KI-Gesichtserkennung für Schweine? Wir enthüllen Ihnen die schwarze Technologie in der Schweinehaltung!

Autor: New Media Center des Instituts für Physik, Chinesische Akademie der Wissenschaften

Gutachter: Luo Huiqian, Forscher, Institut für Physik, Chinesische Akademie der Wissenschaften

Was ist Ihre erste Reaktion, wenn Sie das Wort „Schweinefarm“ hören?

In einem abgelegenen Vorort gibt es einen eingezäunten Bereich, in dem viele Ferkel gehalten werden. Der Züchter kommt mit einem großen Korb vorbei, nimmt einen Löffel und streut Futter in den Holztrog. Die Ferkel grunzen dann und drängen sich nach vorne, wobei sie ihre Nasen herausstrecken, um sich gegenseitig das Futter wegzuschnappen?

Es scheint, dass die Schweinezucht in unserer traditionellen Vorstellung so abläuft: Von der unordentlichen und schmutzigen Umgebung bis hin zur Arbeit beim Reinigen des Stalls und Füttern ist alles vom Hauch alter Zeiten umhüllt und mit verblassten Farben bedeckt wie alte Fotos.

Aber was wäre, wenn ich Ihnen sagen würde, dass viele Schweine bereits in intelligenten Gebäuden leben und sogar durch Scannen ihres Gesichts fressen und jeden Tag Musikmassagen genießen können?

Nicht wahr? Damit habe ich nicht gerechnet!

Tatsächlich erfährt die heimische Schweinezuchtbranche mit der rasanten Entwicklung der künstlichen Intelligenz und des Internets der Dinge enorme Veränderungen. Neben der Verbesserung der Wachstumsumgebung der Ferkel hat der Schweinezuchtbetrieb auch eine Reihe von neuen Technologien ausprobiert, wie zum Beispiel:

KI-Gesichtserkennung für Schweine?

Drahtloser Futterautomat mit Radiofrequenz?

Nanosynthetisches Schweinefutter…?

Als nächstes wollen wir einen genaueren Blick auf die intelligente Schweinefarm werfen und sehen, wie „schwarz“ diese Technologien sind.

01 KI-Gesichtserkennung für Schweine

Ich weiß nicht, ob Ihnen aufgefallen ist, dass Ferkel derselben Rasse alle sehr ähnlich aussehen. Wir müssen das Gewicht, die Nahrungsaufnahme und andere Daten jedes Ferkels verfolgen und aufzeichnen, um seinen Wachstumsstatus zu bestimmen. Allerdings ist es für den Züchter mit bloßem Auge fast unmöglich, Hunderte oder Tausende von Schweinen zu unterscheiden. Daher ist es notwendig, jedes Schwein zu identifizieren.

In der Schweinezucht erfolgte die Markierung bisher in der Regel an den Ohren der Schweine. Diese Methode erforderte jedoch eine manuelle Erfassung aller Daten, was sehr ineffizient und fehleranfällig war.

Um dieses traditionelle Dilemma zu lösen, dachten wir daran, die relevanten Technologien der menschlichen Gesichtserkennung auf die Gesichtserkennung von Schweinen zu migrieren. Wie jedoch gerade erwähnt, führt die Inzucht bei Schweinen zu einer starken Ähnlichkeit der Individuen, was die technischen Hürden für Computer-Vision-Algorithmen unsichtbar erhöht. Daher erscheint die Technologie zur Gesichtserkennung bei Schweinen wie ein Traum.

Überraschenderweise hat der Algorithmus zur Gesichtserkennung bei Schweinen in den letzten Jahren mit der Entwicklung der Deep-Learning-Technologie endlich einen qualitativen Durchbruch erzielt und einige große Farmen haben sogar damit begonnen, Systeme zur Gesichtserkennung bei Schweinen einzuführen.

Wie funktioniert dieses so magisch klingende System zur Gesichtserkennung von Schweinen eigentlich?

Zunächst einmal erstellen die intelligenten Schweinefarmen von heute für jedes Schwein eine dynamische Cloud-Datenbank, nehmen zwei bis drei Videos von ihnen auf, extrahieren mithilfe von Algorithmen gültige Identitätsinformationen, generieren eine entsprechende elektronische ID und speichern diese in der Datenbank.

Das bedeutet, dass diese Ferkel auch eine eigene ID-Nummer haben. Ist das nicht unglaublich?

Nachdem die ID-Karten der Ferkel bearbeitet wurden, muss auf dem Schweinestall ein Spurroboter installiert werden. Der Roboter patrouilliert in regelmäßigen Abständen entlang der Strecke und verwendet die Kamera an der Vorderseite, um das Gesicht des Schweins zu scannen und zu erfassen, das Signal in ein digitales Signal umzuwandeln und mithilfe des Convolutional-Neural-Network-Algorithmus die wichtigen Merkmale des Schweinegesichts zu extrahieren. Anschließend gleicht der Roboter die vorab gespeicherten Informationen zum Schweinegesicht ab, um den Datensatz mit der höchsten Übereinstimmung auszuwählen und so die endgültige elektronische ID zu bestimmen. Auf diese Weise lässt sich feststellen, um welches Ferkel es sich handelt.

Nach der Identifizierung des Ferkels werden mithilfe verschiedener Sensoren dessen Gewicht, Körpertemperatur, Nahrungsaufnahme und weitere Informationen erfasst und automatisch in die Cloud hochgeladen. Einige wichtige Werte werden auf dem zentralen Bedienfeld angezeigt und so eine berührungslose Echtzeitüberwachung erreicht.

Im August 2018 brach in meinem Land zum ersten Mal die Afrikanische Schweinepest aus und ihre Auswirkungen breiteten sich immer weiter aus. Hunderte Millionen Ferkel wurden infiziert und starben. Viele Schweinefarmen standen kurz vor der Pleite. Noch beunruhigender ist die Tatsache, dass sich der Impfstoff noch in der Entwicklung befindet und die Afrikanische Schweinepest noch nicht vollständig ausgerottet ist.

In diesem kritischen Moment unternahmen einige große Schweinefarmen einen mutigen Versuch und führten eine Technologie zur Gesichtserkennung bei Schweinen ein. Nach der manuellen Einstellung der Schwellenwerte für Parameter wie Körpertemperatur und Nahrungsaufnahme identifizierte das System automatisch Ferkel mit abnormaler Körpertemperatur und Appetitlosigkeit, woraufhin die zentrale Steuerkonsole automatisch Alarm schlug. Nachdem das Personal die rote Warnung gesehen hatte, konnte es diese mit dem „gelben Code“ gekennzeichneten Ferkel so schnell wie möglich isolieren und testen, um festzustellen, ob sie tatsächlich mit der Pest infiziert waren.

Daher hat sich der Preis für Schweinefleisch bis zu einem gewissen Grad allmählich normalisiert, und auch die Gesichtserkennung bei Schweinen hat hierzu beigetragen.

02 Drahtlose HF

Aufgrund der hohen technischen Hürde erfordert die Einführung einer umfassenden Technologie zur Gesichtserkennung bei Schweinen große Investitionen und wird daher in Schweinefarmen bisher noch nicht in großem Umfang eingesetzt. Allerdings kann man sagen, dass die als nächstes eingeführte drahtlose Hochfrequenztechnologie relativ ausgereift ist. Vielleicht haben Sie schon einmal davon gehört. Schließlich wurde es bereits zu Beginn des 21. Jahrhunderts in großem Umfang im Logistikmanagement, der Verkehrsüberwachung und anderen Bereichen eingesetzt. Für die Schweinezucht ist dies jedoch noch relativ neu.

Im Allgemeinen besteht das einfachste Radiofrequenz-Identifikationssystem (RFID) hauptsächlich aus zwei Teilen: einer Radiofrequenzkarte und einem Lese-/Schreibgerät. Die Funkfrequenzkarte enthält einen Chip zum Speichern von Identifikationsinformationen und Daten und die Antenne ist mit der Außenseite des Chips verbunden. Das Lese-/Schreibgerät umfasst eine Transceiver-Antenne, ein Transceiver-Modul und eine Steuerschaltung und kann elektromagnetische Wellen innerhalb eines bestimmten Bereichs nach außen ausstrahlen. Wenn die Hochfrequenzkarte den Bereich durchläuft, empfängt sie die vom Lese-/Schreibgerät ausgesendeten elektromagnetischen Wellen, erzeugt einen induzierten Strom und überträgt die gespeicherten codierten Informationen in Form von Radiowellen an das Lese-/Schreibgerät. Das Lese-/Schreibgerät demoduliert und dekodiert das empfangene Signal und sendet es an den zentralen Verwaltungsserver.

Auf der Grundlage dieser drahtlosen Hochfrequenztechnologie haben große Schweinefarmen damit begonnen, verschiedene automatisierte Geräte einzuführen. Nehmen wir als Beispiel die automatische Schweinefütterungsanlage, um zu sehen, wie sie funktioniert.

Zunächst müssen Löcher in die Ohren jedes Ferkels gestochen und eine elektronische Ohrmarke eingesetzt werden. Bei dieser elektronischen Ohrmarke handelt es sich um die oben erwähnte „Radiofrequenzkarte“. Wenn die Ferkel dann fressen müssen, gelangen sie durch den Eingang des Futterstalls zum automatischen Fütterungsgerät. Wenn das Gerät die Annäherung von Ferkeln erkennt, liest der Kartenleser oben auf dem Gerät automatisch deren elektronische Ohrmarken, extrahiert die Identitätsinformationen des Schweins und gibt sie an den zentralen Manager zurück. Auf Grundlage der körperlichen Daten des Schweins gibt das System Anweisungen an die automatische Fütterungseinrichtung, um den Ferkeln eine bestimmte Art und Menge an Futter zu geben. Nachdem die Ferkel mit dem Fressen fertig sind und den Ausgang des Positionierungsstalls verlassen, ermittelt das System automatisch das verbleibende Gewicht im Trog, berechnet die Nahrungsaufnahme der Ferkel und lädt den Datensatz hoch.

Ein genauer Vergleich zeigt, dass dies der Gesichtserkennung bei Schweinen ähnelt. Der entscheidende Punkt besteht darin, eine Möglichkeit zu finden, die Identität der Ferkel festzustellen und relevante Daten aufzuzeichnen. Der einzige Unterschied besteht darin, dass die Investitionskosten für die drahtlose Hochfrequenztechnologie viel geringer sind. Da den Schweinen jedoch elektronische Ohrmarken in die Ohren implantiert werden müssen, kann dies bei den Ferkeln leicht zu Unbehagen führen.

So wie Hunde sich immer gerne an Ecken reiben und die kleinen Kleidungsstücke ausziehen, die wir ihnen anziehen, kommt es bei Ferkeln nicht selten vor, dass sie die Etiketten abnutzen und abbeißen, was in schweren Fällen zu einer lokalen Ohrenentzündung führen kann.

Auch wenn die Methode, Ferkel mit elektronischen Tags zu versehen, noch einige der oben genannten Nachteile mit sich bringt, gibt es bei der Verwendung drahtloser Hochfrequenztechnologie bei der Verarbeitung von Schweinefutter keinerlei derartige Bedenken.

Mit anderen Worten: Sogar das Futter, das die Schweine fressen, wird mittlerweile vollautomatisch mithilfe drahtloser Hochfrequenztechnologie hergestellt. In herkömmlichen Futtermittelverarbeitungsanlagen müssen in der Regel mehrere Mitarbeiter jeden Rohstoff am Fließband erfassen und wiegen und ihn dann entsprechend den Anteilen zur Verarbeitung und Synthese in das Gerät geben. Dies ist nicht nur zeit- und arbeitsintensiv, sondern auch schwierig, die genaue Dosierung zu erfassen. Schwere Bedienungsfehler können zu Risiken wie Staubexplosionen führen.

(Schematische Darstellung der RFID-Anwendung in der Schweinefutterverarbeitung)

Heutzutage kann mithilfe der drahtlosen Hochfrequenztechnologie jeder Rohstoff einer elektronischen Hochfrequenzkarte zugeordnet und ein Lesegerät im Futtersilo installiert werden. Beim Eintreffen der Rohstoffe im Futtersilo werden die Rohstoffinformationen automatisch ausgelesen und die Dosierwaage zugeordnet. Die Rohstoffe werden entsprechend den Rezepturanforderungen gemischt und verarbeitet, anschließend automatisch verpackt und etikettiert und die Ergebnisse in die Datenbank hochgeladen. Da jeder Rohstoff über eine eigene elektronische ID verfügt und jeder Schritt über Datensätze verfügt, können Sie, falls am Ende ein Problem mit dem Futter auftritt, die Verarbeitungsaufzeichnungen abfragen, die Quelle zurückverfolgen und eine intelligente Risikokontrolle implementieren.

03 Nanosynthese

Da wir gerade von der Futtermittelverarbeitung sprechen, müssen wir auch über das aktuelle „Schweinefutter in Nanoqualität“ sprechen. Das stimmt, Schweinefutter besteht nicht mehr aus den gelben, pulverförmigen und groben Partikeln, die es einmal war. In vielen Futterzusätzen ist die Nanosynthesetechnologie integriert, insbesondere bei Vitaminen, deren Partikeldurchmesser Hunderte von Nanometern erreichen können.

Ferkel benötigen für ihr gesundes Wachstum verschiedene Vitamine, daher sind Vitamine ein unverzichtbarer Zusatz in Schweinefutterrezepturen. Allerdings werden allgemeine Vitamine in der Luft leicht oxidiert und hydrolysiert, und ihre letztendliche Verwertung durch die Sauen ist sehr gering. Experimentelle Studien haben gezeigt, dass flüssige Vitamine im Nanomaßstab leichter aufgenommen werden, was die Fortpflanzungsleistung von Sauen deutlich verbessern und die Qualität des Schweinefleischs steigern kann.

Bei der Verarbeitung dieses flüssigen Vitamins im Nanomaßstab kommen vor allem Nanotechnologie und Mikroemulsionstechnologie zum Einsatz. Gleichzeitig werden die Vitamine mithilfe einer biomimetischen Membran aus Phospholipiden, Cholesterin und Protein sofort tief in die Biomembran eingebettet, wodurch eine selbstorganisierende Struktur mit einer Partikelgröße von 30–100 Nanometern entsteht. Aufgrund ihrer hervorragenden biologischen Affinität können Vitamine im Nanomaßstab schnell durch Membranen absorbiert werden, was ihre Nutzungsrate verbessert.

Um zu überprüfen, ob die Vitamine im aktuellen Schweinefutter tatsächlich im Nanobereich liegen, nahm die Redaktion Kontakt zu einem Futtermittelhersteller auf und ließ sich zwei Vitaminproben, ein Nanopräparat und eine gewöhnliche Emulsion, besorgen. Theoretisch bestehen die Unterschiede zwischen beiden hauptsächlich in den folgenden Punkten:

Der Tyndall-Effekt beschreibt Folgendes: Wenn sichtbares Licht mit einer Wellenlänge im Bereich von 400–700 nm durch ein Kolloid mit einem Durchmesser von etwa 1–100 nm hindurchtritt, wird der Lichtstrahl an den darin schwebenden Teilchen gestreut, wodurch sich das Licht in alle Richtungen ausbreitet. Dann kann aus der Richtung senkrecht zum einfallenden Licht ein heller „Pfad“ im Kolloid beobachtet werden. Einfach ausgedrückt wird durch die Streuung des Lichts im Kolloid der Lichtweg „sichtbar“.

Basierend auf diesem Prinzip verwenden wir zunächst den Tyndall-Effekt, um es einfach zu überprüfen. Nachfolgend sind die experimentellen Vergleichsergebnisse aufgeführt:

(Vergleich von Tyndall-Effekt-Experimenten)

Das milchig-weiße Bild links ist eine gewöhnliche Vitaminemulsion, und das hellgelbe Bild rechts ist eine wässrige Vitaminlösung im Nanomaßstab. Wenn wir diese beiden Proben mit einem roten Laserstift mit einer Wellenlänge von 650 nm bestrahlen, erscheint in dem flüssigen Vitamin im Nanomaßstab ein offensichtlicher vollständiger Lichtweg, und in der gewöhnlichen Emulsion erscheint auch ein Lichtweg, aber der Lichtweg ist kurz und unscharf und die Lichtdurchlässigkeit ist relativ gering. Der Grund hierfür liegt in der größeren Partikelgröße, die das Licht stärker behindert und somit den Lichtweg sehr kurz macht.

Daraus lässt sich vorläufig schließen, dass die Partikelgröße von flüssigen Vitaminen im Nanomaßstab bei einigen hundert Nanometern liegt. Um eine genauere Beurteilung vornehmen zu können, haben wir eine spezielle Probenvorbereitung für die Probe vorgenommen und dann die Morphologie der Partikel unter einem Rasterelektronenmikroskop beobachtet. Das erhaltene SEM-Scanbild sieht wie folgt aus:

Das linke Bild verwendet eine relativ geringe Vergrößerung, um die Probenmorphologie in einem großen Sichtfeld zu beobachten. Die Einheitsskala beträgt 0,5 μm. Man kann feststellen, dass der Durchmesser der im roten Rahmen eingekreisten Partikel unter 500 Nanometern liegt. Um seinen Durchmesser genauer zu bestimmen, zoomen wir in diesen Bereich und erhalten das richtige Bild. Die Einheitsskala beträgt 0,2 μm. Der Durchmesser dieses Partikels beträgt etwa eine halbe Skala, also etwa 100 Nanometer.

Dies zeigt, dass das sogenannte „Nano-Schweinefutter“ seinen Namen durchaus verdient und nicht nur ein Verkaufsgag ist.

Ich glaube, jeder hat einen ganz anderen Eindruck von der Schweinehaltung!

Auf diese Weise wird die Szene, in der sich der alte Mann bückt, verschrumpelte Maiskörner unter den Weinreben aussucht, sie mit den Essensresten zu Hause vermischt und in einen Eimer tut, um dann zum Schweinestall zu taumeln, unweigerlich immer weiter von uns entfernt sein und schließlich in vergilbten alten Fotos eingefroren sein, die mit einem einzigartigen Zeichen der Zeit versehen sind.

Vielleicht seufzen Sie über das Ende einer alten Ära, oder vielleicht freuen Sie sich auf den Beginn einer neuen Ära.

Es fällt uns schwer zu erklären, wie komplex unsere Gefühle gegenüber einer solchen technologischen Entwicklung sind, aber vielleicht ist dies die Essenz des Lebens.

Stellen wir uns vor, wie die Schweinefarmen der Zukunft aussehen werden. Vielleicht fliegen kleine Flugzeuge mit Ferkeln durch die Luft?

Quellen:

[1] Qin Xing, Song Fangfang. Algorithmus zur Schweinegesichtserkennung basierend auf einem bilinearen Convolutional Neural Network [J]. Journal der Hangzhou Dianzi University (Natural Science Edition), 2019, 39(02): 12-17.

[2] Jiang Jiasheng. Diskussion über die drahtlose Radiofrequenz-Identifikationstechnologie [J]. Wissenschafts- und Technologieinformationen (Wissenschaftliche Bildung und Forschung), 2007(27):312+532.

[3] Li Jiao, Jia Hongru, Wang Yuan, Guo Xiaohong. Auswirkungen verschiedener Darreichungsformen von Vitaminkomplexen auf die Schweinefleischqualität[J]. Informationen zu Tierhaltung und Veterinärwissenschaft und -technologie, 2020(09):41-42.

[4] Sun Haixia, Xue Ru. Aufbau und Funktionsweise des RFID-Systems [J]. Tibetische Wissenschaft und Technologie, 2005, (09): 59-60.

Dieser Artikel wurde vom Science Popularization China-Starry Sky Project (Erstellung und Kultivierung) erstellt. Bei Nachdruck bitten wir um Quellenangabe.