论文标题：Rethinking Poultry Welfare—Integrating Behavioral Science and Digital Innovations for Enhanced Animal Well-Being

论文链接：https://www.mdpi.com/2674-1164/4/2/20

期刊名：Poultry

期刊主页：https://www.mdpi.com/journal/poultry

一、背景介绍

过去几十年，全球家禽产业快速集约化扩张，1961—2022年产量增幅达1456%，是动物农业中增长最快的领域。但效率与产量的提升，也催生了高密度饲养下啄羽、同类相残等异常行为，以及高温、噪音、不合理光照诱发的慢性应激等福利问题，全球消费者与监管层对动物心理福祉的诉求也日益提升。

以“五大自由”为核心的现代福利框架已明确，良好的福利是生理健康、心理安稳与自然行为表达的统一体。与此同时，精准畜牧业（PLF）及计算机视觉、生物声学、红外热成像等数字技术逐步落地，打破了人工观测耗时久、主观性强、预警滞后的局限，为全天候、非侵入、规模化的家禽福利动态监测提供了全新路径。

本综述基于2015—2024年三大核心数据库的系统文献梳理，整合行为学、神经科学、工程学、微生物学多学科成果，从鸟类感知机制、情绪量化、智能监测、个体生理差异四大维度，梳理行为科学与数字技术融合的前沿进展，剖析产业落地瓶颈，提出跨学科协同的可持续改良路径。

二、核心研究发现

（一）鸟类多感官感知：福利设计的底层行为依据

家禽拥有与人类差异显著的感知系统，禽舍内光照、声响、垫料、气味的细微变化，都会直接影响鸡群的应激水平与自然行为表达，是所有福利改良方案的底层基础。

人与家禽视觉系统对比图

视觉上，家禽具备四色视锥细胞，可感知人类不可见的紫外光，视网膜油滴、双视锥结构进一步强化了色彩分辨与运动感知能力。传统以人眼为基准的“勒克斯（lux）”标准无法匹配禽类视觉，专为禽类设计的校正勒克斯（clux）是更科学的计量方式。研究证实，短波长蓝光可稳定褪黑素分泌、缓解蛋鸡应激，但460nm短波单色光会显著升高血液应激生化指标，长期暴露易引发代谢紊乱。

听觉上，家禽听觉范围覆盖2Hz次声至9kHz超声，禽舍80dB以上的持续风机噪音会升高皮质酮、降低产蛋率；孵化期播放母鸡鸣叫、生长期搭配舒缓音乐，可长期降低雏鸡恐惧水平。依托机器学习与自然语言处理技术，生物声学系统可自动分类不同功能的鸣叫声；鸡群整体鸣叫声学特征的变化，能在可见征兆出现前最多3天预警啄羽暴发。

嗅觉与触觉层面，家鸡拥有约229个功能性嗅觉受体，可分辨饲料优劣、规避高浓度氨气区域；喙部分布密集机械感受器，断喙会引发急慢性疼痛，损害啄食与理羽功能。提供纹理栖架、多样垫料，可满足沙浴、抓挠的先天行为需求。视觉、听觉、嗅觉、触觉并非独立作用，而是交叉调控应激反应，多感官协同的环境富集比单一改良更能有效降低皮质酮。

（二）情绪状态的测量：从实验室走向农场

雏鸡红外热成像应激检测图

家禽的主观情绪难以量化，是福利评估的核心短板。近年来，经典行为实验与AI视觉技术深度结合，搭建起从行为表型到情绪状态的量化路径，并逐步适配规模化商业鸡场。

认知偏差测试的核心逻辑是：情绪状态会影响个体对模糊刺激的解读，即正向情绪的家禽对中性线索更偏向乐观判断，应激个体则更易悲观回避。基于机器视觉的AI系统可自动追踪鸡只对模糊刺激的趋近、回避反应与速度，实现高通量群体情绪评估，且对鸡群日常干扰极小。

预期行为与玩耍行为也是正向福利的重要标志，但需谨慎解读。比如，家禽开餐前的亢奋，表面是正向期待，实则可能是长期饥饿引发的应激信号；而环境稳定下家禽自发的奔跑、扑翼、嬉闹等玩耍行为，才是心理安康的典型表现。融合了加速度计、声学采集、机器视觉的多传感器系统，可24小时自动统计这两类行为频次，精准区分“健康愉悦的活跃”与“应激躁动的亢奋”。

另外，AI面部识别与红外热成像实现了非侵入式疼痛与应激检测。“鸡痛苦面部量表”通过眼裂、喙部姿态、头部角度判断疼痛状态；红外热成像可捕捉急性应激下眼温下降、头喙部升温、眨眼频率降低的特征。基于GAN-MAE深度学习的面部识别模型，可批量完成群体疼痛与应激筛查。除此以外，深度学习还可拓展至雏鸡无损雌雄鉴别。

（三）数字技术的颠覆性潜力

精准畜牧自动化监测全流程框架图

以精准畜牧业为载体，计算机视觉、生物声学、多源传感器、机器学习技术相互协同，构建起全链路自动化福利管理体系，推动家禽福利管理从“事后补救”转向“事前预警”。

目前，多模态监测硬件可实现非侵入、全天候数据采集：生物声学阵列过滤环境杂音，自动分类鸣叫声，预警呼吸道疾病、异食癖；计算机视觉依托深度学习模型，识别跛行、啄羽、沙浴等行为；红外热成像无接触筛查热应激与隐性感染；环境传感器实时监测光照、氨气、温湿度；RFID技术可解析鸡群社群等级，识别长期受攻击的弱势个体。

面对单一传感器数据易受环境干扰的问题，精准畜牧可通过机器学习融合影像、声学、环境、采食等多源数据，从而构建更全面的综合福利指数，并且系统还能联动通风、光照、饲喂设备实现自适应调控。长期纵向数据分析，可总结高福利、低福利批次的管理共性，为养殖场提供标准化改良方案。边缘计算的场景落地，也进一步降低了算力成本，适配中小型养殖场。

然而，当前产业落地仍存核心阻碍，如不同品种、日龄鸡只的声学与视觉特征差异大，模型泛化能力不足；硬件成本与运维门槛较高，中小养殖户难以承担；算法仅能量化外显行为，难以捕捉隐蔽的心理压抑；过度依赖数字监测也可能弱化饲养员的人本观察价值。

三、未来方向与总结

本综述系统证实，家禽福利优化必须遵循“行为科学打底、数字技术落地、生物机制补充”的跨学科融合逻辑：鸟类多感官系统是舍饲设计的底层依据；情绪量化工具实现了心理福祉的客观衡量；多模态传感与AI构建了规模化实时预警、自动调控的闭环体系；微生物与遗传个体差异，推动福利方案从“一刀切”转向个性化定制。四大板块联动，形成了覆盖生理、心理、环境、遗传的完整福利评价与改良体系。

未来需推动构建标准化多模态福利评价体系，研发轻量化低成本数字工具，协同推进多感官富集与福利育种，加快微生物干预产业化，建立人机协同的福利管理模式。家禽产业可持续发展不应将福利视为生产附加约束，而应作为提质增效、回应伦理诉求的核心抓手。打通学科壁垒，跳出“效率与福利二选一”的困境，才能构建兼顾蛋白供给、产业效益与家禽福祉的可持续生产新模式。

Neethirajan, S. Rethinking Poultry Welfare—Integrating Behavioral Science and Digital Innovations for Enhanced Animal Well-Being. Poultry 2025, 4, 20. https://doi.org/10.3390/poultry4020020

作者指南

如您对投稿有任何疑问，欢迎阅读作者指南，或联系Poultry期刊编辑部 (poultry@mdpi.com)。

作者指南：https://www.mdpi.com/journal/poultry/instructions

Poultry 期刊介绍

主编：Prof. Dr. Michael Hess，Histovac GmbH, Austria; Retired from University of Veterinary Medicine Vienna, Austria

旨在发表涉及家禽健康、家禽福利和家禽生产力等相关领域的原创理论性和实验性研究成果。期刊已被ESCI（Web of Science）、Scopus及其他数据库收录，位列JCR Q2分区（Agriculture, Dairy and Animal Science）。