斥资建造全景分割养猪场AI 养猪到底靠不靠谱前几日分享出一个AI案例, 此案例是用5行代码来实现图像分割, 最近又读到一篇论文, 这篇论文是由德国基尔大学和哥廷根大学所研究的, 其内容是应用于养猪场的全景分割系统, 那就让我们一道来品味品味。1、背景能够长时间观察动物行为这件事情, 实现起来难以通过人工直接去做完, 所以一般正常状况下常常会采用的办法是运用基于传感器的自动化系统。在近些年期间, 依据深度学习算法弄出来的应用案例, 获取到比较理想让人满意的效果, 尤其是物体以及关键点探测器已然被投入使用去检测单个动物。即便效果表现得很不错, 然而边界框和稀疏关键点没办法跟踪动物的轮廓, 引起大量信息出现丢失情况。所以, 德国基尔大学和哥廷根大学的有关专家研究制作出一套应用于养猪场的全景分割系统, 利用相对比较新颖的全景分割技术, 目的在于精准分割每头猪猪。论文之中提出了一种神经网络框架, 此框架用于语义分割, 给出了不同的网络头, 以及各种后处理方法。依赖得到的实例分割掩码情况, 能够估计动物的大小, 还能估计不同动物的重量等更多信息。该方法针对一个特别专门创建的数据集, 测试了1000张手工完成标记的图像, 虽然存在像闭塞和脏镜头等干扰状况, 但是其准确率依旧达到了95%左右。2、方法论文所提方法有着这样的目的, 那就是, 借助安装在猪圈上方的摄像头来采集图片, 随后针对图片里的所有猪开展全景分割, 全景分割乃是语义分割与实例分割的结合, 在这之中, 语义分割用以将背景和猪区分开, 实例分割则是用来使不同个体的猪不被混淆, 实际情况就如同我们所看到的下图的样子, 是这样的。是论文所提的全景分割方法, 对经典语义分割做了扩展, 分割任务划分成这样四步骤实验, 在于逐渐提高其复杂度:二值分割语义分割将二值分割予以结合, 把像素嵌入进去, 达成精确的像素级别的实例分割pixel。像素嵌入与身体部位分割相结合的猪头朝向识别上述全部实验都运用了一样的网络结构, 只是针对最后一层网络实施了相应调整, 目的是获取所需 的输出, 所以, 论文所提出的框架能够适用上述不同的实验, 一整个分割框架如下所示:3、实验所开展的这项研究里头采用的数据源自一家具备传统性质的仔猪养殖场, 在此处总共安装了5个摄像头, 每一个摄像头所覆盖的是两个面积大小为5.69平方米的畜栏, 而每一个畜栏当中最多容纳13头猪, 这些猪是在它们27天大的时候进入畜栏, 要在这个养殖场里待上40天, 此数据集覆盖的是养殖场四个月的相关数据, 之后自悉数可获取的视频里边随机挑选出1000个分辨率达特定状况像素的帧, 并且予以人工标注。于二值分割里, 此网络对特定像素的类别归属为猪或者是背景的时候概率进行预测, 所预测的准确率像下面这张表格显示的是这样的:对于类别分割任务而言把猪的类别内核设定成椭圆大小的 50%当中的内容可见图 8c下面的表格呈现了相关实验结果。关于怎样去识别猪头所朝向的方向, 这项研究运用了跟以往同样一样的组合而成的网络, 不一样的地方在于, 把之前所采用的二值分割这种方式, 替换成了利用身体部位进行分割的方式。实验最终得出的结果呈现在如下的表格当中:不同实验最终效果如下所示4、探讨养猪领域的AI概念并非刚兴起, 早在过两三年前, 便被炒作至火热, 像阿里, 京东等一些巨头也都踊跃进入到此领域。然而, 在这股热潮的背后, 行业内外人士都纷纷提出质疑, 具体为AI养猪究竟靠不靠谱呢?大家所质疑的要点主要呈现为, 其一, 于养猪这个行业之中加入人工智能究竟有木有解决养猪所存在的痛点呢?以当下的进展情形而言, 阿里、京东以及前文所介绍的论文创作者, 均将关注点集中于运用已然成熟的计算机视觉等相关技术, 去改进传统养猪行业之中的某一个流程。然而有一部分人提出, 他们所处理的问题或许并非是具备根本性的问题, 和那个行业成本紧密相连的饲料成本、生物成本、固定资产成本等一系列问题, 实际上与AI之间的关联并不是很大。于是, AI仅仅只是起到了一种如同锦上绽开艳丽花朵却可有可无可以不产生实质性作用一般的一个作用。其次, 有位居养猪场设备行业的从业者表明, 当下, 相当多的猪场都尚未达成信息化的进程, 并且也不存在大数据方面的积累, 故而要是想要一下子迈入人工智能这一境地可能会存在一定难度。那么, 要达成真正意义上的人工智能介入养猪作业, 首先就得着手处理猪场的信息化构建事宜, 将猪场里的猪、相关物品以及人员等一并纳入到信息化的管控范畴之内 , 如此养猪数据才能够逐渐地积攒起来。当然, AI养猪存在着它自己的优势, 像是减少人力的运用以及人与猪的接触, 前者在AI技术成本降低后, 对减少养猪的总人力成本有帮助, 而后者对改善养猪从业者的工作环境以及降低疾病传染风险有作用。而且AI 养猪或许还可以为程序员提供一个新的就业方向论文下载文章来源机器之心 | 参与、张倩、Jamin©著作权归作者所有,转载或内容合作请联系作者【社区内容提示】, 社区当中, 部分内容, 疑似是, 由AI辅助来生成的, 在浏览的时候, 需要结合常识, 以及多方信息, 审慎地去甄别。