开发“鹅脸识别”！深圳00后学生克服重重困难，巧用AI助农户养鹅

狮头鹅是潮汕卤鹅的主要食材

堪称“鹅界的天花板”

在餐桌上有着不可撼动的地位

但狮头鹅饲养难度极高

小鹅容易感染鹅瘟、禽流感、

副黏病毒等疾病

鹅农要盯着成百上千头鹅的一举一动

甚至每天要摸数百、上千只鹅的体温

为了解决农户们的问题

深圳的00后大学生用上了AI

造了一个人工智能养鹅场

　　项目结束后，有学生开始思考算法代码的价值，有学生静下心学画流程图和写报告，还有学生思考，除了做算法工程师，未来职业道路的N种可能性。

　　19岁的廖雪丽第一次来到鹅场，令她感到绝望的不是遍地的鹅屎、硝酸氨的味道、凶狠的大狼狗，而是4000只“一模一样”的鹅同时在叫。她形容为“前所未有的震惊”“根本不知道是哪只是哪只。肉眼没法分清，更别说了算法。”

学生们第一次去的鹅场

　　廖雪丽是2020级腾班学生。在这次实践项目中，她和15名同学需要将所学的AI知识，识别病鹅，帮助鹅农提产。

　　接到项目那一刻，廖雪丽的脑海里蹦出了“鹅脸识别”，将课堂上学到的“人脸识别”落地金融、安防行业的案例，复制到鹅身上——摄像头扫鹅的面部，一秒钟分析鹅的眨眼频率、面部变化、视线偏移等，后台算法判定是否为病鹅。

　　来到鹅场后，她立马判定这一方案实现几率为零。500平方米的鹅场，自己都分不清4000只鹅的区别，让算法分析某一只鹅的微表情，比登天还难。

　　廖雪丽随即想到，从小目标做起——先做鹅的“身份证”，区分每一只鹅。具体做法是，给每只鹅挂上带序号的木牌，或者MFC磁卡。摄像头捕捉图像后，算法用ID精准定位，再分辨是否得病。

　　但她很快发现，鹅是水禽动物，不同于在室外圈养的猪，每天必须下水游泳，木牌容易被冲走。即使MFC磁卡能防水，但只有鹅离感应器10厘米之内才能被识别。

　　更让廖雪丽发愁的是，鹅场怎么看都和AI技术毫无关联。并且大部分村民的鹅场都只通了基础水电，没有覆盖网络，更没有任何自动化养殖设备。

汕头后溪村鹅场环境

汕头农户给2000多只小鹅挨个打预防针

　　但即使有着20年经验的老农，也会有走眼的时候。这一天，在汕头澄海区后溪村养了20年狮头鹅的金举文，盯着一只缩脖子的狮头鹅许久。“声音嘶哑、咳嗽，但食欲正常，看起来又好像没病”。疑似病鹅是放入“隔离区”直接被感染，还是放任不管，这是当地农户每天都会遇到的难题。

　　金举文的担心不是没有原因。2018年冬天，他曾遭遇过大规模的禽流感。最开始，仅是几只小鹅拉稀，第二天清晨200只鹅陆续死去，等到第十天，3000只狮头鹅全军覆没，损失了几乎一年的家庭收入。

　　面对外来的学生，以及他从没听说的“人工智能”，金举文只有一个诉求——能不能找到病鹅？学生们一时没了谱，狮头鹅饲养环境和难度远超预料，连老农都不能发现病鹅，算法能做到吗？

　　同样心里没谱的，还有深圳大学计算机视觉研究所所长沈琳琳。研究“视觉识别”二十多年来，沈琳琳曾指导学生，用AI帮助法医辨别尸体死亡时间，追踪保护云南元江的野生大象，却对AI养鹅无从下手。

学生帮金举文一家赶出生10天的小鹅进食

　　金举文也向学生们传授养鹅的技巧。渐渐地，学生们摸索出细微的规律。大量样本显示，“发呆、发烧”是病鹅的共性。

　　但养殖经验如何转化为技术中的特征表达？连开了好几天的会，养鹅项目小组终于达成一致，制作一款识别病鹅的小程序。

学生们绘制的初版小程序系统草图

　　挑战接踵而至。鹅场通讯信号弱、更没有网络。在40度高温下，硬件组长王翊沣不得不自己搭梯子拉网线、架网桥、固定摄像头。更糟糕的是，公开渠道很难搜到狮头鹅的图片，没有足够的样本让AI识别。于是沈琳琳决定用“最笨”的办法，让学生们通过摄像头采集的照片，一张张人工打标注。

硬件组铺设备

　　但比人脸识别技术更难的是，人类会配合镜头，动物不会。学生们只好把摄像头拍摄的影像，进行秒级抽帧，再对抽取出的6000张照片打标注，一张照片平均抓取50只鹅。“我敢说，有密恐的人坚持不到3秒就会关掉这个界面。密密麻麻，每个都需要圈，最多一张图有70只鹅。”算法组组长廖雪丽说。

　　“越是智能，就越是人工。”沈琳琳说。

学生给图片打标注

　　经历长达半个月、30万次的点击标注后，行业首个“鹅脸数据库”诞生。

　　标注完之后，下一步是训练模型算法，这也是小程序能用起来的关键。尽管有心理预期，但看到满屏的bug报错，廖雪丽还是觉得“整个头快炸了”。

　　按照腾班的课程安排，大二系统学习《机器学习》《人工智能导论》等理论。但这和自己上手写代码相差甚远。几乎整个暑期，廖雪丽都在和算法做斗争，一边上网查、自学，一边调试环境、报错、推倒后再调整。“看一眼觉得好简单，结果就是报错。试了网上查的十几种方法，还是不行，经常3、4小时都找不到bug在哪儿。”

　　这时，腾讯的算法工程师紧急“救火”，加入了养鹅团队。在线上会议上，工程师们手把手分析代码、解bug，并给出解决方案。

学生设计草图和成品对比

　　半年下来，养鹅小组投入了巨大的精力，开了近百次线上+线下会议，群聊消息几万条。今年9月新学期到来，第一版小程序上线。截至11月中旬，小程序更新到第六版，一共提醒了金举文50多次，最新一批狮头鹅存活率从五成提升至八成。300年以来，后洋堤养鹅村第一次和AI擦出火花。

学生和深大老师、腾讯工程师开会

　　AI养鹅的故事并未止步。硬件组长王翊沣看来，这款小程序依旧有不足。目前小程序仅限于识别“呆头鹅”“发烧鹅”，无法精准知道每一只鹅的状态。王翊沣想到，是否给鹅安装计步器，用算法“追踪鹅步”，甚至将鹅场单独开辟一个通道，能近距离监测声音、体温等，实现“鹅语翻译”。

　　听上去有些天方夜谭，沈琳琳却很认同。“其实我们已经迈出了AI养鹅的一大步，有了数据库沉淀，就可以往下做很多事。比如，将数据开源给学术界，更多人一起研究科学养鹅。甚至到后边，鹅的代码，鸭也可以用。”

廖雪丽用手机拍下了鹅场傍晚的景色

　　腾班要培养什么样的人才？这是2019年成立之初，深圳大学和腾讯就在探索的问题。学校和在产业本质要解决的问题并不相同。学校的核心产出是论文，是学术成果，对现实相关相对少。而在产业实践中，没有放之四海而皆准的算法，任何一个场景都需要修改、因地制宜，这要求学生既要有理论基础，又要实践操作、团队协作等能力。

　　这次AI养鹅校外实践，让双方更意识到，培养人工智能人才，要“仰望星空”学好理论，也要“双手沾泥”应用实践。