[发明专利]基于深度卷积神经网络的奶牛个体识别方法

说明书

本发明基于深度卷积神经网络的奶牛个体识别方法，涉及图像数据处理中的图像识别方法，是一种采用深度学习当中卷积神经网络提取特征，结合对奶牛纹理特征实现对奶牛个体有效识别的方法，步骤是：奶牛数据的采集；对训练集和测试集的预处理；设计卷积神经网络；训练卷积神经网络；生成识别模型；利用识别模型识别奶牛个体。本发明方法克服了采用图像处理技术对奶牛图像进行处理的现有算法单一，没有充分利用奶牛本身所具有的条纹特点来与图像处理和模式识别技术进行很好的结合，导致奶牛识别准确率低的缺陷。

技术领域

本发明的技术方案涉及图像数据处理中的图像识别方法，具体地说是基于深度卷积神经网络的奶牛个体识别方法。

背景技术

当前，我国已基本形成高密度和集中化的奶牛养殖体系，但是仍然存在着牛奶质量不高、生产效率低以及成本居高不下等诸多问题。其主要原因在于过分依赖劳动密集型的粗放型经营，生产过程自动化水平低，各生产环节中处置的精准性和针对性明显不足。例如，当前我国的奶牛业仍普遍采用人工观察饲养方法，该方法受限于饲养员的数量和技术专业素质，不仅严重制约了牛奶生产的效率，提升了牛奶生产的成本，而且由于不能有效地察觉奶牛在养殖过程中的生理和心理需求的变化，导致奶牛福利下降、牛奶营养成分不高和养殖资源大量浪费等问题的产生。所以，奶牛饲养的信息化和智能化管理显得尤为重要，而奶牛个体识别作为奶牛管理的基础，是一项不容忽视的环节。

传统的奶牛个体识别的方法是采用人工识别方法辨别每头奶牛，该方法费时费力而且人为因素比较大，准确率不能够保证。目前，大多数奶牛饲养场采用的方法是为每头奶牛佩戴具有唯一标识的标签，该方法虽然在一定程度上提高了奶牛识别的准确率，但是仍然存在耗时耗力的缺点，而且对奶牛的身体健康也造成了一定的影响，从而导致出现产奶量下降和产崽过程生病等一系列问题。所以智能识别奶牛个体逐渐成为一个研究课题。2005年南京农业大学管峰等人提出了一种基于STR基因座的奶牛个体识别的方法，该方法通过分析2份冷冻精液样本和4头可疑种公牛血样的BM1862、BM2113、BM720和TGLA122 STR基因座遗传多样性,旨在判断该2份冷冻精液的种公牛来源,为建立奶牛个识别方法奠定基础，但是该方法涉及微观领域，对仪器和技术要求比较高，代价比较大；2010年河北农业大学何金凤等人提出了一种基于RFID技术的奶牛个体识别系统，系统选用Tag-it耳标为每头奶牛建立一个永久性的数码档案,实行一畜一标,通过搭建读写器的硬件电路和进行软件编程实现对存储奶牛个体信息的耳标进行非接触的快速准确的识别,从而建立奶牛的个体识别系统，但是该方法采用的射频技术射频范围比较小，采取的是硬件系统仍是为每头奶牛佩戴标签的方式，与完全的信息化管理还存在一定的差距；2015年华南农业大学的陈娟娟等人提出了一种基于改进的特征袋模型的奶牛个体识别算法，引入优化方向梯度直方图(HOG)特征对图像进行特征提取和描述,然后利用空间金字塔匹配原理(SPM)生成图像基于视觉词典的直方图表示,最后自定义直方图交叉核作为分类器核函数，对奶牛个体进行身份识别；CN105260750A公开了一种奶牛个体识别方法，该方法通过将获取的奶牛实时图像与事先建立好的模板库进行比对匹配，将匹配成功的模板库中的奶牛个体的标签作为待测试奶牛的类别，但是该方法对于差异比较大的同一头奶牛图像的匹配准确率并不高。2013年刘俊在上海师范大学学报上发表的基于多特征融合的奶牛图像识别系统研究论文中，作者使用了SIFT特征，该方法效率低，误识别率较高，该研究中奶牛养殖环境复杂，在有前景遮挡的情况下，SIFT方法的鲁棒性下降。由于SIFT方法的计算量大，当奶牛群体较大时，难以实现实时识别。

目前，奶牛个体识别的方法存在的主要问题是大多数采用硬件系统的方式，奶牛信息化程度还不够高；另外，虽然有一部分研究人员采用图像处理技术对奶牛图像进行处理，但是算法比较单一，没有充分利用奶牛本身所具有的条纹特点来与当前比较流行的图像处理和模式识别技术进行很好的结合，导致奶牛识别的准确率有很大的提升空间。

发明内容