基于深度学习和递归聚类算法的肉鸡潜在新发声类型鉴定与特征分析

本研究针对肉鸡发声行为研究不足的问题，采用深度学习识别器(PANN)和递归聚类算法(UMAP+HDBSCAN)，从1-35日龄Ross 308肉鸡录音中鉴定出42个声学簇，最终确定10类潜在新发声类型。研究发现肉鸡随日龄增长呈现更丰富的发声谱系，为建立自动化发声监测系统提供了新依据。

　　

在集约化养殖背景下，肉鸡福利监测面临重大挑战。尽管已知肉鸡存在痛苦呼叫(distress calls)、短鸣(short peeps)、颤音(warbles)和愉悦音(pleasure notes)四种发声，但其完整的声学谱系仍存在认知空白。比利时根特大学Tomasz Grzywalski团队在《Poultry Science》发表的研究，通过先进声学分析技术揭示了肉鸡发育过程中潜在的新发声模式。

研究采用深度学习与递归聚类相结合的技术路径。首先利用预训练的通用声音事件检测模型(PANN)筛选录音，再通过自主开发的肉鸡发声识别器提取未分类片段。关键步骤包括：1) 从10只Ross 308肉鸡35天连续录音中提取33,372个候选片段；2) 使用动物声学编码器(AVES)生成768维声学特征；3) 通过UMAP降维和HDBSCAN递归聚类获得42个初始簇；4) 经专家评估最终确定10个新发声簇。

MATERIALS AND METHODS

实验设计遵循比利时动物实验伦理规范(LA1400564)，在标准化养殖环境中记录健康肉鸡发声。音频采集使用Knowles FG-23329麦克风(48 kHz采样率)，数据处理采用滑动窗口(1,940 ms窗口，240 ms步长)和概率阈值分类(>0.7)。

RESULTS

研究发现：1) 时间分布上，7个新簇(如Cluster 4/5/9)在3周后显著增加，而Cluster 39/41全程存在；2) 声学特征上，Cluster 5在4周时呈现最短时长(0.39±0.10 s)，Cluster 39在1周时频率最高(2,936±190 Hz)；3) 与已知发声相比，新簇在5周时占比达63.7%(535/839次)。

DISCUSSION

该研究首次系统描绘了肉鸡发育过程中的声学多样性：1) 反驳了频率随年龄单调下降的理论，发现Cluster 10在4周时出现1,596 Hz的中频峰；2) 推测新发声可能对应求偶、领地行为等复杂社交需求；3) 为解释快速增重(日均增重71.4 g)与发声器官发育的关联提供线索。尽管存在样本量小(n=10)和缺乏行为对照的局限，但建立的AVES-UMAP-HDBSCAN技术框架为禽类声学监测开辟了新途径。

研究意义在于：1) 证实肉鸡具有比认知更丰富的声学表达能力；2) 为开发基于声纹的福利评估系统奠定基础；3) 提示35日龄屠宰标准可能截断重要行为发育阶段。未来研究需结合视频跟踪和更大样本验证这些发声的行为学意义。