Kaszel w kurniku słychać przed padnięciami: mikrofon i dane stada
Kichanie, rzężenie i zmiana tonu stada to sygnały choroby oddechowej, ale człowiek jest w kurniku krótko, a wentylatory zagłuszają ptaki. My łączymy dane kurnika i padnięcia w jednym miejscu, a mikrofon jako wskaźnik trendu badamy i wdrażamy. Opieramy się na badaniach, które pokazały, kiedy dźwięk naprawdę mówi o zdrowiu stada.
verifiedOd zespołu, który od lat organizuje pracę na fermach drobiu.
Chorobę oddechową słychać wcześniej, niż ją widać
Kichanie, rzężenie i zmiana tonu głosów stada to sygnały, na które hodowcy reagują od zawsze. Problem w tym, że człowiek jest w kurniku krótko, a hałas wentylatorów i karmideł zagłusza ptaki. W nocy nikt nie słucha wcale.
Spóźniona reakcja to więcej leków
Choroba oddechowa wychwycona dzień później oznacza więcej chorych ptaków, dłuższe leczenie i gorszy wynik stada. Mikrofon nagrywa bez przerwy, ale sam z siebie niczego nie rozpoznaje. Potrzebny jest model, który odróżni dźwięk ptaków od maszyn i porówna stado z nim samym.
Jak to rozwiązujemy
1. Tło z kurnika w jednym miejscu (działa)
DlaFerm zbiera dane ze sterownika kurnika (temperatura, wilgotność, zużycie wody i paszy), padnięcia z karty stada i alarmy. Szerzej o łączeniu danych piszemy w artykule o wczesnym wykrywaniu chorób drobiu.
2. Mikrofon jako wskaźnik trendu (prowadzimy badania i wdrażamy)
Prowadzimy badania nad monitoringiem dźwięku i wdrażamy go jako wskaźnik trendu: czy stado jest głośniejsze lub cichsze niż zwykle o tej porze i czy pojawiło się więcej dźwięków typowych dla kaszlu. Poradnikowy opis techniki jest w artykule o bioakustyce w monitoringu drobiu.
3. Dźwięk zestawiony ze stanem wentylacji
Obok nagrania zapisujemy stan wentylacji ze sterownika, żeby sprawdzić, czy zmiana dźwięku nie zbiega się po prostu ze zmianą obrotów wentylatorów. O pracy wentylacji piszemy w artykule o wentylacji kurnika dla brojlerów.
4. Porównanie z tym samym stadem
Wskaźnik porównujemy z tym samym stadem w tym samym wieku i o tej samej porze, a nie z jedną stałą normą.
5. Diagnozę stawia lekarz weterynarii
Sygnał z mikrofonu to powód, żeby wejść do kurnika i zadzwonić do lekarza. Przy podejrzeniu choroby oddechowej rozpoznanie potwierdza laboratorium. Objawy opisujemy w artykule o mykoplazmozie drobiu.

Co mówią badania
Dźwięki chorobowe da się rozpoznać
Zespół Guo (2026) nagrywał kury w klatkach z chorobami potwierdzonymi badaniem PCR: zakaźnym zapaleniem krtani i tchawicy, mykoplazmozą i rzekomym pomorem drobiu. Po oddzieleniu szumu od głosów ptaków dźwięki chorobowe rozpoznawano z trafnością 96,17%, a macierz mikrofonów wskazywała miejsce chorego ptaka z błędem 0,085 m.
Model musi słuchać ptaków, nie wentylatorów
Zespół Madabushi (2026) sprawdził, na które fragmenty nagrań z ferm patrzą klasyfikatory „zdrowy czy chory”. Okazało się, że modele potrafią uczyć się stałego szumu wentylacji jako skrótu. Nowa miara wykrywała takie fałszywe wyjaśnienia z precyzją 80,6%. Dlatego obok dźwięku zapisujemy stan wentylacji.
Wiek i pora doby zmieniają głos stada
Zespół Sostera (2026) nagrywał 176 brojlerów Ross 308 w kojcach od 14. do 41. dnia życia, część zakażonych Eimeria albo wirusem zakaźnego zapalenia oskrzeli. O kategoriach głosów decydował przede wszystkim wiek ptaków i pora doby. Stąd porównanie z tym samym stadem o tej samej porze, a nie ze stałą normą.
Rodzaje głosów rozpoznaje się na wielu fermach
Laleye i Mousse (2024) nagrali głosy kur niosek na dziesięciu fermach komercyjnych w Beninie i rozpoznawali kategorie zachowań z F1 równym 92,75. Manikandan i Neethirajan (2024) odróżniali głosy niepokoju, karmienia i godowe z trafnością 92%. Dla porównania u świń zbiór SoundWel z 6887 nagraniami od sześciu zespołów w Europie dał 59,4% trafności na osobnikach spoza treningu (Yaghoubi i Haselbeck, 2026), co pokazuje, jak ważne jest uczenie na danych z danego miejsca.
Co zyskuje ferma
Kurnik słuchany także w nocy
Mikrofon ma wychwycić zmianę, gdy w kurniku nikogo nie ma. Rano widzisz, czy stado brzmiało inaczej niż zwykle.
Mniej fałszywych alarmów
Dźwięk zestawiony z wentylacją, wodą i temperaturą łatwiej odróżnić od zmiany pracy maszyn.
Pełniejsza historia dla lekarza weterynarii
Padnięcia, woda, temperatura i trend dźwięku są w jednym miejscu. Lekarz widzi, kiedy zaczęła się zmiana.
Porozmawiajmy o Twoich kurnikach
Chętnie pokażemy postępy tych prac na Twojej fermie. Wystarczy wiadomość przez formularz na dole strony.
Pytania o monitoring dźwięku w kurniku
Jak działa monitoring dźwięku w DlaFerm?add
Dziś zbieramy dane ze sterownika, padnięcia i alarmy. Mikrofon w kurniku badamy i wdrażamy jako wskaźnik trendu, porównywany z tym samym stadem o tej samej porze i zestawiany ze stanem wentylacji.
Jaki sprzęt jest potrzebny?add
Sterownik kurnika, który już masz, i telefon z aplikacją. Mikrofony i urządzenie do analizy dźwięku wdrażamy razem z fermą.
Ile pracy wymaga wdrożenie mikrofonu?add
Montaż w kurniku i okres, w którym system poznaje zwykły dźwięk stada w kolejnych dniach odchowu i porach doby.
Co, jeśli w kurniku nie ma zasięgu?add
Wpisy w aplikacji robisz bez sieci, a aplikacja wyśle je, gdy telefon złapie zasięg.
Czy mikrofon rozpozna chorobę zamiast weterynarza?add
Nie. Mikrofon daje sygnał zmiany. Kokcydioza, mykoplazmoza czy rzekomy pomór wymagają rozpoznania przez lekarza weterynarii i laboratorium.
Czy wentylatory nie zagłuszą ptaków?add
To najczęstsza pułapka. Badania pokazały, że modele potrafią uczyć się szumu wentylacji zamiast głosów ptaków. Dlatego obok dźwięku zapisujemy stan wentylacji ze sterownika.
Jakie dane zbieramy?add
Dane ze sterownika, karty stada i alarmy, a przy mikrofonie także dźwięk z kurnika, z którego liczony jest wskaźnik trendu.
Skąd wiecie, że dźwięk mówi o zdrowiu stada?add
Zespół Guo (2026) rozpoznawał dźwięki chorób oddechowych kur w klatkach z trafnością 96,17%. Zespół Sostera (2026) pokazał na 176 brojlerach, że wiek i pora doby zmieniają głos stada bardziej niż przebyte zakażenie, a zespół Madabushi (2026), że modele mogą słuchać wentylatorów. Z tych wyników wynika nasze podejście: trend porównywany z tym samym stadem i zestawiony z wentylacją.
Źródła i materiały
- linkGuo X. i in. (2026). Chicken disease detection and localization using multi-noise separation and acoustic recognition. Poultry Science 105(7), 106949
- linkSoster P. i in. (2026). AI-based monitoring of broiler vocal repertoire dynamics reveals robust developmental and diurnal patterns but limited disease sensitivity. Poultry Science 105(7), 106837
- linkLaleye F.A.A., Mousse M.A. (2024). Attention-Based Recurrent Neural Network For Automatic Behavior Laying Hen Recognition. arXiv:2401.09880
- linkManikandan V., Neethirajan S. (2024). Decoding Poultry Vocalizations: Natural Language Processing and Transformer Models for Semantic and Emotional Analysis. arXiv:2412.16182
- linkMadabushi S., Dogan A., Liu J. i in. (2026). AGRI-Fidelity: Evaluating the Reliability of Listenable Explanations for Poultry Disease Detection. arXiv:2603.18247
- linkYaghoubi E., Haselbeck F. (2026). Uncertainty-Aware Crossmodal Fusion for Classification of Animal Behavior. arXiv:2608.02104
Usłysz zmianę w stadzie wcześniej
Pokażemy, jak dane kurnika i padnięcia łączą się w aplikacji, i jak wdrażamy mikrofon jako wskaźnik trendu. Napisz do nas.
Telefon
+48 796 258 151