中新网7月11日电 据香港星岛日报网站报道，香港城市大学领导的研究团队研发出深度学习模型，可从鸡舍的自然鸡声中辨认及量化鸡只的求救啼声，准确度高达97%。这项研究突破将有助改善居于拥挤的商业农场鸡只的生活条件及福祉。

　　研究团队由香港城市大学赛马会动物医学及生命科学院传染病及公共卫生学系副教授Alan McElligott及助理教授刘凯领导，协作学府及机构包括英国伦敦帝国学院、伦敦大学玛丽女皇学院、萨里大学和广西壮族自治区兽医研究所，研究团队的其他成员包括城大传染病及公共卫生学系博士研究生毛阿秀及研究助理Claire Giraudet。

　　研究团队在广西一个喂养鸡只的农场，收集和分析麻鸡和三黄鸡的啼叫录音，并基于生物声学技术和深度学习，研发出一项自动、客观而性价比高的崭新方法来评估及量化鸡只的求救啼声。该算法可分析频率范围为0赫兹至11025赫兹的音频讯号，因此能以高达97%的准确率，从鸡舍的自然鸡声中分辨出鸡只的求救啼叫声，并可准确检测鸡只因内在身体状况或外在因素(例如环境过于拥挤、粮水不足，或受其他鸡只攻击)而受到压力。

　　教授Alan McElligott说，有时很难说服必须以固定价格为超市生产这些动物的农民和所有人以科技来改善动物的福祉，并指最终目标不只是统计鸡只求救啼叫，而是为它们创造符合动物福祉的养殖环境。

　　刘凯说，这项新技术未来可让工作人员实时及远距离监察鸡只的福祉，并且在有需要时及早对养殖情况作出干预。这样也可减少分析师的工作量，有助他们进行大型数据分析，以改善养殖及动物管理。

　　毛阿秀指，团队的算法全面考虑计算机计算的资源限制，因此适合供农场实际应用。有关论文已于《英国皇家学会接口期刊》发表，团队预期该技术可于5年内应用作商业用途。