等等，那头猪还不想被吃！这个系统能读懂猪的6种情绪，读图3780张，成功率85%
大数据文摘出品
作者：Caleb
要说这养猪啊，最近可是发展得红红火火。
2019年，文摘菌就发现了一个奇奇怪怪的招聘，根据主营生猪养殖的牧原食品股份有限公司发布的校招计划，公司针对复旦学子发起“精英管培生”引进计划，给出的薪资标准为：本科生首年月薪20000+，硕士22000+，博士24000+。
这养猪还需要高科技人才了？
还真是这样。
2018年，阿里就宣布，要开启“智能养猪”计划。每一头猪从出生起就要被打上数字ID标签，并围绕此建立起品种、体重、进食情况、运动频次、轨迹、免疫情况等资料在内的数据档案。
农场内的摄像头还会自动扫描这些数字ID，用来观察记录分析小猪的活动情况。通过计算机视觉技术，还能分析出一只猪一天能走多少步——那些运动不够的猪需要被赶出去继续操练。
阿里并非独一家把目光放到了养猪上的大厂。
今年2月，华为也宣布，将通过ICT技术帮助猪场实现智能化养猪，为猪场提供传感器、物联网技术及平台，以实现数字猪场。
但是，俗话说得好，你穿秋裤有两个原因，一个是因为你觉得冷，一个是因为你妈觉得你冷。
要把猪养好，不真正了解它们的心理想法可是不行的。
于是，荷兰瓦赫宁根大学的一位博士Suresh Neethirajan就做了这么一件事。首先，他收集到了全世界6个农场中成千上万头猪的养殖数据，随后他凭此创建了一个AI系统WUR Wolf，用于识别猪的情绪状态。
据了解，在85%的时间内，系统的判断都是准确的。
他希望能够利用这个系统，更好地了解动物的感受，帮助改善他们的生活条件和生活质量。
当然，除了猪以外，这个系统对牛也是适用的。
目前，该项研究已经以论文的形式进行了发表，链接如下：
论文链接：
从耳朵识情绪，你养的猪感受到压力了吗？
从耳朵识情绪，你养的猪感受到压力了吗？
论文指出，该系统使用的3780张图像，来自于235头猪和210头牛。
拿到视频或图像后，我们还需要对这些数据进行一些预处理，包括检测面部、面部对齐，以及输入标准化。
收集到的数据根据时间戳和RFID标签和标记进行了标注，面部提取利用到了MIT的LabelImg代码，用于标注不同模型边界框的注释是按照每个模型的标准格式进行的。
然后，我们就需要把农场动物的情绪进行分类，比如猪有6种情绪，牛有3种情绪等，再根据牛、猪的耳朵姿势、眼白等面部特征的相关性，将采集到的分组图像数据集分为9类，包括放松、警惕、兴奋等。
具体而言，如果牛的耳朵直立着，那代表着它目前可能正感到兴奋，但是如果它的耳朵指向前方，那它很有可能正被沮丧等负面情绪困扰着。
与牛类似，要了解猪的情绪状态，也可以直接从耳朵入手。比如，如果猪的耳朵在快速抽动，那表示它们可能正感到压力，如果猪的耳朵垂悬着并朝眼睛的方向翻转，则表明它正处于一种中性状态（neutral state）。
在接受采访时，Neethirajan博士说到：“有必要从单纯消除消极的情绪状态的做法，转变为向动物提供积极的状态，例如嬉戏的行为。”
他认为，这项技术需要数年时间才能真正在农场上实用，不过这种持续的监测所带来的福利，可能比目前的检查和审计系统所能带来的还要高。
论文中写道：“追踪和分析动物的情绪将成为建立动物福利审核工具的一项突破。”
“动物行为领域的技术进步是提高人类对与之共享这个世界的385种动物的理解的巨大一步，但未来仍有较大的发展空间。”
从面部表情理解情绪状况，能做到吗？
从面部表情理解情绪状况，能做到吗？
但要准确理解动物的情绪，真的这么简单吗？
去年12月，根据一篇发表于Nature的论文表示，世界不同角落的人们在面对生活中最有意义的情境时，表达情感的方式存在相当高的普遍性。
加州大学伯克利分校和谷歌的研究人员使用了一种 “深度神经网络” 的机器学习技术，分析了上传到YouTube上的约600万个视频片段中的面部表情，这些视频来自全球各地144个国家。
同时，研究人员还创建了一个在线互动地图，展示了该算法如何跟踪与16种情绪相关的面部表情变化。