Italy News Agency

Un team di 16 studenti universitari dell'Università di Shenzhen ha sviluppato un programma di intelligenza artificiale (IA) che aiuta gli agricoltori a identificare anatre malate con teste di leone e aumenta la percentuale di sopravvivenza del branco del 30 percento.

Le anatre con teste di leone sono una specie conosciuta per la loro alta qualità ma difficile da allevare nella regione di Chaoshan, nel sud della Cina. Gli agricoltori di Chenghai hanno fatto affidamento sulla loro esperienza per oltre 300 anni per monitorare la salute delle anatre osservando quanto tempo rimangono inattive e sentendo la temperatura del corpo con le mani.

Tuttavia, qualsiasi malattia può distruggere una fattoria in soli 10 giorni. Nell'inverno del 2018, migliaia di anatre con teste di leone sono morte inaspettatamente in un focolaio, e solo cinque sono sopravvissute. Jin Shutao, un allevatore di anatre a Houxi, è tornato nella sua città natale come giovane imprenditore e ha considerato di sfruttare il potere della tecnologia.

Nel 2022 ha invitato 16 studenti del programma Shenzhen University-Tencent Cloud AI BEng nella cooperativa di allevamento di anatre con teste di leone. Con la guida dei professori dell'università e degli ingegneri del gigante cinese di Internet Tencent, hanno cercato di affrontare questa sfida.

Il team ha affrontato la difficoltà di identificare anatre malate in un'area di 500 metri quadrati in cui più di 4.000 anatre erano stipate tra suoni cacofonici. Hanno deciso di diagnosticare la malattia misurando la durata dell'immobilità di un'anatra e hanno diviso il progetto in quattro gruppi: hardware, front-end, back-end e algoritmo.

Tuttavia, la loro prima sfida è stata l'installazione delle telecamere, poiché i metodi tradizionali di identificazione basati su codici QR utilizzati per animali come mucche, pecore o maiali non funzionavano per le anatre. Per raccogliere dati sufficienti per l'addestramento dell'IA, gli studenti hanno catturato immagini con le telecamere di allevamento esistenti e le hanno etichettate manualmente.

Il processo di etichettatura ha comportato la categorizzazione e l'etichettatura di 6.000 immagini di 300.000 anatre. Wang Yifeng, membro del team, ha sottolineato la necessità di essere al 100 percento concentrati, poiché anche il più piccolo errore avrebbe potuto influire sui risultati dell'addestramento dell'IA.

Dopo decine di regolazioni del modello, gli studenti hanno imparato che non esisteva un algoritmo universale. A causa delle piume spesse delle anatre adulte con teste di leone, misurare la loro temperatura corporea era una sfida. Pertanto, hanno deciso di identificare anatre giovani malate come misura complementare.

Alcuni studenti hanno persino scoperto attraverso la ricerca che le malattie delle anatre erano strettamente legate alle condizioni meteorologiche come i tifoni e la foschia. Pertanto, hanno aggiunto funzioni di osservazione e analisi dei dati al programma per l'ottimizzazione. Attualmente, il programma fornisce avvisi in tempo reale per "anatre non etichettate" e "anatre febbrili", inclusa la temperatura, l'umidità, i livelli di PM2.5 e le tendenze di cambiamento dei dati nella fattoria. Ciò ha contribuito ad aumentare la percentuale di sopravvivenza delle anatre con teste di leone nella fattoria del 30 percento.

Shen Linlin, direttore dell'Istituto di Ricerca Visiva dell'Università di Shenzhen, ha sottolineato le sfide del lavoro, dicendo: "Sviluppare l'IA non significa sedersi in una stanza con l'aria condizionata e scrivere codice. Si tratta di imparare a scrivere codice nella letame d'anatra".