Menu
e-shop
Komplexní proces hlubokého učení, který „čte“ rentgenové snímky kuřecích nohou a předpovídá pevnost kostí, by mohl chovatelům poskytnout rychlý, neinvazivní způsob výběru odolné kostry a podpořit lepší pohodu nosnic ve velkém měřítku. Existuje řada metod, jak hodnotit čerstvost vajec pomocí pokročilých technik pro větší přesnost a efektivitu. Také pro zjištění čerstvosti vajec se užívá hluboké učení.
Poškození kostí zůstává významným problémem pro welfare v moderní produkci vajec. Systémy bez klece zlepšují pohyblivost a stimulují zatížení kostí, ale zlomeniny se stále vyskytují příliš často. Hodnocení kostí u živých ptáků je obtížné, protože měkké tkáně zakrývají rentgenové detaily a tvorba různých mozolů může zakrýt poškození. Naopak holenní kost (tibiotarsus) je snáze zobrazitelná a dlouhodobě se používá jako praktický ukazatel celkové kvality kostry.
Výzkumný tým vedený vědci z Roslinova institutu na Univerzitě v Edinburghu nyní vybudovali plně automatizovaný systém, které přeměňuje laterální rentgenové záření na kvantitativní odhad síly zlomení holenní kosti. Nejprve segmentační model U-Net izoluje holenní kost od okolních měkkých tkání a pozadí, čímž dosahuje vysoké přesnost a viditelnosti. Snímky kosti jsou poté předány modelu ResNet-50, který předpovídá sílu, kterou kost dokáže vydržet, pouze na základě intenzity pixelů, bez ručního měření.
Ačkoli bylo zobrazovací zpracování provedeno po smrti nosnic kvůli omezením způsobeným Covid-19, pracovní postup je navržen pro in vivo použití s digitální rentgenovou biografií – rychlou a relativně nízkonákladovou metodou, která je již v praxi chovu hospodářských zvířat známá.
Výsledky jsou přesvědčivé. Obrazové predikce vykazovaly dobrou shodu s naměřenou pevností kostí s maximálními korelacemi.
Posmrtné mechanické testování – zlatý standard pro pevnost kostí – nelze provádět u kandidátů na výběr ve velkém měřítku. Rychlá, nedestruktivní metoda z obrazů umožní rutinní použití k testování kvality kostí ve šlechtitelských chovech, urychluje genetický pokrok pro odolnější nosnice.
Existují však určité výhrady. Současná datová sada byla relativně malá a přísně standardizovaná. Zobrazování živého ptáka přináší variabilitu v držení těla, pohybu a pokrytí měkkých tkání, což může znamenat šum při zobrazování.
Kuřecí vejce jsou důležitým zdrojem potravin konzumovaným po celém světě, obsahujícím řadu vitamínů, minerálů a různých esenciálních aminokyselin. Čerstvost vajec je klíčovým faktorem ovlivňujícím bezpečnost potravin a kvalitu vaření. Existuje řada pokročilých technik pro hodnocení čerstvosti vajec; tyto metody však nejsou vždy vhodné pro použití na farmě. Proto tým thajských výzkumníků navrhl nový automatický přístroj pro nízkonákladové a aktuální monitorování čerstvosti vajec, založený na měření výšky a šířky žloutku pomocí strojového učení a váhového senzoru.
Čerstvost vajec se určuje pomocí Haughova indexu a indexu žloutků. Haughův index je měřítkem čerstvosti vajec založeným na výšce silné bílé skořápky kolem žloutku vzhledem k celkové hmotnosti vejce. Vyšší Haughův index znamená vyšší kvalitu bílku a čerstvější vejce. Dlouhodobé skladování vajec však způsobuje, že bílky vypadají vodnaté nebo téměř neexistující, což vede k chybným závěrům. Index žloutků hodnotí kvalitu a čerstvost vajec měřením výšky a průměru žloutku. Postupné snižování žloutkového indexu naznačuje sníženou čerstvost. V této metodě se k měření výšky vajíčka používá posuvné měřítko, ale je možná lidská chyba.
Existuje řada metod, jak hodnotit čerstvost vajec pomocí pokročilých technik pro větší přesnost a efektivitu. Nedestruktivní na ultrazvuku založený přístup k určení čerstvosti vajec je však omezena potřebou vysoce specializovaného vybavení pro analýzu měřených dat. Proto je tento přístup vhodnější pro laboratorní testy než na farmách. Infračervené termální zobrazování je další nedestruktivní metodou hodnocení čerstvosti vajec, ale tento přístup je vhodný pouze pro pevné testery, nikoli pro přenosné. Metody testování čerstvosti vajec založené na spektroskopii jsou Ramanova spektroskopie, spektroskopie viditelného přenosu, spektroskopie ve viditelném a blízkém infračerveném (Vis-NIR) světle, spektroskopie blízkého infračerveného (NIR) a spektroskopie s Fourierovou transformací v blízkém infračerveném světle (FT-NIR). Tyto přístupy jsou nedestruktivní, rychlé a účinné, ale nejsou schopni přímo posoudit kvalitu vnitřku vajec. Použití dielektrických vlastností vajec je slibná nedestruktivní metoda, ale zajištění konzistentního umístění a kontaktu měření může být náročné. Kromě toho se liší objem vajec, tvar, velikost a složení na přesnost a opakovatelnost dielektrických měření.
Technologie elektronického nosu (E-nose) nabízí cenově efektivní a rychlou metodu hodnocení čerstvosti vajec analýzou těkavých organických sloučenin uvolněných během skladování. Nicméně E-noses nemusí být citlivý na detekci jemných rozdílů v úrovni čerstvosti z nedotčených vajec. Hyperspektrální zobrazování je další nedestruktivní metoda, která vyžaduje rychlý počítač, citlivý detektor a hodně úložného prostoru.
Strojové vidění je jednou z nejoblíbenějších metod pro určení čerstvosti vajec. Tato metoda měří vnější délku a šířku vejce pro výpočet jeho objemu. Pomocí strojového vidění a váhových senzorů se hustota vajec používá k detekci čerstvosti bez nutnosti vytlačování vody nebo flotace vajec. Toto uspořádání však vyžaduje notebook pro zpracování obrazu a nemusí být vhodné jako nízkonákladový testovací nástroj. Proto se doporučuje monitorování v reálném čase, aby se zhodnotila kvalita a čerstvost vajec za snížené náklady.
Automatický tester
Navrhovaný automatizovaný tester čerstvosti vajec je vyroben z lehkého hliníku a měří 35×35×35 cm. Toto zařízení se skládá z komory pro testování vajíček, zobrazovací obrazovky, části pro příjem a vážení vajec, sekce pro rozbíjení vajíček, sekce pro zpracování obrazu a tlačítka pro zapínání a vypínání zařízení. Vejce jsou po vážení přenášena z přijímající sady do sady na rozbíjení vajec pomocí naklápěcího mechanismu.
Výzkumníci dospěli k závěru, že navrhovaný systém je cenově efektivní a přenosný, přičemž nabízí vysoký výkon a spolehlivost. Navíc tento systém založený na strojovém učení dokáže zaznamenávat data v reálném čase, monitorovat fyzikální parametry, analyzovat data a určovat čerstvost vajec na základě rozměrů žloutků. Je však zapotřebí dalšího výzkumu k řešení současných výzev, jako je integrace systému do stávajících výrobních linek vajec a zajištění souladu s bezpečnostními a hygienickými standardy potravin.*
Poultry World
Přečtěte si další články v NCH4/2026
