình ấp. Khoảng 5-10% phôi chết do sốc nhiệt và xử lý không đúng cách trong giai đoạn ấp đầu.
Phương pháp tiếp cận không phá hủy và thời gian thực sử dụng hình ảnh siêu phổ kết hợp với phân tích phân biệt để phân loại phôi sống và phôi chết. Một camera siêu phổ (400-1000 nanomet) được sử dụng để thu thập thông tin không gian và quang phổ của trứng đã ấp vào ngày thứ tư. Hơn 100 trứng được ấp ở nhiệt độ 99,0 độ F và độ ẩm tương đối 60%. Tốc độ quét của giai đoạn là 0,06 cm/giây với tốc độ khung hình là 9,9 feet/giây và thời gian phơi sáng là 100 mili giây.
Chụp ảnh siêu phổ là một phương pháp không xâm lấn và có độ phân giải cao để thu thập thông tin quang phổ chi tiết từ trứng đang ấp. Độ chênh lệch phổ hấp thụ hemoglobin trong khoảng 570-580 nanomet nên khác nhau giữa phôi gà sống và phôi gà chết.
Trứng được phân loại không phá hủy với độ chính xác 90,0% bằng phương pháp phân tích phân biệt. Việc triển khai thành công phương pháp này có thể nâng cao đáng kể hiệu quả của trại giống, giảm thiểu rủi ro ô nhiễm, tiết kiệm không gian và tối ưu hóa việc sử dụng năng lượng.
Học máy để ước tính trọng lượng cơ thể
Mireia Molins và các cộng sự tại Đại học Bang Pennsylvania, Hoa Kỳ, lưu ý rằng sự tăng trưởng cơ thể tối ưu ở gà tây là rất quan trọng để đạt được các mục tiêu của ngành công nghiệp gia cầm: giảm thiểu tổn thất gia cầm, duy trì sự đồng đều của đàn và tăng năng suất thịt với hiệu quả thức ăn cao. Tuy nhiên, việc theo dõi đòi hỏi phải đo trọng lượng cơ thể thường xuyên, tốn kém, tốn công sức và mất thời gian.
Thị giác máy tính và trí tuệ nhân tạo (AI) đã nổi lên như những công cụ mạnh mẽ để dự đoán trọng lượng cơ thể của từng cá thể gia cầm. Một nghiên cứu quan sát theo chiều dọc đã được thực hiện để đánh giá liệu thị giác máy tính có thể được sử dụng để ước tính trọng lượng cơ thể của gà tây mái trong điều kiện thương mại thực tế hay không.
Hình ảnh màu sắc và độ sâu của 25 con gà mái được nuôi trong một chuồng duy nhất đã được chụp bằng camera độ sâu với góc nhìn từ trên xuống được lắp trên trần nhà. Thiết lập tương tự cho phép đo lường nhất quán mà không bị cản trở bởi việc các con vật đi trước nhau và có độ bền cao trước sự thay đổi hướng của các con vật so với camera. Gà tây được theo dõi từ 40 đến 106 ngày tuổi.
Các phép đo thủ công về chiều rộng ngực, chiều dài ngực, chiều dài lưng và cân nặng được ghi lại ba lần một tuần. Hệ số tương quan lần lượt là 0,98, 0,97, 0,94 và 0,95 giữa cân nặng và độ tuổi, chiều rộng ngực, chiều dài lưng và chiều dài ngực. Vì chiều dài lưng có hệ số tương quan là 0,97 và 0,95 với chiều rộng ngực và chiều dài ngực, nên một đánh giá đã được thực hiện về hiệu suất của mô hình hồi quy dựa trên AI có tên là Gradient Boosting Trees để dự đoán chỉ cân nặng và độ tuổi, chiều dài lưng làm các đặc trưng đầu vào.
Các số liệu AI dùng để xác thực đã được tính toán, cho thấy “Tỷ lệ phần trăm độ lệch chuẩn của các phần dư” là 9,47% ± 1,19%, “tỉ lệ phần trăm trung bình của sai số giữa giá trị dự đoán và giá trị thực tế” là 7,48% ± 1,09% và hệ số xác định R2 là 0,96 ± 0,01. Nhờ sử dụng camera độ sâu, các đặc điểm ba chiều trên lưng động vật có thể được trích xuất, cung cấp nhiều chi tiết hơn so với chỉ dựa vào chiều dài lưng. Kết quả sơ bộ về khả năng tự động phát hiện chim từ hình ảnh bằng thị giác máy tính cho thấy độ chính xác là 0,9 và điểm f1 là 0,84.
Ghi chú:
- Tỷ lệ phần trăm độ lệch chuẩn của các phần dư”. Phần dư là thước đo khoảng cách từ các điểm dữ liệu đường hồi quy; RMSE là thước đo mức độ dàn trải của những phần dư này, nói cách khác, nó cho bạn biết mức độ tập trung của dữ liệu xung quanh đường phù hợp nhất.
- “Tỉ lệ phần trăm trung bình của sai số giữa giá trị dự đoán và giá trị thực tế MAPE”. Giá trị MAPE càng nhỏ thì mô hình càng tốt. MAPE được tính bằng trung bình giá trị tuyệt đối của sai số chia cho giá trị thực tế, nhân với 100.
- Điểm f1 = “trung bình điều hòa giữa độ chuẩn xác và độ phủ” (là chỉ số đại diện trong việc đánh giá tỷ lệ dự báo đúng của các trường hợp mẫu dương tính (hồ sơ BAD)
Võ Văn Sự dịch từ: Chris Wright North America. 2 June 25. Chris Wright North America 2 June 2025. https://www.thepoultrysite.com/articles/advances-in-automation-for-poultry
Tin khác
- 5 câu hỏi cần cân nhắc trước khi đầu tư vào công nghệ mới ( 26/08/2025)
- Việt Nam chi 659,3 triệu USD nhập khẩu sữa ngoại trong 6 tháng đầu năm ( 26/08/2025)
- Nghiên cứu: Chế độ ăn chậm tăng trưởng trước khi phối giống mang lại sức khỏe lâu dài tốt hơn cho lợn cái ( 21/08/2025)
- 4 mẹo giúp lợn mới cai sữa có khởi đầu tốt ( 21/08/2025)
- Tác dụng của β-glucan nấm men trong chế độ ăn đối với lợn nái đang cho con bú dưới tác động của stress nhiệt ( 21/08/2025)
Video
- “CẦN TRÂU” và nỗ lực nâng tầm đàn trâu Việt
- Viện Chăn nuôi lai tạo giống gia cầm thích ứng với biến đổi khí hậu
- Viện Chăn nuôi lai tạo giống gia cầm thích ứng với biến đổi khí hậu
- kiểm tra tiến độ tại điểm triển khai thí nghiệm của dự án New Zealand năm 2024 tại Trung tâm Nghiên cứu Bò và Đồng cỏ Ba Vì.