李章辉， 王天一， 李远征

（贵州大学大数据与信息工程学院， 贵阳 550025）

0 引 言

随着智能化养殖［1］的快速发展，智能化养殖场建设和畜牧养殖精准化逐渐成为高效管理的理念。高效的养殖场管理需要精准化到个体的身份信息，因此收集和识别个体信息变得尤为重要。 在智能化养殖过程中，为每只羊建立个体档案有利于对养殖场精准化饲养和实时监控每只羊的身体健康信息提供了前提条件。 传统的养殖场对动物的个体识别主要靠人工识别，但在大型养殖场，仅靠人工无法做到有效的个体识别。 由于智能化养殖具有效率高、识别准确以及人力成本低等优势，因此智能化养殖正在逐步取代传统化养殖。

智能化养殖减少了人工在大规模养殖中管理不当等问题，涉及到个体识别［2］、目标检测［3］等领域。在动物个体识别领域，韩丁等［4］提出了将空间变换网络引入VGGNet 网络，对羊面部表情数据集的实验。 宋一凡等［5］对比和总结了以牛只面部、躯干和口鼻3 个部位特征的非接触式机器视觉［6］识别方法的研究成果。 马娜等［7］设计了卷积层－池化层－卷积层－池化层2 层卷积神经网络［8］模型，对猪个体身份进行识别。 拉毛杰等［9］使用卷积神经网络改进了畜牧业动物图像的识别准确率。 在动物目标检测领域，魏斌等［10］基于深度学习模型的羊脸检测效果较为理想，而羊脸识别工作在正面羊脸上取得了较高的准确率。 张宏鸣等［11］提出通过添加长短距离语义增强模块进行多尺度融合，结合Mudeep 重识别模型实现了肉牛多目标跟踪。……