张建龙 周 康 庄晏榕 滕光辉,3*

(1.中国农业大学 水利与土木工程学院，北京 100083;2.农业农村部设施农业工程重点实验室，北京 100083;3.北京市畜禽健康养殖环境工程技术研究中心，北京 100083)

随着精细养殖的发展，猪只生产管理日趋智能化，准确地识别猪只身份是进行智能化管理的基础。在传统生产中，工作人员采用给猪只剪耳缺的方式识别其身份，但是这种方法会对猪只造成伤害，影响猪只生长发育[1]。随着射频识别技术(Radio frequency identification, RFID)的发展，电子耳号也被用于区分猪只个体[2]，但由于其成本较高，且信号容易被金属环境屏蔽，未能得到广泛应用[3]。近年来，已有研究提出了许多利用图像识别技术无接触地识别猪只身份的方法：1)在猪只背部喷涂不同标记，并采用模式识别以及椭圆拟合的方法识别这些标记进而识别猪只身份[4]；2)建立猪脸图像数据库并采用EigenFace的方法识别猪脸[5]；3)使用卷积神经网络模型，该方法可大大提升猪脸识别准确率[3,6-7]；4)采用加权稀疏低秩组件编码[8]，其中卷积神经网络为应用最为广泛的方法。以上研究均取得了良好的效果，识别猪只身份的准确率为77.5%～96.7%，使得猪脸识别APP的开发也成为了可能[9]，但已有研究均只考察了短时间内猪只脸部的识别效果，而随着育肥猪生长、环境变化、污渍附着等原因，其脸部也在变化，因此还有必要考察随着猪只生长其脸部变化对识别模型准确率的影响。

本研究拟比较不同深度学习模型的猪脸识别效果，选取识别效果最好的模型用于猪脸识别,考察使用不同天数图像数据训练该模型的识别效果,同时考察猪只生长脸部变化对该模型识别准确率的影响，以期为猪脸识别系统的设计提供理论依据。……