全球生產逾250億隻活雞，農場多以數以千計地大群飼養。若要判斷雞隻狀況，飼養員就要評估雞隻的求救啼叫。但現時依賴的人工評估方式，既費時費力，又容易受主觀判斷影響。有見及此，香港城市大學領導的研究團隊研發出深度學習模型，能夠從自然雞聲中辨認及量化雞隻的求救啼聲，準確度高達97%，團隊相信是次突破有助改善居於擁擠的商業農場雞隻的生活條件及福祉。

研究團隊由城大賽馬會動物醫學及生命科學院傳染病及公共衞生學系副教授Alan McElligott博士及助理教授劉凱博士領導，在廣西一個餵養雞隻的農場裡，收集和分析麻雞和三黃雞的啼叫錄音，並基於生物聲學技術和深度學習，研發出一項自動、客觀而性價比高的方法來評估和量化求救啼聲。算法能夠分析頻率範圍為0 Hz至11,025 Hz的音頻訊號，因此準確率能高達97%，可從雞舍的自然雞聲中分辨出求救啼叫聲，亦可以準確地檢測求救雞隻的壓力來源，分辨出是內在身體狀況，還是環境擁擠、糧水不足，或是受其他雞隻攻擊等外在因素。

McElligott博士表示，「我們的最終目標不只是統計雞隻求救啼叫，而是為牠們創造符合動物福祉的養殖環境?！?，惟他承認很難說服以固定價格為超市生產雞隻的農民使用科技來改善動物的福祉。劉博士認為，新技術可實時及遠距離監察雞隻，並且在有需要時及早對養殖情況作出干預，亦可減少分析師的工作量，有助他們進行大型數據分析。