Первые результаты исследования обнадеживают, однако технология еще требует дальнейшей доработки.
В будущем для обнаружения Salmonella на птицеводческих предприятиях может быть достаточно сделать фотографию с помощью обычного смартфона. К такому выводу пришли исследователи Университета Джорджии (University of Georgia), работающие над новой системой раннего выявления возбудителя с использованием искусственного интеллекта (ИИ) и технологий компьютерного зрения. Salmonella остается одной из основных причин пищевых инфекций в США. Заражение сопровождается такими симптомами, как диарея, лихорадка и боли в животе, а продукция птицеводства считается одним из главных источников инфицирования человека. Поэтому быстрое выявление бактерии непосредственно на фермах имеет большое значение для повышения безопасности пищевой продукции и предотвращения попадания зараженной продукции в цепочку поставок.
Традиционные методы требуют времени
Сегодня стандартный способ выявления Salmonella на птицефабриках заключается в отборе проб подстилки или помета, которые затем направляются в лабораторию для микробиологического анализа. Хотя этот метод считается высокоточным, он требует значительных затрат времени и средств, а получение результатов может занимать несколько дней. Именно поэтому Гомин Ли, доцент кафедры птицеводства и Института искусственного интеллекта Университета Джорджии, совместно с Аделумолой Оладейнде, микробиологом-исследователем Национального центра исследований птицеводства Министерства сельского хозяйства США (USDA ARS National Poultry Research Center), решили проверить, смогут ли искусственный интеллект и компьютерное зрение предложить более быстрый и практичный способ диагностики.
Цель исследования — более раннее выявление инфекции
Перед исследователями стояли две основные задачи. Первая заключалась в создании системы искусственного интеллекта, способной по фотографиям птичьего помета, сделанным обычным смартфоном, определять вероятность присутствия Salmonella. Вторая задача состояла в изучении того, могут ли изменения в поведении птицы, прежде всего в ее двигательной активности, служить дополнительным признаком инфекции.
Во время испытаний алгоритм показал точность более 93%, если обучение и проверка проводились на изображениях, полученных в одном и том же регионе. Однако при использовании фотографий из других регионов точность значительно снижалась — до 40–60%, что свидетельствует о сильном влиянии климатических, экологических и производственных условий на работу модели. По словам Гомина Ли, результаты подтверждают перспективность технологии, однако она пока не готова к широкому практическому применению. «Нам удалось подтвердить работоспособность части системы, однако необходимо найти дополнительные признаки, которые позволят повысить точность обнаружения», — отметил исследователь.
Различать заболевания пока непросто
Одной из главных проблем остается то, что многие заболевания птицы вызывают схожие изменения внешнего вида помета. Изменения цвета, консистенции или наличие крови могут наблюдаться не только при Salmonella, но и при ряде других инфекций. «Некоторые заболевания имеют одинаковые характеристики помета», — подчеркнул Ли. Именно поэтому алгоритму пока сложно надежно отличать сальмонеллез от других заболеваний.
Поведение птицы тоже может стать индикатором
Помимо анализа изображений, ученые исследовали изменения в активности птицы. Оказалось, что здоровые цыплята сохраняют нормальный суточный ритм двигательной активности, тогда как зараженные Salmonella демонстрируют заметные изменения в поведении. По мнению исследователей, постоянный мониторинг активности птицы в будущем может стать еще одним цифровым биомаркером, позволяющим своевременно выявлять заболевание.
Проект открыт для дальнейшего развития
Исследовательская группа уже разместила исходный код программы и мобильное приложение в открытом доступе на платформе GitHub, чтобы другие ученые и разработчики могли совершенствовать технологию. Сейчас команда работает над привлечением дополнительного финансирования со стороны USDA ARS для повышения качества камер, расширения базы данных изображений и устранения различий в точности работы модели между разными регионами. Также ученые рассчитывают начать сотрудничество с коммерческими птицеводческими предприятиями, где уровень распространенности Salmonella обычно выше, чем в экспериментальных условиях. При этом исследователи подчеркивают, что для успешного внедрения технологии необходимо стандартизировать процесс получения изображений на коммерческих фермах и минимизировать различия в качестве фотографий.
Исследование было профинансировано Американской ассоциацией производителей птицы и яиц (U.S. Poultry & Egg Association) и Службой сельскохозяйственных исследований Министерства сельского хозяйства США (USDA Agricultural Research Service).
.png)
