強化されたYOLOv8フレームワークを用いたケージ飼い採卵鶏の軽量マルチスケール行動認識

なぜ鶏の観察が私たちの食を守るのか

卵は世界中の朝食で定番ですが、それを産む鶏はしばしば過密なケージで飼われており、病気やストレスの初期兆候は見落とされがちです。本研究は、コンパクトな人工知能システムがカメラを通じてケージ飼いの採卵鶏を監視し、健康や福祉に結びつく主要な行動を自動で認識し、農場で使える簡素なハードウェア上でもリアルタイムに動作できることを示します。本研究は、静かなデジタル監視がリアルタイムで異常を検知し、鶏の健康維持と安定した卵の生産を助ける未来の農場を示唆します。

カメラが静かな納屋の助っ人になる仕組み

研究者はまず、商業用鶏舎の埃や騒音、長時間稼働に耐えうる実用的な監視プラットフォームを構築しました。彼らは中国南京の大規模農場の積み重ねられたケージの各段にカメラを設置し、小型で低消費電力のJetson Nanoコンピュータとバッテリーパックで接続しました。カメラは数週間にわたり早朝から夕方まで鶏の動き、採食、相互作用を記録しました。画像の有用性を担保するため、チームは強い影、ブレ、視界が遮られたフレームを除外し、典型的な納屋の様子が写った明瞭なスナップショットだけを残しました。

生の映像をラベル付き行動データに変換する

収集した数千の動画フレームから、研究者はオープンソースのソフトウェアを用いて慎重に2,035枚の画像にラベル付けを行いました。焦点は頭部に関連する4つの行動：正常な摂食、口呼吸（口を開けた呼吸）、自己つつき、他鶏へのつつき、でした。後者の3つは警告サインと見なされ、以前の研究では呼吸障害、痛み、社会的ストレスと関連付けられています。各画像で専門家は鶏の頭部にボックスを描き、4つのカテゴリのいずれかを割り当てました。データセットはその後、モデルが一部のデータから学習し、見たことのない画像で公平に評価できるように、訓練・検証・テストに分割されました。

よりスリムで精度の高いデジタル観察者

システムの核となるのは、YOLOv8として知られる一般的な物体検出モデルの改良版です。チームはその内部構造を再設計し、小さく密集した鶏の頭部を巨大な計算資源なしに効率的に検出できるようにしました。計算の重複を削減する軽量な構成要素に置き換え、くちばしなど重要領域に注目させる注意機構を追加し、微小なターゲットの輪郭を鮮明にする賢いアップサンプリング手順を導入しました。また、部分的に隠れた鶏など分類が難しい例に追加の重みを与える新たな学習法を導入し、学習を安定させ、容易な例に偏らないようにしました。

システムの鶏行動理解の精度

Lukou農場のデータセットで検証したところ、改良モデルはリアルタイム運用に十分な小ささを保ちながら目標とする行動を高精度で認識しました。標準的なYOLOv8と比べて検出性能が向上しつつ、モデルサイズはほぼ4分の1削減され、計算負荷も低減しました。特に、摂食、自己つつき、および相互つつきの検出に強みがあり、一般的な精度指標でしばしば93％を超えました。一方、口呼吸は短時間で微妙な動作でありつつきと類似するため識別が難しく、精度は他より低めでしたが、多くの真の事例は検出できていました。著者らは、重なり合う個体、ケージの柵、照明の変動が単一の静止画像ではこの行動を区別しにくくしていると指摘しています。

将来のスマート農場にとっての意義

非専門家向けの重要なメッセージは、比較的単純なカメラとコンパクトなAIモデルを使って、鶏の福祉を常時監視し、鶏がどのくらいの頻度で食べるか、自分をつつくか、互いにつつくかを自動でカウントできるようになる、という点です。本システムは完璧ではなく、1つの農場と1品種でのみ検証されていますが、実際の納屋環境と控えめなハードウェア上で自動行動監視が機能し得ることを示しています。より多様なデータや、単一フレームではなく短い動画クリップを扱うモデルがあれば、こうしたツールは健康問題が拡大する前に農家に警告する早期警報システムとなり、動物福祉と安定した卵の供給の両方を支える可能性があります。

引用: Tang, Y., Wei, J., Xie, B. et al. Lightweight multiscale behavior recognition for caged laying hens using an enhanced YOLOv8 framework. Sci Rep 16, 14936 (2026). https://doi.org/10.1038/s41598-026-43523-7

キーワード: 採卵鶏, 動物行動, コンピュータビジョン, スマート農業, 家禽の福祉