【技术实现步骤摘要】
一种基于多分支融合优化结构的绒山羊个体识别的方法
[0001]本专利技术涉及计算机图像学
,更具体的涉及一种基于多分支融合优化结构的绒山羊个体识别的方法。
技术介绍
[0002]随着农业技术的不断进步和精确畜牧业规模的扩大,如绒山羊养殖,口蹄疫和传染性脓疱病等问题也将在随之增加,提高畜牧业的智慧发展程度是提高农村经济和农业生活水平的关键,在智慧养殖中对个体进行实时检测和识别是亟需解决的首要问题。虽然传统的个体标注方法广泛应用于绒山羊养殖,但是羊只个体的疾病预防和控制需要专业养殖员工每天观察,成本高且效率低。使用计算机通过图像识别的方式检测羊只个体状态变化是现代化智能畜牧业的关键,具有非常广阔的发展前景。作为人工智能的一个新分支,基于图像的深度学习模型可以有效地解决这类问题。
[0003]畜牧业中的个体标识的传统身份标记方法分为具有永久性损伤的刻烙印法、耳标的外置标签法及外置的RFID设备标签等方法。传统标记动物方法容易对动物造成不同程度的伤害,例如刻烙印法,如图2(a)所示,对牲畜的刺激性很大,从而对牲畜造成一定的伤害;耳标外置标签法,如图2(b)所示,不仅会造成牲畜的耳部易发生感染,也会因为动物本身的活动性导致耳标丢失。
技术实现思路
[0004]本专利技术实施例提供一种基于多分支融合优化结构的绒山羊个体识别的方法,包括:
[0005]获取绒山羊群图片数据;
[0006]采用SSD神经网络对绒山羊群图片数据中的个体羊只进行目标检测;
[0007]将迁移学习的预训 ...
【技术保护点】
【技术特征摘要】
1.一种基于多分支融合优化结构的绒山羊个体识别的方法,其特征在于,包括:获取绒山羊群图片数据;采用SSD神经网络对绒山羊群图片数据中的个体羊只进行目标检测;将迁移学习的预训练网络模型ResNet34的损失函数修改为基于三元组损失函数Triplet
‑
Loss和交叉熵损失函数CrossEntropy
‑
Loss加权求和的联合损失函数,构建多分支融合损失函数的绒山羊个体识别网络模型;采用多分支融合损失函数的绒山羊个体识别网络模型,对绒山羊群进行分类;将Cycle
‑
GAN网络中的循环一致性损失函数修改为smooth L1损失函数,对分类中相似度高的羊只个体特征进行非线性数据增强;将多分支融合损失函数的绒山羊个体识别网络模型的输出作为修改后的Cycle
‑
GAN网络的输入,构建多分支融合优化结构的绒山羊个体智能识别网络模型;在多分支融合优化结构的绒山羊个体智能识别网络模型中输入绒山羊群图片数据,输出识别后的绒山羊个体。2.如权利要求1所述的一种基于多分支融合优化结构的绒山羊个体识别的方法,其特征在于,还包括对目标检测得到的羊只个体图片数据进行增广处理,其包括:对羊只个体的边界框进行切割处理;改变羊只个体图片数据对比度;翻转变换处理羊只个体图片数据。3.如权利要求1所述的一种基于多分支融合优化结构的绒山羊个体识别的方法,其特征在于,所述采用SSD网络对绒山羊群图片数据中的个体羊只进行目标检测,包括:采用VGG
‑
16卷积层,提取低尺度的特征映射图;将提取的低尺度的特征映射图输入卷积神经网络,提取4个高尺度的特征映射图;预测高尺度的特征映射图中每个点的矩形框信息和所属类信息。4.如权利要求1所述的一种基于多分支融合优化结构的绒山羊个体识别的方法,其特征在于,所述SSD网络的损失函数,包括:预测框位置的损失函数和预测类的...
【专利技术属性】
技术研发人员:王美丽,金博,尚诚,李梅,毛锐,王小龙,张宏鸣,
申请(专利权)人:西北农林科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。