Kafeste tutulan yumurtlayan tavuklar için geliştirilmiş bir YOLOv8 çerçevesi kullanarak hafif çok ölçekli davranış tanıma

Tavukları izlemek gıdamızı nasıl koruyabilir

Yumurtalar dünya çapında kahvaltı sofralarının temelidir, ancak onları yumurtlayan tavuklar genellikle hastalık veya stresin erken belirtilerini gözden kaçırmayı kolaylaştıran kalabalık kafeslerde yaşar. Bu çalışma, kompakt bir yapay zekâ sisteminin kameralardan yararlanarak kafesli yumurtlayan tavukları izleyebileceğini, sağlık ve refahla ilişkilendirilen ana davranışları otomatik olarak tanıyabildiğini ve bunu basit çiftlik donanımı üzerinde çalışacak kadar hızlı yapabildiğini gösteriyor. Bu çalışma, sessiz dijital bekçilerin gerçek zamanlı olarak sorunları işaretlediği, kuşların daha sağlıklı kalmasına ve yumurta üretiminin daha güvenilir olmasına yardımcı olan çiftliklere işaret ediyor.

Kameralar nasıl sessiz ahır yardımcılarına dönüşür

Araştırmacılar önce ticari bir tavukhanenin toz, gürültü ve uzun çalışma günlerine dayanabilecek pratik bir izleme platformu kurdular. Nanjing, Çin’de büyük bir çiftlikte istiflenmiş kafeslerin her katına kameralar yerleştirdiler ve bunları küçük, düşük güçlü Jetson Nano bilgisayarlar ve batarya paketlerine bağladılar. Kameralar tavukları sabahın erken saatlerinden akşama kadar birkaç hafta boyunca kaydetti ve onların nasıl hareket ettiklerini, yediklerini ve etkileşime girdiklerini yakaladı. Görüntülerin kullanışlı olmasını sağlamak için ekip yoğun gölge, bulanıklık veya engellenmiş görüş içeren kareleri elerken, ahır yaşamının tipik, net görüntülerini sakladı.

Ham videoyu etiketli tavuk davranışlarına dönüştürmek

Toplanan binlerce video karesinden bilim insanları açık kaynak yazılımlar kullanarak 2.035 görüntüyü dikkatle etiketledi. Dört başla ilgili davranışa odaklandılar: normal yeme, açık ağızla soluma, kendi kendini gagalama ve başka bir tavuğu gagalama. Son üçü uyarı işareti olarak kabul edilir; önceki çalışmalarda olası solunum sorunları, ağrı veya sosyal stresle ilişkilendirilmiştir. Her görüntüde uzmanlar tavukların başlarının etrafına kutular çizip dört kategoriden birini atadı. Veri kümesi daha sonra modelin verilerin bir kısmından öğrenmesi ve hiç görmediği görüntüler üzerinde adil şekilde değerlendirilmesi için eğitim, doğrulama ve test setlerine ayrıldı.

Daha yalın, daha keskin dijital gözlemci

Sistemin kalbinde popüler bir nesne algılama modeli olan YOLOv8’in geliştirilmiş bir sürümü bulunuyor. Ekip, küçük, kalabalık tavuk başlarını verimli biçimde tespit edebilmesi için modelin iç yapısını yeniden tasarladı ve bunun için hantal bir bilgisayara ihtiyaç duymadı. Tekrarlanan hesaplamaları azaltan daha hafif yapı taşları kullanıldı, gagalar gibi önemli bölgelere odaklanmaya yardımcı olan bir dikkat mekanizması eklendi ve küçük hedeflerin kenarlarını keskinleştiren akıllı bir yukarı örnekleme adımı kullanıldı. Ayrıca, kısmen gizlenmiş kuşlar gibi sınıflandırması zor örneklere ekstra ağırlık veren yeni bir eğitim tarifi tanıttılar; bu, öğrenmeyi daha kararlı hale getirip kolay örneklere olan önyargıyı azalttı.

Sistemin tavukları ne kadar iyi anladığı

Lukou çiftliği veri kümesi üzerinde test edildiğinde, yükseltilmiş model hedef davranışları yüksek doğrulukla tanırken gerçek zamanlı kullanıma yetecek kadar küçük kaldı. Standart YOLOv8 sürümü ile karşılaştırıldığında genel tespit performansını geliştirdi, ancak model boyutunu neredeyse dörtte bir oranında küçülttü ve hesaplama gereksinimlerini düşürdü. Sistem özellikle yeme, kendini gagalama ve karşılıklı gagalama tespitinde güçlüydü ve yaygın doğruluk puanlarında sıklıkla yüzde 93’ün üzerinde sonuçlar verdi. Açık ağızla soluma ise gagalamaya benzeyebilen kısa ve ince bir hareket olduğundan daha zorlu kaldı; model yine de birçok gerçek örneği bulsa da bu davranışta kesinlik daha düşüktü. Yazarlar, örtüşen kuşlar, kafes çubukları ve değişen ışığın tek kare görüntülerde bu davranışı ayırt etmeyi zorlaştırdığını belirtiyor.

Geleceğin akıllı çiftlikleri için anlamı

Konunun genel okuyucusu için ana mesaj şudur: Çiftlikler, tavuk refahını sabit bir şekilde izlemek için nispeten basit kameralar ve kompakt yapay zekâ modelleri kullanmaya başlayabilir; bunlar otomatik olarak kuşların ne sıklıkta yediğini, kendini gagaladığını veya birbirlerini gagaladığını sayabilir. Sistem mükemmel olmasa da ve yalnızca bir çiftlikte bir ırkta test edilmiş olsa da, otomatik davranış izlemenin gerçek ahır koşullarında ve mütevazı donanım üzerinde çalışabileceğini zaten gösteriyor. Daha çeşitli veriler ve tek kareler yerine kısa video kliplerine bakan modellerle bu tür araçlar, çiftçilere sorunlar yayılmadan önce sağlık problemlerine dair erken uyarılar verebilecek, hem hayvan refahını hem de yumurta arzının istikrarını destekleyebilecek hale gelebilir.

Atıf: 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

Anahtar kelimeler: yumurtlayan tavuklar, hayvan davranışı, bilgisayarlı görü, akıllı tarım, kanatlı refahı