基于深度学习的猪脸识别方法研究*
2021-03-11吴梦茹谢秋菊刘洪贵
智慧农业导刊 2021年9期
吴梦茹,谢秋菊*,李 欣,刘洪贵
(1.东北农业大学 电气与信息学院,黑龙江 哈尔滨 150030;2.东北农业大学 动物科学技术学院,黑龙江 哈尔滨 150030)
伴随着规模化养殖生产的快速发展,福利化生猪养殖方式引起人们极大的重视[1]。群体化的饲养过程中,对生猪个体自动识别是实现疾病预防和健康养殖的关键。以往的猪只个体识别方式主要包括佩戴耳标、猪身涂抹颜色进行标记等[2],然而这些方式均会对猪造成不同程度的应激反应。
随着计算机视觉不断向前发展,国内外学者纷纷开始使用图像和视频技术来探究一种非接触式生猪个体识别方法[3-5]。例如,Naoki等[6]提出特征空间方法进行猪脸识别,通过手动裁剪面部图像并对重要部位进行分割,对16个类别的识别率达到了97.9%,但是其方法无法实现自动化的猪脸特征提取。相比于机器学习,深度学习凭借深度的网络结构能够更好地提取图像特征,进而达到更优的分类效果。2018年Hansen等[7]以实际农场的猪脸作为数据集,使用自身搭建的基于卷积神经网络分类模型进行测试,较好地完成猪脸识别,并通过加权梯度类激活热力图(Grad-CAM)证明了网络特征的提取来源。秦兴等[8]利用双线性卷积神经网络进行生猪面部特征提取,在其测试图像集上达到了95.73%的识别准确率。王荣等[2]利用改进的86层多尺度网络结构进行猪脸识别,通过对比7组不同环境下的测试数据,所提出模型的识别率均高于其他网络。为了更好地在有限的猪脸数据集基础上提取猪的面部特征,谢碧森等[9]在VGG16的基础上使用迁移学习技术来识别家猪图像,在经过微调后其准确率达84%。……
登录APP查看全文
