Smart Agricultural Technology· 2025Q1· Derleme
Gelişmiş Yumurtacı Tavuk Refahı Değerlendirmesi ve Verimlilik Optimizasyonu için Çok Modlu Yapay Zeka Sistemleri
Multimodal AI systems for enhanced laying hen welfare assessment and productivity optimization
- 19atıf
- Q1SCImago
- 2025yıl
Kısa özet
Görsel, akustik, çevresel ve fizyolojik verileri birleştiren çok modlu yapay zeka, geleneksel yöntemlerden daha üstün, veri odaklı yumurtacı tavuk refahı değerlendirmesi için bir atılım sunuyor.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Çok modlu yapay zeka, kapsamlı yumurtacı tavuk refahı izlemesi için görsel, akustik, çevresel ve fizyolojik verileri entegre eder.
- Orta düzey (özellik düzeyinde) birleştirme mimarileri, kümes ortamları için sağlamlık ve performans dengesinde en iyisini sunar.
- Benimsenmenin önündeki temel engeller arasında sensör kırılganlığı, yüksek dağıtım maliyetleri, tutarsız davranışsal taksonomiler ve çiftlikler arası sınırlı genellenebilirlik yer alır.
- Alan Transfer Puanı (DTS) ve Veri Güvenilirlik İndeksi (DRI) gibi yeni çerçeveler, genellenebilirlik ve veri kalitesi sorunlarını ele almak için önerilmektedir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
The future of poultry production hinges on a revolutionary paradigm shift: transforming subjective, labor-intensive welfare assessments into data-driven, intelligent monitoring systems. Traditional welfare evaluation methods—constrained by human limitations and unimodal sensor dependencies—fail to capture the intricate, multidimensional nature of laying hen welfare in modern commercial environments. Multimodal Artificial Intelligence (AI) emerges as the critical breakthrough technology, orchestrating sophisticated fusion of visual, acoustic, environmental, and physiological data streams to unlock unprecedented insights into avian welfare dynamics. This comprehensive review synthesizes 130 peer-reviewed studies, revealing multimodal AI's transformative potential in laying hen welfare monitoring. Through systematic analysis of fusion architectures, we demonstrate that intermediate (feature-level) fusion strategies achieve optimal robustness-performance equilibrium under real-world poultry conditions, delivering superior scalability compared to early or late fusion approaches. Our investigation exposes critical implementation barriers: sensor fragility in harsh environments, prohibitive deployment costs, inconsistent behavioral taxonomies, and limited cross-farm generalizability that collectively impede widespread adoption. To overcome these challenges, we introduce two pioneering evaluation frameworks: the Domain Transfer Score (DTS) quantifying model generalizability across diverse farm conditions, and the Data Reliability Index (DRI) assessing sensor data quality under operational constraints. Additionally, we propose a modular, context-aware deployment framework specifically engineered for laying hen environments, enabling scalable integration of multimodal sensing technologies. This review establishes the scientific foundation for transitioning from reactive, unimodal monitoring to proactive, multimodal welfare systems, ultimately catalyzing the evolution toward precision-driven, ethically conscious poultry production that harmonizes productivity with animal welfare imperatives.
Yazarların özeti; kaynağından alınmıştır. Smart Agricultural Technology, 2025 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Small AnimalsVeterinary