Nasadenie umelej inteligencie v chove hodvábničiek

Hodvábničky sú v Európe často vzhľadom na svoje špecifické perie považované za trochu komické plemená (v stredoveku boli dokonca predávané ako kríženci králika
a sliepky), no napríklad v Číne, konkrétne v Tiantaishan Village, niektorí chovatelia hodvábničiek seriózne nasadzujú umelú inteligenciu (AI).

Dáva to celkom dobrý zmysel: hodvábničky sú malé, nelietajú, nehrabú ako iné plemená sliepok, majú pokojné správanie, a navyše môžu veľmi dobre zastávať úlohu náhradnej matky pre prepelice, bažanty či vodnú hydinu. AI modely sa preto práve na nich môžu relatívne ľahko naučiť základné postupy, ktoré môžu byť neskôr využité pri trénovaní AI pre náročnejšie plemená.

Medzi kľúčové technológie v tomto kontexte patria:

1. Čipy a senzory
• RFID čipy: každá sliepka je vybavená RFID čipom, ktorý umožňuje jej individuálnu identifikáciu, sledovanie pohybu, príjmu krmiva aj zdravotného stavu. Takto možno monitorovať hmotnosť so spoľahlivosťou až 98,5 % a príslušné dáta sa priebežne zaznamenávajú do databázy.
• Senzory prostredia: ide o teplotu, vlhkosť, hladinu amoniaku a CO₂. Dáta zo senzorov pomáhajú v reálnom čase predchádzať stresu z tepla a minimalizovať riziko narušenia homeostázy.
• IoT zariadenia: vyhodnocovanie dát z akcelerometrov a gyroskopov umožňuje včasnú detekciu abnormálneho správania, napríklad prvých príznakov choroby, so spoľahlivosťou až 97 %.
2. Kamery a pokročilé modely počítačového sledovania
• Avian Surveillance Cam: detekcia anomálií, ako je neobvyklé správanie, úhyn, zmeny v počte jedincov atď. Napríklad systém od dodávateľa Xiashu Technology dokáže počítať jednotlivé kusy s presnosťou 99,9 % a identifikovať defektné vajcia na dopravných pásoch.
• OLOv8+CBAM: umožňujú ďalšie spresnenie detekcie v zložitých podmienkach, napríklad pri rôznej úrovni osvetlenia alebo pri prekrývaní sliepok, so zvýšením presnosti až o ďalších 95,2 %.
3. AI algoritmy a analytika
• Machine Learning (ML) a Deep Learning (DL): algoritmy ako Random Forest alebo Support Vector Machine umožňujú analýzu správania sliepok, príjmu krmiva aj zvukov vydávaných jednotlivými kusmi na detekciu chorôb – napríklad newcastleskú chorobu alebo vtáčiu chrípku dokážu zachytiť s presnosťou až 100 %.
• Prediktívna analytika: pomocou AI možno predikovať dopyt a optimalizovať produkciu, aby nedochádzalo k plytvaniu alebo nadprodukcii.

Výhody a nevýhody nasadenia AI v chove hodvábničiek

Výsledky jasne ukazujú, že zdravie a welfare zvierat možno prostredníctvom týchto AI systémov posunúť na novú úroveň. Už len samotná zvuková analýza zmien vo frekvencii zobania chovateľovi včas signalizuje zdravotné problémy na úrovni jednotlivých jedincov. Produkcia v Tiantaishan Village sa celkovo zvýšila až o 30 %, a to jednak optimalizáciou kŕmenia – najmä dávkovania živín ako lyzín a metionín – a minimalizáciou plytvania, ale aj znížením spotreby vody a vďaka kamerovej detekcii predátorov (v prípade vonkajších chovov išlo o psov).

Počiatočné náklady na senzory, kamery a AI softvér sú však pomerne vysoké, rovnako ako údržba a servis. To môže byť logickou prekážkou v širšom nasadení týchto technológií najmä v menších chovoch.

Porovnanie čínskeho prístupu s podmienkami v EÚ

Európa je nepochybne svetovým lídrom v oblasti welfare zvierat a udržateľnosti. Čínsky model sa sústreďuje skôr na maximalizáciu produkcie a ochranu pred predátormi – hoci úspory krmiva, vody a liečiv prirodzene vedú aj k nižšej uhlíkovej stope na jednotku produkcie, ktorá je porovnateľná s Európou (t. j. zníženie emisií skleníkových plynov až
o 10 %, vody až o 20 %).

Zatiaľ čo Európa sa pri AI zameriava najmä na monitoring hovädzieho dobytka a ošípaných (napr. CattleEye využíva kamery na sledovanie pohybu a zdravotného stavu dobytka na zvýšenie produkcie mlieka), čínske systémy ako tie od Xiashu Technology sa sústreďujú na hydinu.

Limitujúcim faktorom pri nasadení podobných technológií v EÚ však nie sú primárne finančné náklady, ale skôr relatívne prísne regulácie vyplývajúce z obáv z nadmernej automatizácie, ktorá by podľa znenia európskej legislatívy mohla neprijateľne uprednostniť ekonomiku pred welfare. Silnou stránkou Európy oproti Číne je na druhej strane lepší prístup k technickej podpore a školeniam vďaka oveľa rozvinutejšej infraštruktúre. V Číne je prekážkou nasadenia podobných technológií často výrazne nižšia digitálna gramotnosť (najmä vo vidieckych oblastiach).