融合注意力机制的个体猪脸识别 被引量：15

1

作者 谢秋菊 吴梦茹 +6 位作者 包军 尹辉 刘洪贵 李欣 郑萍 刘文洋 陈刚 《农业工程学报》 EI CAS CSCD 北大核心 2022年第7期180-188,共9页

随着机器视觉技术的发展,猪脸识别作为猪只个体识别方法之一受到广泛关注。为了探索非接触式的猪只个体精准识别,该研究通过深度学习模型DenseNet融合CBAM(ConvolutionalBlockAttentionModule),建立改进的DenseNet-CBAM模型对猪脸进行... 随着机器视觉技术的发展,猪脸识别作为猪只个体识别方法之一受到广泛关注。为了探索非接触式的猪只个体精准识别,该研究通过深度学习模型DenseNet融合CBAM(ConvolutionalBlockAttentionModule),建立改进的DenseNet-CBAM模型对猪脸进行识别。将DenseNet121模型进行精简,然后将CBAM注意力模块嵌入到精简的DenseNet121分类网络之前,以加强对关键特征的提取,实现猪脸图像的分类。以随机采集的1 195张猪脸图像作为数据集对本文模型进行测试。结果表明,DenseNet-CBAM模型对个体猪脸识别的准确率达到99.25%,模型参数量仅为DenseNet121的1/10;与ResNet50、GoogLeNet和MobileNet模型相比,DenseNet-CBAM的识别准确率分别提高了2.18、3.60和23.94个百分点。研究结果可为智能化养殖过程非接触式个体识别提供参考。 展开更多

关键词 机器视觉 图像处理 注意力机制 猪脸识别 DenseNet

在线阅读 下载PDF 职称材料

基于加权稀疏低秩组件编码的猪脸识别算法 被引量：4

2

作者 成科扬 孙家傲 +1 位作者 毛启容 詹永照 《江苏大学学报（自然科学版）》 EI CAS 北大核心 2020年第3期314-320,共7页

针对养殖行业中动物很难适应耳标的问题,采用非入侵的识别方式进行猪脸识别,提出了基于加权稀疏低秩组件编码的猪脸识别算法.应用视网膜皮层理论与区域协方差滤波器来估计光照,并结合文中新算法提出自适应伽马校正方法对获取的反射分量... 针对养殖行业中动物很难适应耳标的问题,采用非入侵的识别方式进行猪脸识别,提出了基于加权稀疏低秩组件编码的猪脸识别算法.应用视网膜皮层理论与区域协方差滤波器来估计光照,并结合文中新算法提出自适应伽马校正方法对获取的反射分量进行增强,以减少光照对识别结果的影响;同时,采用训练样本中的低秩组件构建字典矩阵,并重构残差函数处理误差,以提升算法应对含有污垢图像的识别性能.在JDD2017猪脸数据集上进行了光照和面部污垢验证试验,分别统计其识别率与耗时情况.结果表明:文中所提出算法显著优于传统稀疏表示方法,具有容忍光照变化、污垢和训练耗时短的优点. 展开更多

关键词 猪脸识别 稀疏表示分类 低秩分解 RETINEX 残差函数

在线阅读 下载PDF 职称材料

基于双线性卷积神经网络的猪脸识别算法 被引量：24

3

作者 秦兴 宋各方 《杭州电子科技大学学报（自然科学版）》 2019年第2期12-17,共6页

为了实现对猪的精准活体身份识别,基于现有的双线性卷积神经网络(Bilinear-CNN),提出了一种非侵入式的猪面部识别模型。利用在图像特征提取上具有优良效果的VGG-16网络作为特征提取器,并将不同层次的提取特征做外积融合以形成最终的个... 为了实现对猪的精准活体身份识别,基于现有的双线性卷积神经网络(Bilinear-CNN),提出了一种非侵入式的猪面部识别模型。利用在图像特征提取上具有优良效果的VGG-16网络作为特征提取器,并将不同层次的提取特征做外积融合以形成最终的个体身份特征,最后,利用全连接层对其进行分类。实验结果表明:识别模型能对不同光照、角度、表情和姿态的猪脸进行识别,在200头猪的2 110张测试图像集中,识别准确率达到95.73%。 展开更多

关键词 猪脸识别 细粒度分类 卷积神经网络 多层次融合

在线阅读 下载PDF 职称材料

融合注意力机制的开集猪脸识别方法 被引量：6

4

作者 王荣 高荣华 +3 位作者 李奇峰 刘上豪 于沁杨 冯璐 《农业机械学报》 EI CAS CSCD 北大核心 2023年第2期256-264,共9页

针对闭集猪脸识别模型无法识别训练集中未曾出现的生猪个体的问题,本文设计了一种融合注意力机制的开集猪脸识别方法,可实现开集猪脸图像识别,识别模型从未处理过的生猪个体。首先基于全局注意力机制、倒置残差结构和深度可分离卷积构... 针对闭集猪脸识别模型无法识别训练集中未曾出现的生猪个体的问题,本文设计了一种融合注意力机制的开集猪脸识别方法,可实现开集猪脸图像识别,识别模型从未处理过的生猪个体。首先基于全局注意力机制、倒置残差结构和深度可分离卷积构建了轻量级的特征提取模块(GCDSC);然后基于高效注意力机制、Ghost卷积和残差网络设计C3ECAGhost模块,提取猪脸图像高层语义特征;最后基于MobileFaceNet网络,融合GCDSC模块、C3ECAGhost模块、SphereFace损失函数和欧氏距离度量方法,构建PigFaceNet模型,实现开集猪脸识别。实验结果表明,GCDSC模块可使模型猪脸识别的准确率提高1.05个百分点,C3ECAGhost模块可将模型准确率进一步提高0.56个百分点。PigFaceNet模型在开集猪脸识别验证中的准确率可达94.28%,比改进前提高1.61个百分点,模型占用存储空间仅为5.44 MB,在提高准确率的同时实现了模型轻量化,可为猪场智慧化养殖提供参考方案。 展开更多

关键词 猪脸识别 开集识别 注意力机制 模型轻量化

在线阅读 下载PDF 职称材料

基于改进YOLOv5s的猪脸识别检测方法 被引量：5

5

作者 李广博 查文文 +3 位作者 陈成鹏 时国龙 辜丽川 焦俊 《西南农业学报》 CSCD 北大核心 2023年第6期1346-1356,共11页

[目的]针对传统生猪养殖耳标识别存在易脱落、易引起生猪感染等问题,采用改进YOLOv5s的模型对猪脸进行非入侵式识别。[方法]首先将K-Means的距离改为1-IOU,提高模型目标锚框的适应度;其次,引入CA坐标注意力机制,提高模型特征提取的能力... [目的]针对传统生猪养殖耳标识别存在易脱落、易引起生猪感染等问题,采用改进YOLOv5s的模型对猪脸进行非入侵式识别。[方法]首先将K-Means的距离改为1-IOU,提高模型目标锚框的适应度;其次,引入CA坐标注意力机制,提高模型特征提取的能力;最后,引入BiFPN特征融合,有效利用特征提高模型的检测能力。试验采用的猪脸数据集共分为5类,数据增强后样本为12756张,训练集和测试集划分比例为9∶1。[结果]改进后的算法在准确率、召回率、平均精确率(IOU=0.5)分别达到0.926、0.897、0.955,比原始YOLOv5s算法分别提高13.2%、3.0%、2.2%,同时,改进后的算法在单只、多只、小目标、密集、有遮挡的场景下,泛化能力较强、识别精准度高。[结论]利用深度学习算法,可以获取生猪面部信息并准确识别,减少漏检、错检情况,为生猪智能化管理提供较好的技术支持。 展开更多

关键词 猪脸识别 YOLOv5 K-MEANS 坐标注意力机制 BiFPN

在线阅读 下载PDF 职称材料

基于深度学习的猪脸识别方法研究 被引量：3

6

作者 吴梦茹 谢秋菊 +1 位作者 李欣 刘洪贵 《智慧农业导刊》 2021年第9期1-8,共8页

常用的猪个体分类技术存在易脱标、易对猪造成应激等问题。文章利用深度学习对猪脸进行识别,建立一种非接触式的猪个体识别方法。基于实际猪场采集的猪脸视频数据集,建立基于GoogleNet、ResNet、SE-ResNet、DenseNet四种不同深度学习模... 常用的猪个体分类技术存在易脱标、易对猪造成应激等问题。文章利用深度学习对猪脸进行识别,建立一种非接触式的猪个体识别方法。基于实际猪场采集的猪脸视频数据集,建立基于GoogleNet、ResNet、SE-ResNet、DenseNet四种不同深度学习模型的猪脸识别方法。通过对建立的4种模型性能进行对比,结果表明,DenseNet模型的性能最优,仅经过20次迭代模型便可达到收敛,通过对2091张图像进行测试,DenseNet的平均精确率最高可达98.47%,平均召回率为98.45%,平均特异率为99.70%。因此,DenseNet可以用作猪脸特征识别模型,可为实现精准化养殖中个体识别提供参考。 展开更多

关键词 猪脸识别 深度学习 图像分类 个体识别 DenseNet

在线阅读 下载PDF 职称材料

面向防诈骗畜牧养殖保险的猪脸识别系统综述 被引量：2

7

作者 吴际 吴恋 +1 位作者 廖成华 许云辉 《电脑知识与技术》 2020年第17期175-176,共2页

猪脸识别技术新时代的产物,也是社会进步和科技发展的体现。技术与生活密切相关,既陌生又熟悉,我们陌生它的技术,而熟悉的是它的功能。它是通过收集猪脸部的特征进行分析,每一头猪有自己的独特特征,对这些特征进行收集和存储,通过收集... 猪脸识别技术新时代的产物,也是社会进步和科技发展的体现。技术与生活密切相关,既陌生又熟悉,我们陌生它的技术,而熟悉的是它的功能。它是通过收集猪脸部的特征进行分析,每一头猪有自己的独特特征,对这些特征进行收集和存储,通过收集的信息和数据能够高精准的识别和判定。针对特征的收集我们采取的收集方式可以是图像也可以是视频流,通过一系列猪脸识别的技术。 展开更多

关键词 生物识别技术 深度学习 猪脸识别 Deep ID技术 卷神经网络

在线阅读 下载PDF 职称材料

基于ResNet50模型的猪脸识别APP设计研究 被引量：3

8

作者 冯明强 曹冬颖 李佳妮 《计算机时代》 2020年第6期46-50,共5页

为了帮助养猪场实现猪只精准管理,应用深度学习技术设计了一款猪脸识别APP。利用ResNet50神经网络模型对照片进行训练与预测,并以MUI框架和Django框架为依托开发APP。实验结果表明,在ResNet50模型基础上优化后的网络,对猪的面部照片有... 为了帮助养猪场实现猪只精准管理,应用深度学习技术设计了一款猪脸识别APP。利用ResNet50神经网络模型对照片进行训练与预测,并以MUI框架和Django框架为依托开发APP。实验结果表明,在ResNet50模型基础上优化后的网络,对猪的面部照片有着较高的识别率。 展开更多

关键词 猪脸识别APP ResNet50 深度学习 MUI框架

在线阅读 下载PDF 职称材料

基于改进YOLOv3的猪脸识别 被引量：19

9

作者 何屿彤 李斌 +3 位作者 张锋 陶浩兵 辜丽川 焦俊 《中国农业大学学报》 CAS CSCD 北大核心 2021年第3期53-62,共10页

针对生猪智能化管理中传统标识方法存在的易脱标,易引起生猪感染等问题,采用基于改进YOLOv3模型的非侵入式方法,对生猪多个体识别进行研究。针对原有的YOLOv3模型,在Darknet53特征提取器中引入密连块,结合下采样层组成新的骨干网络;在YO... 针对生猪智能化管理中传统标识方法存在的易脱标,易引起生猪感染等问题,采用基于改进YOLOv3模型的非侵入式方法,对生猪多个体识别进行研究。针对原有的YOLOv3模型,在Darknet53特征提取器中引入密连块,结合下采样层组成新的骨干网络;在YOLOv3模型中添加改进的SPP单元,最终构建了YOLOv3DBSPP模型。试验采用的猪脸数据集共分为10类,数据增强后样本为8 512张,训练集和测试集比例约为9∶1。结果表明:1)YOLOv3DBSPP模型在各分类概率阈值下检测猪脸数据集时的平均精度均值均高于YOLOv3模型;2)当IOU阈值为0.5,分类概率阈值为0.1时,YOLOv3DBSPP模型的平均精度均值比YOLOv3模型高9.87%;3)YOLOv3DBSPP模型检测远距离有遮挡的小目标样本时,平均精度值均高于YOLOv3模型。YOLOv3DBSPP模型用于猪脸识别时,能够提高基础特征提取器的特征提取能力以及检测器的准确率。 展开更多

关键词 猪脸识别 YOLOv3 DenseNet SPP

原文传递

多变环境下基于多尺度卷积网络的猪个体识别 被引量：14

10

作者 王荣 史再峰 +1 位作者 高荣华 李奇峰 《江西农业大学学报》 CAS CSCD 北大核心 2020年第2期391-400,共10页

【目的】通过实现复杂多变环境下非接触式猪个体身份识别,提高畜牧行业的生产效率。【方法】以猪舍环境下猪的脸部图像为基础,提出了一种基于多尺度卷积神经网络在多变环境下的猪个体身份识别模型。利用改进的多尺度网络结构,该模型实... 【目的】通过实现复杂多变环境下非接触式猪个体身份识别,提高畜牧行业的生产效率。【方法】以猪舍环境下猪的脸部图像为基础,提出了一种基于多尺度卷积神经网络在多变环境下的猪个体身份识别模型。利用改进的多尺度网络结构,该模型实现了深度和宽度的扩展,网络深度达到了86层。网络不仅使用了对称和非对称的两种方法拆分卷积核和多通道的方法并行提取猪脸特征,还利用网络融合技术和Batch Normalization结构过滤掉通道中的冗余信息。避免了深层网络参数激增,增强了模型对猪脸特征的提取能力并提高模型的识别速度。利用预处理后的11 695张猪脸数据集训练并验证模型,通过设置7组不同环境下的对比实验,分析改进的模型在复杂环境下的识别效果。【结果】86层的基于多尺度分类网络的识别模型权重大小和每轮样本的训练时间分别为498.4 M和66 s,比16层的VGG网络权重小1140 M,每轮训练速度快8 s。利用7组测试集的对比实验的结果表明,提出的模型在7种环境下的识别率都高于其他网络,尤其是在真实养殖环境下识别率高达99.81%。当猪脸图像中出现遮挡和旋转的情况时,提出的模型识别率皆高于92%。【结论】提出的针对脸部特征的猪个体身份识别模型是有效的,并在多变环境下具有较高的识别率和鲁棒性,为实现一体化管理及追踪溯源的研究提供参考。 展开更多

关键词 猪脸识别 图像分类 卷积神经网络 深度学习

在线阅读 下载PDF 职称材料

计算机视觉与深度学习在猪只识别中的研究进展 被引量：5

11

作者 刘峰 吴文杰 +4 位作者 刘小磊 王欣然 方亚平 李国亮 杜小勇 《华中农业大学学报》 CAS CSCD 北大核心 2023年第3期47-56,共10页

探索人工智能领域新技术与生猪养殖相结合,是当前智慧养殖领域的一个重要研究方向。其中,如何自动地识别猪只个体身份与行为,是当前生猪养殖行业要解决的一个关键问题。为推动计算机视觉和深度学习技术在猪只健康状态智能化监测方面的应... 探索人工智能领域新技术与生猪养殖相结合,是当前智慧养殖领域的一个重要研究方向。其中,如何自动地识别猪只个体身份与行为,是当前生猪养殖行业要解决的一个关键问题。为推动计算机视觉和深度学习技术在猪只健康状态智能化监测方面的应用,本文先分析了基于计算机视觉与深度神经网络的人的身份及行为识别模型的研究进展,然后对利用计算机视觉与深度神经网络识别猪只个体身份及行为的方法进行了归纳总结,并指出已有方法中存在的问题,最后提出了下一步的重点研究方向:(1)在猪只运动不可控及关键特征部位受到污染的情况下,准确提取其身份及行为特征的方法研究;(2)针对猪只身份及行为特征的基于计算机视觉的原创性深度学习模型的研究;(3)能够同时检测猪只身份及行为的多任务神经网络的研究;(4)适用于多场景的基于基础姿态及动作的通用型猪只行为识别方法的研究;(5)基于边缘计算的猪只个体身份及行为识别的部署方法研究。 展开更多

关键词 身份识别 行为识别 深度学习 计算机视觉 智慧养殖 猪脸识别 自动监测

在线阅读 下载PDF 职称材料

基于人工智能的猪只健康监测方法 被引量：1

12

作者 钟长华 吴浩 +2 位作者 宋弘 江俊卓 俞婧婧 《成组技术与生产现代化》 2023年第3期4-10,共7页

鉴于猪只健康监测已成为目前人工智能领域研究的热点之一,对基于人工智能的猪只脸部识别、行为识别与声音识别的相关文献进行了研究,分析了传统机器学习识别方法与深度学习识别方法的区别。通过识别猪只的行为与声音,对猪只健康状况进... 鉴于猪只健康监测已成为目前人工智能领域研究的热点之一,对基于人工智能的猪只脸部识别、行为识别与声音识别的相关文献进行了研究,分析了传统机器学习识别方法与深度学习识别方法的区别。通过识别猪只的行为与声音,对猪只健康状况进行了监测。对猪只健康监测的相关研究进行了展望。 展开更多

关键词 猪脸识别 行为识别 声音识别 图像识别 机器学习

在线阅读 下载PDF 职称材料

育肥猪生长过程中脸部变化对识别模型准确率的影响 被引量：6

13

作者 张建龙 周康 +1 位作者 庄晏榕 滕光辉 《中国农业大学学报》 CAS CSCD 北大核心 2021年第6期180-186,共7页

为探究猪脸识别模型对育肥猪猪脸生长变化的识别效果,采用深度卷积网络,对大白育肥猪生长过程中脸部变化与识别模型准确率之间的关系进行研究。结果表明:1)在预训练的DenseNet201、MobileNetV3small、SeNet154和Xception 4种模型中,SeNe... 为探究猪脸识别模型对育肥猪猪脸生长变化的识别效果,采用深度卷积网络,对大白育肥猪生长过程中脸部变化与识别模型准确率之间的关系进行研究。结果表明:1)在预训练的DenseNet201、MobileNetV3small、SeNet154和Xception 4种模型中,SeNet154模型猪脸识别效果最好,对验证集的识别准确率可达98.80%,选其为猪脸识别模型;2)分别用试验期间第1~2、1~3、1~4和1~5天采集的猪脸图像数据训练该模型,并分别使用第3~8、4~9、5~10和6~11天的数据逐天测试模型的猪脸识别效果发现,使用第1~4与1~5天数据训练的模型猪脸识别效果相当且优于使用第1~2与1~3天数据训练的模型。使用第1~4天数据训练的模型对第5天数据的识别准确率最高,为96.74%,其后5天的识别准确率逐天下降,到第10天为84.17%。分析认为,造成识别准确率下降的原因是猪脸生长、光照变化以及污渍附着。3)使用第(n-4)~(n-1)天(5≤n≤10)的数据重新训练动态模型后,对第n天猪脸数据的识别准确率均在95.82%以上。深度卷积网络模型在猪脸识别方面有较高的识别准确率,可以用于育肥猪的脸部识别;建议在育肥猪的猪脸识别系统中每天都使用至少前4天,且≥10800组图像数据重新更新猪脸识别模型。 展开更多

关键词 育肥猪 猪脸识别 深度学习 卷积神经网络

原文传递