DOI: https://doi.org/10.3390/ani15030384
PMID: https://pubmed.ncbi.nlm.nih.gov/39943154
تاريخ النشر: 2025-01-29
المؤلف: Daniel Zhang وآخرون
الموضوع الرئيسي: دراسات سلوك الحيوان ورفاهيته
نظرة عامة
تقدم هذه الدراسة طريقة جديدة ومنخفضة التكلفة للتنبؤ بجنس أجنة الدجاج في صناعة الدجاج البياض، باستخدام جهاز تصوير قائم على الهاتف الذكي مقترن بتعلم الآلة لتحليل شكل البيض. حققت الطريقة دقة متوسطة تبلغ 81.5%، مع دقة قصوى تبلغ 88.9%، مما يشير إلى إمكانياتها في تحديد الأجنة الذكور بفعالية قبل الفقس. تهدف هذه الابتكار إلى استبدال الممارسة الحالية المتمثلة في قتل الكتاكيت الذكور، والتي تعتبر مثيرة للجدل من الناحية الأخلاقية وغير مستدامة، من خلال السماح بإزالة الأجنة الذكور قبل أن تتمكن من الشعور بالألم.
تشير النتائج إلى أن هذه التقنية غير الغازية يمكن أن تقلل بشكل كبير من قتل الكتاكيت الذكور سنويًا، مما قد يمنع وفاة مليارات منها ويعزز ممارسات أكثر إنسانية داخل الصناعة. تشمل اتجاهات البحث المستقبلية تحسين دقة الطريقة من خلال دمج ميزات شكلية إضافية، واختبارها عبر سلالات دجاج مختلفة ومراحل نمو متنوعة، وتحسين جهاز التصوير للتطبيق التجاري.
مقدمة
تتناول مقدمة هذه الورقة البحثية المخاوف الأخلاقية والاستدامة المحيطة بقتل الكتاكيت الذكور في صناعة الدجاج البياض، حيث يتم قتل حوالي 300 مليون كتكوت ذكر سنويًا في الولايات المتحدة وحدها. تثير هذه الممارسة تساؤلات أخلاقية كبيرة، حيث تعطي الأولوية للربح على رفاهية الحيوانات، مع وجود جزء كبير من الجمهور يعارض مثل هذه التدابير. الطرق الحالية لتحديد جنس أجنة الكتاكيت، مثل التصوير بالرنين المغناطيسي وتحليل سائل الألانتويس، هي طرق غازية ومكلفة وتستغرق وقتًا طويلاً، مما يحد من اعتمادها في دور الحضانة التي تتطلب إنتاجية عالية.
لمعالجة هذه التحديات، يقترح المؤلفون نهجًا غير غازي يستخدم تعلم الآلة لتحليل الميزات الشكلية لبيض الدجاج للتنبؤ بالجنس. أظهرت الدراسات السابقة درجات متفاوتة من النجاح في التنبؤ بالجنس بناءً على شكل البيض، لكن لم يتم تطبيق تقنيات تعلم الآلة على سلالات الدجاج البياض المستخدمة تجاريًا. طور المؤلفون جهازًا مخصصًا منخفض التكلفة للتصوير المتسق للبيض وقارنوا نتائجه مع نتائج ماسح ثلاثي الأبعاد صناعي لضمان الدقة. يفترضون أن هذه الطريقة المبتكرة ستوفر بديلاً فعالًا لقتل الكتاكيت الذكور، مما يعزز المعاملة الأخلاقية والاستدامة في صناعة الدواجن.
طرق
تحدد قسم “المواد والطرق” في الورقة البحثية التصميم التجريبي والإجراءات المستخدمة للتحقيق في سؤال البحث. يوضح المواد المحددة المستخدمة، بما في ذلك أي مواد كيميائية، معدات، وعينات بيولوجية، لضمان إمكانية تكرار الدراسة. تشمل المنهجية البروتوكولات المتبعة لجمع البيانات، بما في ذلك أي تحليلات إحصائية تم إجراؤها لتفسير النتائج.
بالإضافة إلى ذلك، قد يصف القسم إعداد التجربة، بما في ذلك الضوابط والمتغيرات، بالإضافة إلى أي أدوات حسابية تم استخدامها لتحليل البيانات. تعتبر وضوح وصحة الطرق أمرًا حيويًا للتحقق من النتائج وتمكين باحثين آخرين من تكرار الدراسة. بشكل عام، يعد هذا القسم مكونًا أساسيًا من البحث، حيث يوفر الشفافية ويسهل المزيد من الاستكشاف في هذا المجال.
نتائج
في هذه الدراسة، تم تقييم جهاز تصوير منخفض التكلفة يستخدم كاميرا الهاتف الذكي لدقته في قياس عدم انتظام البيض غير المخصب، مقارنةً بماسح ثلاثي الأبعاد. أظهر اختبار t المزدوج عدم وجود فرق كبير في القياسات (t = 0.142؛ p = 0.89)، مما يشير إلى أن الجهاز المخصص أنتج نتائج قابلة للمقارنة مع الماسح ثلاثي الأبعاد. من بين 143 بيضة مخصبة تم احتضانها، كانت 121 جنينًا قابلاً للحياة، مع توزيع جنسي يبلغ 58 أنثى (47.9%) و63 ذكرًا (52.1%). حددت التقييمات الشكلية باستخدام MATLAB عرض البيضة (χ² = 4.032) وطولها (χ² = 2.441) كأكثر الميزات التنبؤية لجنس الجنين، تليها المساحة، الامتداد، وعدم الانتظام.
تم استخدام خوارزميات تعلم الآلة للتنبؤ بجنس الجنين، حيث حققت الشبكة العصبية الواسعة أعلى دقة بلغت 88.9% ونطاق 11.1%. تلاها نموذج الأشجار المعززة بدقة 83.8% (نطاق 28.2%)، بينما حققت نماذج SVM المكعبة وKNN المتوسطة دقة أقل بلغت 72.2% و55.6%، على التوالي. تم التحقق من أداء الشبكة العصبية الواسعة من خلال منحنى خاصية التشغيل المستقبلي (ROC)، مما أسفر عن منطقة تحت المنحنى تبلغ 0.858، مما يشير إلى قدرة تنبؤية قوية لكلا الجنسين. تم أيضًا إنشاء مصفوفات الارتباك ومنحنيات ROC للنماذج الأخرى لإجراء تحليل مقارن.
مناقشة
هدفت الدراسة إلى تطوير جهاز تصوير منخفض التكلفة للتنبؤ بجنس أجنة الدجاج بناءً على شكل البيض، باستخدام تقنيات تعلم الآلة. كان الجهاز المخصص، الذي كلف حوالي 60 دولارًا أمريكيًا، فعالًا في التقاط صور متسقة للبيض باستخدام الهاتف الذكي، وتم التحقق من أدائه مقابل ماسح ثلاثي الأبعاد صناعي. أظهر تحليل 121 بيضة أن نموذج الشبكة العصبية الواسعة حقق دقة تنبؤية قصوى بلغت 88.9% ودقة متوسطة بلغت 81.5%، مما يتماشى مع الدراسات السابقة التي أفادت بنطاقات دقة مماثلة (80-87%). تم عزو التباين في الأداء التنبؤي عبر التجارب إلى تقسيم البيانات التدريبية والاختبارية بشكل عشوائي، وهو أمر ضروري لتجنب الإفراط في التكيف.
تشير النتائج إلى أن هذه الطريقة غير الغازية يمكن أن تقلل بشكل كبير من قتل الكتاكيت الذكور في صناعة الدجاج البياض، مما قد يمنع تدمير مليارات الأجنة سنويًا. ومع ذلك، سلطت الدراسة أيضًا الضوء على معدل تصنيف خاطئ يبلغ 11.1% للأجنة الأنثوية، مما يشير إلى الحاجة إلى تحسينات إضافية لتعزيز الدقة. يجب أن تستكشف الأبحاث المستقبلية تضمين ميزات شكلية إضافية، واختبارها عبر سلالات دجاج مختلفة، وتحسين جهاز التصوير لتطبيق أوسع في الإعدادات التجارية. بشكل عام، تقدم هذه الدراسة نهجًا واعدًا لمعالجة التحديات الأخلاقية والاستدامة في إنتاج الدواجن.
DOI: https://doi.org/10.3390/ani15030384
PMID: https://pubmed.ncbi.nlm.nih.gov/39943154
Publication Date: 2025-01-29
Author(s): Daniel Zhang et al.
Primary Topic: Animal Behavior and Welfare Studies
Overview
This research presents a novel, low-cost method for predicting the sex of chick embryos in the laying hen industry, utilizing a smartphone-based imaging device coupled with machine learning to analyze egg morphology. The method achieved a mean accuracy of 81.5%, with a peak accuracy of 88.9%, indicating its potential to effectively identify male embryos prior to hatching. This innovation aims to replace the current practice of culling male chicks, which is ethically contentious and unsustainable, by allowing for the removal of male embryos before they can experience pain.
The findings suggest that this non-invasive technique could significantly reduce the annual culling of male chicks, potentially preventing billions of deaths and promoting more humane practices within the industry. Future research directions include enhancing the accuracy of the method by incorporating additional morphological features, testing across various chicken strains and developmental stages, and optimizing the imaging apparatus for commercial application.
Introduction
The introduction of this research paper addresses the ethical and sustainability concerns surrounding the culling of male chicks in the laying hen industry, where approximately 300 million male chicks are culled annually in the United States alone. This practice raises significant ethical questions, as it prioritizes profit over animal welfare, with a substantial portion of the public opposing such measures. Current methods for determining chick embryo sex, such as magnetic resonance imaging and allantoic fluid analysis, are invasive, costly, and time-consuming, which limits their adoption in hatcheries that require high throughput.
To address these challenges, the authors propose a non-invasive approach utilizing machine learning to analyze the morphological features of chicken eggs for sex prediction. Previous studies have shown varying degrees of success in predicting sex based on egg morphology, but none have applied machine learning techniques to commercially used laying hen strains. The authors developed a low-cost custom apparatus for consistent imaging of eggs and compared its output to that of an industrial-grade 3D scanner to ensure accuracy. They hypothesize that this innovative method will provide an efficient alternative to male chick culling, thereby enhancing ethical treatment and sustainability in the poultry industry.
Methods
The “Materials and Methods” section of the research paper outlines the experimental design and procedures employed to investigate the research question. It details the specific materials used, including any reagents, equipment, and biological samples, ensuring reproducibility of the study. The methodology encompasses the protocols followed for data collection, including any statistical analyses performed to interpret the results.
Additionally, the section may describe the experimental setup, including controls and variables, as well as any computational tools utilized for data analysis. The clarity and rigor of the methods are crucial for validating the findings and enabling other researchers to replicate the study. Overall, this section serves as a foundational component of the research, providing transparency and facilitating further exploration in the field.
Results
In this study, a low-cost imaging apparatus utilizing a smartphone camera was evaluated for its accuracy in measuring the eccentricity of non-fertilized chicken eggs, compared to a 3D scanner. A paired t-test revealed no significant difference in measurements (t = 0.142; p = 0.89), indicating that the custom apparatus produced results comparable to the 3D scanner. Among 143 incubated fertile eggs, 121 embryos were viable, with a sex distribution of 58 females (47.9%) and 63 males (52.1%). Morphological assessments using MATLAB identified egg width (χ² = 4.032) and length (χ² = 2.441) as the most predictive features for embryo sex, followed by area, extent, and eccentricity.
Machine learning algorithms were employed to predict embryo sex, with the wide neural network achieving the highest accuracy of 88.9% and a range of 11.1%. The boosted trees model followed with an accuracy of 83.8% (range 28.2%), while cubic SVM and medium KNN models yielded lower accuracies of 72.2% and 55.6%, respectively. The wide neural network’s performance was further validated by a receiver operating characteristic (ROC) curve, yielding an area under the curve of 0.858, indicating strong predictive capability for both sexes. Confusion matrices and ROC curves for the other models were also generated for comparative analysis.
Discussion
The study aimed to develop a low-cost imaging apparatus for predicting chicken embryo sex based on egg morphology, utilizing machine learning techniques. The custom apparatus, which cost approximately USD 60, effectively captured consistent images of eggs using a smartphone, and its performance was validated against an industrial-grade 3D scanner. The analysis of 121 eggs revealed that the wide neural network model achieved a peak predictive accuracy of 88.9% and a mean accuracy of 81.5%, aligning with previous studies that reported similar accuracy ranges (80-87%). Variability in predictive performance across trials was attributed to the random splitting of training and testing datasets, which is essential for avoiding overfitting.
The findings suggest that this non-invasive method could significantly reduce the culling of male chicks in the laying hen industry, potentially preventing the destruction of billions of embryos annually. However, the study also highlighted a misclassification rate of 11.1% for female embryos, indicating the need for further improvements to enhance accuracy. Future research should explore the inclusion of additional morphological features, testing across different chicken strains, and optimizing the imaging apparatus for broader application in commercial settings. Overall, this study presents a promising approach to addressing ethical and sustainability challenges in poultry production.