Использование ИИ для оценки эмоционального состояния коров и свиней

Учёный из Вагенингенского университета (Нидерланды) создал приложение на основе искусственного интеллекта, которое может оценивать эмоциональное состояние сельскохозяйственных животных по фотографиям, сделанным на смартфон. В своей работе, размещённой на сервере препринтов bioRxiv, Суреш Нитираджан описывает своё приложение и результаты его тестирования.

Предыдущие исследования и наблюдения показывают, что сельскохозяйственные животные более продуктивны, когда не живут в стрессовых условиях. Это привело к изменениям в практике животноводства, например, к закрытию глаз коров от шипа, используемого для оглушения перед забоем, чтобы предотвратить попадание гормонов стресса в мясо. Более свежие исследования предполагают, что недостаточно просто ограждать животных от стресса — адаптация их среды для создания спокойной или даже игривой обстановки также даёт желаемые результаты. Например, счастливые коровы или козы, вероятно, дают больше молока, чем скучающие. Однако, как отмечает Нитираджан, оценка эмоционального состояния животного может быть субъективной и приводить к неверным выводам. Для решения этой проблемы он адаптировал программное обеспечение для распознавания лиц человека для обнаружения эмоций у коров и свиней.

Система называется WUR Wolf и основана на нескольких технологиях: системе обнаружения объектов YOLO, YOLOv4, работающей со свёрточной нейронной сетью, и Faster R-CNN, которая также позволяет обнаруживать объекты, но с использованием других наборов признаков. Для обучения использовался графический процессор Nvidia GeForece GTX 1080 Ti, работающий на компьютере с CUDA 9.0. Данные состояли из тысяч изображений коров и свиней, сделанных на смартфон на шести фермах в нескольких странах, с сопутствующими метками классификации, указывающими, какие физические черты могут быть связаны с тем или иным настроением — например, поднятые уши у коровы обычно указывают на возбуждённое состояние животного.

Тестирование показало, что точность системы составляет примерно 85%. Нитираджан предполагает, что необходимы дополнительные доработки, но отмечает, что по завершении система может стать полезным инструментом для повышения качества продукции за счёт постоянного мониторинга состояния скота.