Искусственный интеллект смартфонов однажды может выявить сальмонеллу среди птицы

Ранние результаты обещают многообещающие, но инструмент всё ещё нуждается в доработке.
Будущее обнаружения сальмонеллы в птицеводческих сараях может быть таким же простым, как сделать фотографию на смартфон, согласно ранним концептуальным исследованиям Университета Джорджии.

Сальмонелла является одной из ведущих причин пищевых заболеваний в США, вызывая такие симптомы, как диарея, лихорадка и спазмы желудка, а птицеводческие продукты признаны одним из основных источников инфекций у человека.

Быстрое обнаружение патогена на фермах критически важно для повышения безопасности пищевых продуктов и предотвращения заражения в цепочке поставок.

Текущий стандарт обнаружения на ферме предполагает сбор образцов мусора или фекальных отходов и их отправку в лабораторию для микробиологического тестирования. Метод точен, но его трудоёмкий, дорогостоящий характер и многодневный срок работы подтолкнули Гуомин Ли, доцента кафедры птицеводства и Института искусственного интеллекта Университета Джорджии, и Аделумолу Оладейнде, научного микробиолога Национального центра птицеводческих исследований Министерства сельского хозяйства США (USDA) Сельскохозяйственной исследовательской службы ( ARS), чтобы выяснить, могут ли искусственный интеллект и компьютерное зрение предложить более быструю и практичную альтернативу.

Одна из целей: более раннее обнаружение сальмонеллы
У проекта было две основные цели: разработка системы искусственного интеллекта, предсказывающей присутствие сальмонеллы по снимкам птичьих фекалий на полу лотка со смартфонов, а также проверка, могут ли изменения в движении птиц служить поведенческим индикатором инфекции.

Модель ИИ показала высокие результаты при тренировке и тестировании на изображениях фекалий из того же географического региона, достигнув точности более 93%. Однако при применении к изображениям из другого региона точность резко снизилась до 40–60%, что подчёркивает, как экологические и региональные различия могут влиять на производительность модели.

«Нам удалось проверить часть её, но нам всё ещё нужно придумать функции для улучшения обнаружения и точности», — предупредил Ли, добавив, что модель много обещает, но пока не готова к реальному миру.

Отличие сальмонеллы от других болезней добавляет ещё один уровень сложности, поскольку различные состояния также вызывают окраску, водянистость или содержание крови в птичьих фекалиях.

«Некоторые болезни имеют схожие фекалиальные характеристики», — сказал Ли, назвав это одной из ключевых проблем, которые ещё предстоит решить.

Отдельно исследователи обнаружили, что здоровые цыплята поддерживают нормальные циркадные циклы активности, тогда как птицы, инфицированные сальмонеллой, демонстрируют заметные различия в движениях. Это говорит о том, что непрерывный поведенческий мониторинг в будущем может служить дополнительным цифровым биомаркером инфекции.

Открытый доступ и что будет дальше
Исследовательская команда сделала свой программный код и приложение для смартфонов публично доступными на GitHub, что позволило другим разработчикам отрасли и технологий развивать платформу.

Сейчас команда работает над привлечением дополнительного финансирования USDA ARS и не то, чтобы улучшить разрешение камер, расширить сбор данных и сократить региональный разрыв в точности.

Ли и Оладейнде также надеются сотрудничать с промышленностью для получения коммерческих фермерских данных, которые, по его мнению, покажут более высокую распространённость сальмонеллы по сравнению с контролируемыми исследовательскими загонами, используемыми сейчас. Но стандартизация сбора данных на коммерческих фермах и контроль вариаций данных изображений не следует игнорировать, добавили они.

Исследование было профинансировано Ассоциацией птицеводства и яйца США и USDA ARS.