[发明专利]一种基于YOLOv4的羊舍内羊群个体身份识别方法及系统

说明书

本发明涉及一种基于YOLOv4神经网络模型的羊舍内羊群个体身份识别方法及系统，其方法包括：S1：采集羊只面部信息，对面部图片进行预处理，用标注框对羊脸进行标注，得到数据集，并划分为训练集和测试集；S2：构建基于YOLOv4的羊只面部识别神经网络模型，包括：Input、Backbone、Neck和Head；S3：构建损失函数，使用羊脸面部数据进行预训练，使用训练集对其进行训练，将预训练后得到模型参数作为所述羊只面部识别神经网络模型的初始参数，使用训练集对其进行训练；将测试集输入训练好的YOLOv4的神经网络模型，对其性能进行评估。本发明提供的方法采用非接触式识别方法，成本低、精度高且安全有效，从而避免掉标以及羊只容易产生应激的问题。

技术领域

本发明涉及现代化智能畜牧业领域，具体涉及一种基于YOLOv4神经网络模型的羊舍内羊群个体身份识别方法及系统。

背景技术

近年来，国内外畜牧业正在由传统模式向智能化、精准化、规模化发展。羊只作为一种重要家畜，是当今畜牧业重要的组成部分。羊只个体的身份识别作为规模化、精准化养羊业的重要方面得到了广泛重视。当前养羊业中主要的羊只身份识别方法为接触式识别方法，即人工标号或打耳标的方法。成规模的大型养殖场内运用最普遍的羊只识别方法为基于无线射频的耳标方法。随着养殖规模的增加，耳标因羊只之间相互摩擦撕咬而出现的掉标现象显著增加，同时打耳标会使羊只出现应激反应，标孔发炎也会对羊只身体健康造成一定影响，加之掉标现象会增加养殖户羊只饲养的成本。因此近些年来在养殖业中，非接触式的个体识别方法也逐渐被人们所重视，其中基于计算机视觉的非接触式的方法可以有效节约劳动成本，提高工作效率，尤其在成规模养殖环境下，可以全天候高效地替代人工对牲畜成长情况的监督，极大减轻养殖户、牧场的人工成本，提高养殖效率。张宇等发表专利《一种基于SSD卷积神经网络的奶牛反刍行为识别方法》提供了一种对牛的身份识别方法，但相对于牛群，羊群的数据集采集难度更大。牛群居住密度小，活动范围较小，且相互遮挡情况少，而羊舍内养殖密度高，且活动量大，相互遮挡现象严重；刘冰等发表专利《一种基于Yolov4的养鸡场饲养鸡识别算法》提出了一种养殖场内以养殖鸡为目标的检测方法，但未对每个鸡个体进行身份识别。

因此，如何以非接触方式实现羊群个体身份识别成为一个亟待解决的问题。

发明内容

为了解决上述技术问题，本发明提供一种基于YOLOv4神经网络模型的羊舍内羊群个体身份识别方法及系统。

本发明技术解决方案为：一种基于YOLOv4神经网络模型的羊舍内羊群个体身份识别方法，包括：

步骤S1：采集羊群中每只羊只的面部信息，对面部图片进行预处理，用标注框对羊脸进行标注，得到数据集，并划分为训练集和测试集；

步骤S2：构建基于YOLOv4的羊只面部识别神经网络模型，其中，所述基于羊只面部识别神经网络模型包括：Input、Backbone、Neck和Head：Backbone作为主干特征提取网络，在Darknet53基础上加入CSPnet构建CSPDarknet53，并采用Mish激活函数；Neck作为加强特征提取网络，采用SSP与PANet分别用于提取上下文特征和参数聚合；Head根据所述标注框，使用Kmeans++算法重新计算锚框大小，基于Neck的输出特征进行预测，对所生成的预测框经过非极大抑制后，计算最终的目标检测框；

步骤S3：构建损失函数，使用羊脸面部数据进行预训练，将预训练后得到模型参数作为所述羊只面部识别神经网络模型的初始参数，使用所述训练集对其进行训练，得到训练好的羊只面部识别神经网络模型；最终将所述测试集输入所述训练好的羊只面部识别神经网络模型，对其性能进行评估。

本发明与现有技术相比，具有以下优点：