專討摘要

動物的氣質（temperament），是一種影響動物個體行為表現的穩定因子，同時也是衡量經濟動物健康與生產性能非常重要的指標，釐清動物的氣質是牧場決策的關鍵之一；因此，開發精準且有效率的氣質檢測方法甚為重要。近年來，影像識別技術（image recognition）與人工智慧（artificial intelligence, AI）的發展使得該類型的技術更可能實現；本專題討論聚焦於以卷積神經網路（convolutional neural networks, CNNs）為基礎之影像識別技術，應用於預測動物氣質之可能性。本次報告之研究以開放空間試驗（open field test, OFT）將羊隻（n=44）的氣質分成主動型（proactive）、被動型（reactive）、以及中間型（intermediate）三種，並記錄個別羊隻的正面臉部影像，再使用三種不同卷積神經網路模型，客製化深度卷積神經網路（custom deep convolutional neural network, C-DCNN）、VGG19以及Xception，訓練模型辨識個別羊隻的臉部影像，並將臉部影像分類到該羊隻對應的氣質。三種模型於測試階段（test）中分類臉部影像的準確率（accuracy）分別為0.60、0.58、0.34，皆優於隨機猜測（random guessing）的0.33；此結果顯示，模型仍需更大且變化更多的資料庫以提升精確度，動物面部影像與氣質的相關性也需更進一步的研究。本實驗仍揭示了卷積神經網路與影像識別技術用於動物氣質預測的潛力。