將全景分割用到養豬場，AI養豬到底靠不靠譜？

機器之心發表於2020-05-25
AI
全景分割將例項分割與語義分割統一起來，自提出之後一直被用於分割街景等影像。但最近，有人把這項技術用到了養豬場。

將全景分割用到養豬場，AI養豬到底靠不靠譜？

許多研究表明，我們可以透過豬的日常行為來推斷其健康狀態，所以如何有效觀察「豬」的行為顯得極其重要，這可以保證我們在「必要時」採取迅速的干預行動，以保證豬的健康狀態。

長時間觀察動物的行為很難人工完成，因此通常情況下采取的方案是使用基於感測器的自動化系統。

自動識別系統的使用可以大大簡化對豬的行為的研究，尤其是基於計算機視覺的系統。其優勢在於，它們可以對目標進行有效的狀態評估，同時也不會影響動物的正常行為。近年來，這一方向的研究已經引入了深度學習的方法，並表現出不錯的效果。傳統意義上的「目標」和「關鍵點」檢測器已被用於檢測單個動物。雖然效果良好，但是邊界框以及稀疏關鍵點無法追蹤動物的輪廓，從而會導致丟失許多有效資訊。

因此，來自德國基爾大學和哥廷根大學的研究者開發了一套用在養豬場的全景分割系統。他們按照相對較新的定義進行豬的全景分割，目的在於對單個豬進行畫素級的精確分割。為實現以上目的，他們提出了一種用於語義分割的神經網路框架，以及不同的網路主幹（network heads）與後處理方法（postprocessing methods）。利用生成的例項分割蒙版，之後可以用來預測動物的大小或體重等資訊。

該方法在帶有 1000 個手工標記影像的資料集上進行了測試，儘管也存在遮擋物和鏡頭汙染（dirty lenses）之類的干擾，但仍可達到約 95％的檢測精度（F1 分數）。

論文連結：https://arxiv.org/pdf/2005.10499.pdf

方法

論文所提方法的目的是：使用安裝在豬圈上方的攝像頭採集圖片，之後對圖片中所有的豬進行全景分割。全景分割是語義分割與例項分割的結合，其中語義分割將背景與豬區分開來，例項分割用於區分不同個體的豬，如下圖所示。

將全景分割用到養豬場，AI養豬到底靠不靠譜？

圖 2：論文中不同分割實驗的視覺化效果圖。

論文所提出的全景分割方法是對經典語義分割的擴充套件。分割任務被分為如下四個獨立的實驗，來逐漸增加其複雜度：

  1. 二值分割

  2. 語義分割

  3. 結合二值分割與畫素嵌入的精確畫素級例項分割（pixel precise instance segmentation）

  4. 畫素嵌入與身體部位分割相結合的豬頭朝向識別

以上所有實驗均使用了相同的網路結構。僅對最後一層網路進行相應調整，以得到需要的輸出。因此，論文所提框架能夠適用於以上不同實驗。整個分割框架如下圖所示。

將全景分割用到養豬場，AI養豬到底靠不靠譜？

圖 3：論文所提分割框架示意圖。

實驗

這項研究所使用的資料來自一家傳統的仔豬養殖場。這裡共安裝了 5 個攝像頭，每個攝像頭覆蓋兩個 5.69 平方米的畜欄，每個畜欄最多有 13 頭豬。這些豬 27 天大時入欄，在養殖場裡待 40 天。該資料集涵蓋養殖場四個月的資料。然後從所有可用影片中隨機選取 1000 個解析度為 1280x800 畫素的幀，並進行人工標註。

在二值分割中，該網路預測特定畫素的類別屬於豬或背景的機率，預測準確率如下表 2 所示：

將全景分割用到養豬場，AI養豬到底靠不靠譜？

表 2：二值分割實驗的準確率結果。

在類別分割任務中，將豬的類別核心設定為橢圓大小的 50%（見圖 8c）。下表 3 展示了實驗結果：

將全景分割用到養豬場，AI養豬到底靠不靠譜？

表 3：類別分割和組合分割中對提取橢圓的檢測結果。

對於豬頭朝向的識別，該研究使用了與以前相同的組合網路，區別在於用身體部位分割替換了之前的二值分割。實驗結果見下表 4：

將全景分割用到養豬場，AI養豬到底靠不靠譜？

表 4：豬頭朝向的識別結果。該網路可以正確識別 94％的豬頭朝向（真陽性）。

將全景分割用到養豬場，AI養豬到底靠不靠譜？

圖 8：不同實驗對示例影像的處理結果。

AI 養豬，到底靠不靠譜？

眾所周知，AI 養豬並不是一個剛剛興起的概念，早在兩三年前就已經被炒得很火，阿里、京東等巨頭也紛紛入場。但在這場熱潮背後，業內外人士紛紛質疑：AI 養豬，到底靠不靠譜？

大家質疑的點主要在於，首先，在養豬行業加入 AI 到底有沒有解決養豬的痛點？從目前的進展來看，阿里、京東以及上文介紹的論文作者都聚焦於用成熟的計算機視覺等技術來改善傳統養豬行業的某個流程。但有人指出，他們所解決的可能並不是根本問題，而與該行業成本息息相關的飼料成本、生物成本、固定資產成本等問題其實跟 AI 關係不大。因此，AI 只是起到了一個錦上添花「可有可無」的作用。

將全景分割用到養豬場，AI養豬到底靠不靠譜？

選自知乎使用者 @Long 的回答。

將全景分割用到養豬場，AI養豬到底靠不靠譜？

選自知乎使用者 @ 付光棟（華中農業大學農業推廣碩士）的回答。

其次，有位養豬裝置從業者指出，目前，很多豬場都還沒有完成資訊化的過程，也沒有大資料的積累，因此要想一步跨入人工智慧可能有點困難。因此，要實現真正的人工智慧養豬，首先需要解決豬場的資訊化建設問題，把豬場的豬、物、人都納入到資訊化管理中，養豬資料才會逐步積累起來。

當然，AI 養豬也有其自身的優勢，如減少人力的使用以及人與豬的接觸。前者在 AI 技術成本降低之後有助於減少養豬的總人力成本，而後者有助於改善養豬從業者的工作環境並降低疾病傳染風險。

而且，AI 養豬或許還可以為程式設計師提供一個新的就業方向：

將全景分割用到養豬場，AI養豬到底靠不靠譜？

選自知乎使用者 @ 王忻（動物遺傳育種與繁殖博士）的回答。

參考連結：https://www.zhihu.com/question/266824590

相關文章