Recognizing stressed chicken signs: A comparison using the Happy Chicken Tool and the Stressed Chicken Scale.

Künstliche Intelligenz (KI) bietet vielversprechende Möglichkeiten zur objektiven Beurteilung des Tierwohls und ist zentraler Bestandteil des Precision Livestock Farmings. Für eine wachsende Anzahl an Tierarten wurden bereits Algorithmen zur Bewertung des

In diesem interdisziplinären Projekt wurde mithilfe von Deep Learning ein KI-System entwickelt, das anhand von Aufnahmen von Hühnern in Seitenansicht einzelne Tiere als belastet oder unbelastet klassifizieren kann, das „Happy Chicken Tool“ (HCT).

Für die Entwicklung wurden verschiedene vortrainierte Convolutional Neural Networks (CNNs), insbesondere Modelle der EfficientNet- und MobileNet-Familie, mittels Transfer Learning verwendet. Die Datengrundlage bildeten vorverarbeitet und augmentierte Bilder aus Videomaterial von Hühnern.

Die Ergebnisse der KI (Genauigkeit, Sensitivität und Spezifität) wurden mit den Einschätzungen menschlicher Proband: Innen verglichen, die dieselben Bilder mithilfe der Stressed Chicken Scale (Schlegel et al. 2024) bewerteten. Dabei zeigte sich, dass die KI Belastung mit einer zum Menschen vergleichbaren Genauigkeit erkennen konnte; eine EfficientNet-Variante erzielte im Trainingsdatensatz sogar signifikant bessere Ergebnisse. Eine Grad-CAM-Analyse lieferte zudem erste Hinweise darauf, dass die KI bei ihren Entscheidungen bestimmte Körperregionen der Hühner fokussiert. Die Interpretation dessen ist Bestandteil eines laufenden Folgeprojektes.

Insgesamt verdeutlichen die Ergebnisse das große Potenzial nicht-invasiver, automatisierter Deep-Learning-Ansätze für die kontinuierliche und objektive Tierwohlüberwachung.