Исследователи разработали систему искусственного интеллекта, которая использует пять различных выражений лица, чтобы определить, испытывает ли овца боль, и оценить ее серьезность. Результаты могут быть использованы для улучшения благосостояния овец и могут быть применены к другим видам животных, таким как грызуны, используемые в исследованиях на животных, кролики или лошади.
Основываясь на более ранней работе, которая учит компьютеры распознавать эмоции и выражения на человеческих лицах, система способна обнаруживать отдельные части лица овцы и сравнивать их со стандартизированным инструментом измерения, разработанным ветеринарами для диагностики боли. Их результаты будут представлены сегодня (1 июня) на 12-й Международной конференции IEEE по автоматическому распознаванию лиц и жестов в Вашингтоне, округ Колумбия.
Сильная боль у овец связана с такими состояниями, как гниение копыт, чрезвычайно болезненное и заразное состояние, которое вызывает гниение копыт; или мастит, воспаление вымени у овец, вызванное травмой или бактериальной инфекцией. Оба эти состояния распространены в больших стадах, и раннее обнаружение приведет к более быстрому лечению и облегчению боли. Надежная и эффективная оценка боли также поможет в ранней диагностике.
Как и у большинства животных, выражения лица овец используются для оценки боли. В 2016 году доктор Криста МакЛеннан, бывший научный сотрудник с докторской степенью в Кембриджском университете, а в настоящее время преподает поведение животных в Честерском университете, разработала Шкалу выражения лица овечьей боли (SPFES). SPFES - это инструмент для измерения уровня боли на основе мимики овец, который, как было показано, распознает боль с высокой точностью. Однако обучение людей работе с этим инструментом может занять много времени, а индивидуальная предвзятость может привести к противоречивым результатам.
Чтобы сделать процесс обнаружения боли более точным, исследователи из Кембриджа, участвовавшие в текущем исследовании, использовали SPFES в качестве основы системы искусственного интеллекта, которая использует методы машинного обучения для оценки уровня боли у овец. Профессор Питер Робинсон, руководивший исследованием, обычно занимается обучением компьютеров распознавать эмоции на лицах людей, но встреча с доктором МакЛеннаном заинтересовала его в изучении возможности разработки аналогичной системы для животных.
«За последние годы было проведено гораздо больше исследований с участием людей», - сказал Робинсон из Кембриджской компьютерной лаборатории. «Но большая часть более ранней работы над лицами животных на самом деле была сделана Дарвином, который утверждал, что все люди и многие животные проявляют эмоции через удивительно похожее поведение, поэтому мы подумали, что, вероятно, будет пересечение между животными и нашей работой с человеческими лицами.."
Согласно SPFES, когда овца испытывает боль, с ее лицом происходит пять основных вещей: глаза сужаются, щеки напрягаются, уши наклоняются вперед, губы оттягиваются вниз и назад, а ноздри меняются с U-образной на V-образную. Затем SPFES ранжирует эти характеристики по шкале от одного до 10, чтобы измерить тяжесть боли.
Интересно то, что вы можете увидеть четкую аналогию между этими действиями на лицах овец и аналогичными движениями лица у людей, когда им больно - есть сходство с точки зрения мышц на их лицах и в наши лица», - сказала соавтор доктор Марва Махмуд, научный сотрудник группы Робинсона. «Тем не менее, трудно «нормализовать» лицо овцы в модели машинного обучения. Лицо овцы в профиль совершенно отличается от лица, если смотреть прямо, и вы не можете на самом деле сказать овце, как позировать».
Для обучения модели исследователи из Кембриджа использовали небольшой набор данных, состоящий примерно из 500 фотографий овец, которые были собраны ветеринарами в ходе лечения. Йитинг Лу, бакалавр технических наук Кембриджа и соавтор статьи, обучил модель, пометив разные части морды овец на каждой фотографии и ранжировав уровень их боли в соответствии с SPFES.
Ранние тесты модели показали, что она способна оценивать уровень боли с точностью около 80%, что означает, что система обучается. Хотя результаты со статическими фотографиями были успешными, чтобы сделать систему более надежной, им требуются гораздо большие наборы данных.
Следующие планы для системы состоят в том, чтобы научить ее обнаруживать и распознавать лица овец на движущихся изображениях, а также научить ее работать, когда овца находится в профиль или не смотрит прямо в камеру. Робинсон говорит, что если они смогут достаточно хорошо обучить систему, камеру можно будет расположить у поилки или другого места, где собираются овцы, и система сможет распознать любую овцу, испытывающую боль. Затем фермер сможет забрать пострадавшую овцу с поля и оказать ей необходимую медицинскую помощь.
"Я много гуляю по сельской местности, и после работы над этим проектом я теперь часто останавливаюсь, чтобы поговорить с овцами и убедиться, что они счастливы", - сказал Робинсон.