等等,那头猪还不想被吃!这个系统能读懂猪的6种情绪,读图3780张,成功率85%

简介: 等等,那头猪还不想被吃!这个系统能读懂猪的6种情绪,读图3780张,成功率85%

要说这养猪啊,最近可是发展得红红火火。

2019年,文摘菌就发现了一个奇奇怪怪的招聘,根据主营生猪养殖的牧原食品股份有限公司发布的校招计划,公司针对复旦学子发起“精英管培生”引进计划,给出的薪资标准为:本科生首年月薪20000+,硕士22000+,博士24000+。

这养猪还需要高科技人才了?

还真是这样。

2018年,阿里就宣布,要开启“智能养猪”计划。每一头猪从出生起就要被打上数字ID标签,并围绕此建立起品种、体重、进食情况、运动频次、轨迹、免疫情况等资料在内的数据档案。

农场内的摄像头还会自动扫描这些数字ID,用来观察记录分析小猪的活动情况。通过计算机视觉技术,还能分析出一只猪一天能走多少步——那些运动不够的猪需要被赶出去继续操练。

阿里并非独一家把目光放到了养猪上的大厂。

今年2月,华为也宣布,将通过ICT技术帮助猪场实现智能化养猪,为猪场提供传感器、物联网技术及平台,以实现数字猪场。

但是,俗话说得好,你穿秋裤有两个原因,一个是因为你觉得冷,一个是因为你妈觉得你冷。

要把猪养好,不真正了解它们的心理想法可是不行的。

于是,荷兰瓦赫宁根大学的一位博士Suresh Neethirajan就做了这么一件事。首先,他收集到了全世界6个农场中成千上万头猪的养殖数据,随后他凭此创建了一个AI系统WUR Wolf,用于识别猪的情绪状态。

据了解,在85%的时间内,系统的判断都是准确的。

他希望能够利用这个系统,更好地了解动物的感受,帮助改善他们的生活条件和生活质量。

当然,除了猪以外,这个系统对牛也是适用的。

目前,该项研究已经以论文的形式进行了发表,链接如下:

论文链接:
https://www.biorxiv.org/content/10.1101/2021.04.09.439122v1.full.pdf

从耳朵识情绪,你养的猪感受到压力了吗?

论文指出,该系统使用的3780张图像,来自于235头猪和210头牛。

拿到视频或图像后,我们还需要对这些数据进行一些预处理,包括检测面部、面部对齐,以及输入标准化。

收集到的数据根据时间戳和RFID标签和标记进行了标注,面部提取利用到了MIT的LabelImg代码,用于标注不同模型边界框的注释是按照每个模型的标准格式进行的。

然后,我们就需要把农场动物的情绪进行分类,比如猪有6种情绪,牛有3种情绪等,再根据牛、猪的耳朵姿势、眼白等面部特征的相关性,将采集到的分组图像数据集分为9类,包括放松、警惕、兴奋等。

具体而言,如果牛的耳朵直立着,那代表着它目前可能正感到兴奋,但是如果它的耳朵指向前方,那它很有可能正被沮丧等负面情绪困扰着。

与牛类似,要了解猪的情绪状态,也可以直接从耳朵入手。比如,如果猪的耳朵在快速抽动,那表示它们可能正感到压力,如果猪的耳朵垂悬着并朝眼睛的方向翻转,则表明它正处于一种中性状态(neutral state)。

在接受采访时,Neethirajan博士说到:“有必要从单纯消除消极的情绪状态的做法,转变为向动物提供积极的状态,例如嬉戏的行为。”

他认为,这项技术需要数年时间才能真正在农场上实用,不过这种持续的监测所带来的福利,可能比目前的检查和审计系统所能带来的还要高。

论文中写道:“追踪和分析动物的情绪将成为建立动物福利审核工具的一项突破。”

“动物行为领域的技术进步是提高人类对与之共享这个世界的385种动物的理解的巨大一步,但未来仍有较大的发展空间。”

从面部表情理解情绪状况,能做到吗?

但要准确理解动物的情绪,真的这么简单吗?

去年12月,根据一篇发表于Nature的论文表示,世界不同角落的人们在面对生活中最有意义的情境时,表达情感的方式存在相当高的普遍性。

加州大学伯克利分校和谷歌的研究人员使用了一种 “深度神经网络” 的机器学习技术,分析了上传到YouTube上的约600万个视频片段中的面部表情,这些视频来自全球各地144个国家。

同时,研究人员还创建了一个在线互动地图,展示了该算法如何跟踪与16种情绪相关的面部表情变化。

在把面部表情与不同世界地区的背景和场景联系起来后,研究人员发现,跨越地理和文化边界的人们,在不同社会背景下使用面部表情的方式具有显著的相似性。

无论身处世界各地,这16种面部表情都会出现在类似的情境中。

研究结果表明, 我们用来表达情绪反应的70%的表情是跨文化共享的。

但是,人类毕竟是一种复杂的生物。

如今,我们日常使用的表情包已经不能代表我们内心真正所想,那表情呢?

心理学家Jessica Tracy和Disa Sauter认为,要理解面部表情,我们需要建立一个信息丰富的情感分类系统,不能把幸福(happiness)视为单一的情感。

研究人员应该对情感类别进行分解,幸福(happiness)项下涵盖了joy(愉悦)、pleasure(满足)、compassion(同情)、自豪(pride)等,每种情感的表情可能不同,可能重合。

俄亥俄州立大学哥伦布分校研究面部表情的教授Aleix Martinez表示,自动情绪检测只能揭示一类人一般的情绪反应。

例如,面向营销机构销售软件Affectiva声称,系统接受了来自87个国家700多万张面孔的训练,准确率达到了90%以上。公司还标榜到,该软件有助于预测某类客户对一个产品或营销活动的反应。

面部表达情绪存在差异,但当一个人某种情绪发作时,出现某些面部形态无疑会更加频繁。然而,出于对训练算法的数据的顾虑,以及学界尚存争论的事实,对于这类软件的功能性,或许我们最好保持着批判与质疑的态度。

相关文章
|
弹性计算 数据可视化 关系型数据库
阿里云服务器部署Java Web项目和连接MySQL数据库全流程
阿里云服务器部署Java Web项目和连接MySQL数据库全流程
6675 0
阿里云服务器部署Java Web项目和连接MySQL数据库全流程
|
IDE API 开发工具
拦截|篡改|伪造.NET类库中不限于public的类和方法
本文除了回顾拦截.NET类库中的方法,实现方法参数的篡改、方法返回结果的伪造,再着重介绍.NET类库中非public类及方法如何拦截。
拦截|篡改|伪造.NET类库中不限于public的类和方法
|
Cloud Native Go C语言
C 语言的 互斥锁、自旋锁、原子操作
C 语言的 互斥锁、自旋锁、原子操作
227 0
|
10月前
|
存储 人工智能 数据库
面向金融场景的大模型 RAG 检索增强解决方案
本方案为您介绍,如何使用人工智能平台 PAI 构建面向金融场景的大模型 RAG 检索增强解决方案。
|
Web App开发 前端开发 测试技术
Selenium 4新特性解析:关联定位器及其他创新功能
【10月更文挑战第6天】Selenium 是一个强大的自动化测试工具,广泛用于Web应用程序的测试。随着Selenium 4的发布,它引入了许多新特性和改进,使得编写和维护自动化脚本变得更加容易。本文将深入探讨Selenium 4的一些关键新特性,特别是关联定位器(Relative Locators),以及其他一些重要的创新功能。
756 2
|
存储 Java 开发工具
将Docker镜像文件上传到DockerHub
DockerHub 是一个由 Docker 公司运行和管理的基于云的存储库。它是一个在线存储库,Docker 镜像可以由其他用户发布和使用。有两种库:公共存储库和私有存储库。如果你是一家公司,你可以在你自己的组织内拥有一个私有存储库,而公共镜像可以被任何人使用,Dockerhub就相当于git的GitHub。
457 0
|
Kubernetes 安全 Cloud Native
云上攻防-云原生篇&K8s安全-Kubelet未授权访问、API Server未授权访问
本文介绍了云原生环境下Kubernetes集群的安全问题及攻击方法。首先概述了云环境下的新型攻击路径,如通过虚拟机攻击云管理平台、容器逃逸控制宿主机等。接着详细解释了Kubernetes集群架构,并列举了常见组件的默认端口及其安全隐患。文章通过具体案例演示了API Server 8080和6443端口未授权访问的攻击过程,以及Kubelet 10250端口未授权访问的利用方法,展示了如何通过这些漏洞实现权限提升和横向渗透。
1017 0
云上攻防-云原生篇&K8s安全-Kubelet未授权访问、API Server未授权访问
|
供应链 搜索推荐 物联网
云上智能供应链:重塑物流与供应链管理的未来图景
云上智能供应链作为供应链管理领域的创新实践,正以其独特的优势和潜力引领着供应链管理的未来发展。通过数字化、智能化和集成化的手段,云上智能供应链不仅提升了供应链的整体效能和竞争力,还为企业带来了更多的商业价值和市场机遇。我们有理由相信,在未来的日子里,云上智能供应链将成为推动企业转型升级和实现可持续发展的重要力量。
1863 0
|
SQL 分布式计算 DataWorks
构建高效数据统计服务:阿里云产品实践指南
在今天的数字化时代,数据统计服务对于业务决策和优化至关重要。本文将介绍如何基于阿里云相关产品,搭建一个高效、可扩展的数据统计服务。我们将使用MaxCompute、DataWorks、Quick BI等阿里云产品,通过代码示例和详细说明,带你一步步完成整个流程。
441 0