其他
来源丨清元宇宙(ID:qingboMetaverse)作者丨杨文近日,#AI首次破译猪情绪#话题登上微博热搜,引起网友广泛关注。哥本哈根大学的埃洛迪·布里弗(ElodieBriefer)博士及其团队利用在猪的一生中收集的声音,首次将猪的叫声翻译成实际的情绪。通过使用7000多份猪的音频记录(411头猪的7414份声音数据),研究人员设计了一种AI学习算法,可以解码每头猪是否正在经历积极情绪、消极情绪,或介于两者之间的情绪,其准确率可达92%。研究人员认为,AI将猪的哼唧声、鼻音、咕噜声和尖叫声翻译成不同情绪,可以用于自动分析动物的健康状况,并为农场和其他地方更好地对待牲畜铺平道路。也许,当这项研究未来落地到实际场景中,AI养猪有望更进一步。当AI成为养猪场“社畜”关于“AI养猪”的研究和实际应用,已经不算是新鲜事。从“智慧畜牧元年”2018年到现在,日益成熟的AI技术,已经渗透于养猪业的方方面面。猪的智慧识别通过智能图像识别技术,可以采集猪的体貌、面部行为等表型特征,以便对猪进行精准定位和饲喂。计算机脸部识别算法的识别准确率,一般可以达到89.1%,但这种算法其实比较容易受到背景的光线强度、猪的清洁程度等方面的影响。为了减少这种情况,可以借助伪球算子边缘模型算法,以实现猪的前景帧检测,降低其失真效果,提高识别准确率。猪的异常状态声音识别猪的声音能够体现出其生长状态,反应猪的年龄、性别和患病情况。通过猪的声音实时采集系统以及神经网络算法,可以对猪异常状态声音进行远程实时采集并准确识别。采用这项AI技术,猪尖叫声识别精确率可以达到100%,猪哼叫声和猪咳嗽声识别精确率也可以达到92.4%和88.6%。猪脸表情识别家畜面部表情是家畜生理、心理和行为的综合反映,可以用于评估家畜福利,进而提高家畜健康水平和生产力。在各类表情识别技术中,深度学习算法要明显优于传统机器视觉方法。基于多注意力机制级联LSTM框架模型,对猪的时序面部表情进行分类识别,可以用于视频影像中猪的愤怒、恐惧、欢快与平和等面部表情的分类识别。这四类表情的平均识别准确率,可以达到91.8%。猪的智能体尺参数和体重预估猪的体尺、体重、体型等参数,是猪的生长、种猪选育培育评价的关键性指标。采用物体识别算法和矢量量化联想记忆,利用RGB摄像技术,收集每只猪行动轨迹,再通过卷积神经网络模型建模,能够准确测算出每只猪的体尺和体重。猪的行为分析通过计算机视觉识别技术,可以分析猪的采食饮水、猪群活动、母猪分娩等行为情况,以及猪舍温湿度等环境情况。精准的分析结果,可以为之后的精准饲喂、精准管理、可视化管理等提供行为依据,从而提高猪只的福利饲养水平。猪饲料配方优化智能算法的猪饲料配方优化,能够解决多种原料配比、多个营养指标等复杂因素,实现快速计算和生产处理。结合计算机技术、人工智能技术与智能制造技术,建立猪饲料配方模型,采用智能算法求解饲料配方,对生猪饲料配方进行建模,从而优化出饲料配方。这种方法的优化效率更高、优化效果更好、经济成本更低,可以进一步提升生产效益。AI更进一步智慧畜牧更进一步其实不止在养猪业,AI技术已经广泛应用于整个畜牧业。AI可以自动控制蛋鸡棚舍的保温板、加热器、饮水器等设备,以保持饲养环境的适宜,提高蛋鸡生产性能。还可以迅速识别病死鸡和弱残鸡,有效避免因肉鸡病死引发瘟疫而造成的重大损失。基于AI的多种信息识别技术,正逐渐成为牛、羊、骆驼身份标识的主流手段。个体健康档案的建立、生命体征状态的跟踪与预警,变得更加准确和科学。牛羊远程智能AI诊断平台,可以实现对牧场的远程影像诊断,以及疫病信息的实时观察、分析、获取等功能,延缓动物重大疫病的蔓延。AI技术是畜牧产业革命的重要新生力量,在实现畜牧业数字化、信息化、智慧化进程中发挥着不可或缺的作用。AI的算法、算力在日渐完善,关键技术的壁垒也会被逐个攻克。而如今最需要解决的难点,是海量数据集训练和数据的真实性、实时性和可靠性,这也将是科研人员和相关企业努力的方向。AI技术的更进一步,同样会带动智慧畜牧的更进一步。相信在不远的未来,在快速迭代的AI技术推动之下,畜牧业也将驶入发展的快车道,向着普惠农牧民的愿景和乡村振兴的目标更进一步。参考资料:[1]耿艳利,宋朋首,林彦伯等.采用改进CNN对生猪异常状态声音识别[J].农业工程学报,2021,第37卷(20):187-193.[2]温长吉,张笑然,吴建双等.基于多注意力机制级联LSTM模型的猪脸表情识别[J].农业工程学报,2021,第37卷(12):181-190.[3]王久儒,王铁萍.基于智能算法的猪饲料配方优化数学模型[J].中国饲料,2021,(8):145-148.[4]代东亮,刘志红,赵存等.人工智能技术在畜牧业中的应用进展[J].畜牧与饲料科学,2021,第42卷(5):112-119.还没看够?「星标」毒舌科技,每晚22:00陪你聊点儿不一样的!毒舌科技