张瑞红,赵凯旋,姬江涛,朱雪峰

(河南科技大学农业装备工程学院,河南 洛阳 471003)

随着大型奶牛养殖场的奶牛数量不断增加,奶牛个体的健康和福利水平已成为影响奶牛产量的重要指标[1]。奶牛个体活动的实时感知和行为分析系统逐渐成为当今的研究热点[2-4],奶牛个体身份识别是上述系统实现的前提和基础[5]。无线射频技术(radio frequency identification,RFID)是动物个体识别中常用的技术手段[6-7],利用射频信号可以对目标对象进行自动识别并读取相关数据[8]。但这种技术需要将电子标签附着在动物身上,影响动物福利,且只有当奶牛的运动速度和活动区域在某个范围内,才能达到较好的识别效果[9]。最重要的是,这种技术所需的设备比较复杂,成本较高[10]。基于图像处理的非接触个体识别技术不仅成本低,而且随着特征提取方法和人工神经网络的不断发展,其准确性和鲁棒性也得以不断提高[11-13]。

许多学者研究了采用图像或视频识别奶牛个体的方法。Xia等[14]提出1种基于稀疏表示分类器(sparse representation classifier,SRC)的牛脸识别系统,通过使用主成分分析法提取特征,结合稀疏表示分类器对奶牛脸部图像进行分类和识别。Zhao等[4]提出1种基于模板匹配的奶牛识别方法,通过提取所有奶牛的躯干图像特征生成特征模板库,将待测奶牛的躯干图像特征与模板库中的特征进行匹配实现奶牛个体的识别。但是,浅层的结构和有限的特征难以有效解决复杂的分类问题[15],因此学者们开始在深度学习的基础上解决分类识别问题。……