荷蘭一科研人員基于算法創建能夠識別動物情緒的智能系統

我們大家應該都知道，在數字技術和人工智能技術的驅動下，用于人類的面部識別系統迅速發展并被廣泛應用于各種實踐環境。比如，智能手機上的密碼系統、國際邊境檢查站的身份識別、遺傳病表型檢測和通過情感表達來衡量游客滿意度等等。但我們可能很少聽聞，也有能對動物情緒進行測量的面部識別平臺。

情緒被認為是一種存在于許多物種中的社會和生存機制。對于人類來說，情緒被理解為一種能夠影響身體反應的深刻且復雜的心理體驗。目前，雖然研究者們已經建立了一個致力于理解人類大腦復雜的內部運作的科學領域，但是尚未能很好地解決許多與人類情緒相關的問題。由于理解動物的情緒狀態比理解人類的情緒狀態要困難得多，專注于理解非靈長類動物和其他動物情感能力的科學研究就更少了。

每個物種都有自己獨特的生理組成，并會因此產生特殊的表現形式。所以，人類通過簡單的面部觀察來理解其他物種的情感是很困難的。近年來，隨著使用定制軟件改善研究、關注動物幸福、法律鑒定和醫療實踐等應用的出現，對動物行為領域的技術干預研究越來越多。近日，荷蘭瓦赫寧根大學的蘇雷什·內塞拉詹博士使用基于Python的算法，創建了一個能夠用于識別農場動物情緒的AI系統一—WUR wolf，并將其研究成果以論文的形式發表出來。

suresh Neethirajan博士在全世界范圍內，從六個農場中搜集到了數萬頭豬的養殖數據。他和團隊的其他成員要先對這些數據進行一些包括面部檢測、面部對齊和輸入標準化等在內的預處理。比如，研究者們會對動物的外觀，比如耳朵姿勢和眼睛白色區域等那些與農場動物精神或情感狀態相關的面部特征進行檢測、跟蹤和優化。接著，他們將搜集到的數據以時間和標簽的方式進行了標注。然后，他們再把農場動物的情緒一一分類。

在測試中，他們得到了包括動物平靜與否在內的十三種面部活動和九種情緒狀態，并提出了一種基于YoloV3、Faster YoloV4的圖像實時識別系統和集成卷積神經網絡（RCNN）。這種情感感知系統能夠對農場動物的表情進行實時檢測，并方便畜牧業的農民們使用許多新的界面自動化決策工具，還能為增強動物幸福感和增加動物與人類之間的互動提供潛力。根據論文可知，這項系統的平均準確率能夠達到85%。

我們現在來具體解釋一下，如果牛的耳朵處于直立的狀態，這可能代表它目前正感到興奮激動;如果它的耳朵指向前方，那它很可能處于一種被沮喪、難過等的負面情緒困擾的情感環境中。那么，要了解豬的情緒狀態，也可以像牛一樣，直接從耳朵入手。這篇論文中寫著，當豬的耳朵快速抽動時，它們可能正處于壓力狀態下;當豬的耳朵垂懸著并朝著眼睛的方向翻轉時，它們則有更多的可能是被中性平穩的情緒狀態支配。

在農場動物的情緒問題上，sureshNeethirajan博士表示：“我們有必要開始轉變做法了。比如從單純消除消極沮喪情緒轉變到為動物提供積極向上的情緒狀態。”

動物看護人、馴養人和農場的工人在調查和監測動物的幸福狀態時，通常依靠實際觀察和測量的方法。為了避免在獲取功能和生理數據的過程中增加對動物的處理，且減少與手動評估相關的主觀性，自動化的動物行為和生理測量系統能夠加強動物在谷倉中遇險或疼痛的檢測，并對目前傳統的幸福評估工具和評估過程的不足進行較大程度上的補充。利用數字警報，對動物的幸福進行自動和連續監測的技術正在迅速成為現實。

對于精準畜牧業來說，數字技術和人工智能技術更有利于助推感知動物幸福的研究領域的前進與突破。為了在畜牧業管理當中獲得可持續和高質量的健康關注和幸福感知，科學家們需要對評估工具進行創新。采用如面部識別系統等的數字化工具來釋放農場動物心理和情緒狀態自動測量的全部潛力，將有助于模糊生物、物理和數字技術之間的界限。

Neethirajan博士認為：“可能還需要數年時間，這項技術才能真正地完全應用于農場。不過，采用這種持續的監測所帶來的好處，可能會比現在的檢查和審計系統所能帶來的好處要高得多。未來，心理和情感狀態的多維模型將以測量行為模式的形式出現，并會結合跟蹤農場動物的姿態變化和行為變化，進行大規模的神經記錄。”

論文中還寫道：“追蹤和分析動物的情緒將成為建立動物福利審核工具的一項突破。”