Forskere bruger AI til at spotte sygdomme og stress hos heste

Dyr kan ikke kommunikere deres oplevelser verbalt. Derfor bliver problemer med smerte og stress ofte overset. Det skal et nyt AI-drevet projekt fra Aalborg Universitet være med til at ændre. De indledende resultater er lovende.

”Samfundet stiller større og større krav til, at vi behandler vores dyr etisk forsvarligt, men for at vi kan gøre det, bliver vi nødt til at blive klogere på, hvordan dyrene har det. Derfor er vi lige nu i gang med at udvikle AI-værktøjer som automatisk og effektivt kan opfange små ansigtstræk hos heste, så vi på sigt kan genkende udtrykkene for stress og smerte for mange dyr samtidig,” siger Rikke Gade, der er lektor på Aalborg Universitet og leder af projektet.

Forskerne håber, at metoden på sigt kan bruges på fx grise og køer og øge dyrevelfærden samt hjælpe landbruget med at spotte sygdomme. Gennem tidligere forskning er det påvist, at heste kan kommunikere både stress og smerte, men da hesten er et byttedyr, prøver de så vidt muligt at skjule tegn på smerte. Eksperterne nærstuderer video i slowmotion for at finde diskrete blink og ørebevægelser med mere, som udtrykker forskellige former for ubehag, men det kræver tid og penge.

Derfor udvikler forskerne en metode til automatisk at finde og klassificere de kombinationer af muskelbevægelser i hestens ansigt, som viser smerte eller stress, og de har allerede store datasæt hvor hver enkelt bevægelse er beskrevet.

”Vi samarbejder med professorer indenfor veterinærvidenskab fra Københavns Universitet, og det svenske landbrugsuniversitet som har forsket i hestes adfærd og udtryk gennem mange år. Derigennem har vi adgang til uvurderlige data, som gør, at vi nu kan udvikle moderne AI metoder til at spotte disse udtryk,” forklarer Rikke Gade.

Kunstig intelligens skal automatisere processen
Forskerne vil udvikle Computer Vision-algoritmer, som ved hjælp af kunstig intelligens kan finde og analysere de tydeligste forskelle mellem neutrale udtryk, smerte og stress. De undersøger fx frekvensen og forskellige typer af blink med øjet samt visse ørebevægelser.

Ud fra disse tegn skal det automatisk klassificeres, når hesten udviser tegn på ubehag.

Forskerne har startet med at arbejde på videodata fra kontrollerede eksperimentelle forsøg og senere udvider de algoritmen til at kunne håndtere video af heste, som bevæger sig frit i en boks.