Forskare använder AI för att minska kommunikationsklyftan mellan häst och människa. Genom att kombinera 3D-rörelseanalys och maskininlärning utvecklar de ett nytt modelleringssystem som kan ge veterinärer ett kraftfullt verktyg för att tolka hästars kroppsspråk – en nyckel till att upptäcka både fysiska och beteendemässiga problem.
Plattformen, som bygger på forskning från KTH och Sveriges lantbruksuniversitet (SLU), kan återskapa hästars exakta 3D-rörelser från filmer med hjälp av en AI-baserad modell av hästens hållning och form. Modellen är tillräckligt detaljerad för att veterinärer ska kunna identifiera subtila förändringar som annars kan förbises eller misstolkas vid en undersökning, exempelvis i en hästs hållning eller dess kroppsvikt.
Systemet, som kallas DESSIE, använder en teknik som kallas disentangled learning, vilket innebär att AI:n kan särskilja relevanta detaljer från saker i bakgrunden eller störande ljusförhållanden. Det gör analysen mer tillförlitlig, förklarar Hedvig Kjellström, professor i computer vision och maskininlärning vid KTH och tidigare gästprofessor vid Sveriges lantbruksuniversitet.
– DESSIE är det första exemplet på disentangled learning i 3D-modeller för djurrörelser, säger Hedvig Kjellström.
Elin Hernlund, docent i biomekanik vid SLU och kliniker inom hästortopedi, menar att DESSIE skulle kunna öka precisionen i observation och tolkning av hästars rörelser, vilket möjliggör tidigare och mer träffsäkra insatser än i dag.
– Hästar är kraftfulla men ömtåliga djur, och de kommunicerar hur de mår genom sitt kroppsspråk, säger Elin Hernlund. Genom att analysera deras rörelsemönster kan vi exempelvis upptäcka om de avlastar smärta. Hon beskriver systemet som en digital röst för hästar.
– Vi har skapat ett sätt för dessa djur att bryta igenom kommunikationsbarriären mellan djur och människor och berätta hur de mår, säger Hernlund. Det här är det mest avancerade och högupplösta sättet att extrahera digital information från en hästs kropp – till och med deras ansiktsuttryck, som kan avslöja mycket.
Forskargruppen fortsätter att utveckla DESSIE genom att träna AI-modellen med bilder av fler hästraser och storlekar. Målet är att koppla genetik till fenotyper och få en djupare förståelse för hästars biologiska struktur.
– För att lyckas med detta ber vi uppfödare att skicka in bilder på sina hästar så att vi kan fånga så stor variation som möjligt, säger Elin Hernlund.
Text av David Callahan, KTH. Justerad av Lisa Chröisty, SLU.
Dessie: Disentanglement for articulated 3D horse shape and pose estimation from images, Asian Conference on Computer Vision (ACCV) DOI: 10.48550/arXiv.2410.03438
Related: The Poses for Equine Research Dataset, Scientific Data, DOI: 10.1038/s41597-024-03312-1
Elin Hernlund, Forskare, klinikveterinär, universitetslektor
Institutionen för husdjurens biovetenskaper (HBIO)
Telefon: +4618672142
E-post: elin.hernlund@slu.se