基于脸部RGB-D图像的牛只个体识别方法

文献类型： 中文期刊

第一作者： 刘世锋

作者： 刘世锋;常蕊;李斌;卫勇;王海峰;贾楠

作者机构：

关键词： 牛脸识别;RGB-D;深度学习;卷积神经网络

期刊名称： 农业机械学报

ISSN：

年卷期： 2023 年 0S1 期

页码： 260-266

收录情况： EI ; 北大核心 ; CSCD

摘要： 为实现非接触、高精度个体识别，本文提出了一种基于牛只脸部RGB-D信息融合的个体身份识别方法。以108头28～30月龄荷斯坦奶牛作为研究对象，利用Intel RealSense D455深度相机采集2 334幅牛脸彩色/深度图像作为原始数据集。首先，采用冗余图像剔除方法和自适应阈值背景分离算法进行图像预处理，经增强共得到8 344幅牛脸图像作为数据集；然后，分别选取Inception ResNet v1、Inception ResNet v2和SqueezeNet共3种特征提取网络进行奶牛脸部特征提取研究，通过对比分析，确定FaceNet模型的最优主干特征提取网络；最后，将提取的牛脸图像特征L2正则化，并映射至同一特征空间，训练分类器实现奶牛个体分类。测试结果表明，采用Inception ResNet v2作为FaceNet模型的主干网络特征提取效果最优，在经过背景分离数据预处理的数据集上测试牛脸识别准确率为98.6%,验证率为81.9%,误识率为0.10%。与Inception ResNet v1、SqueezeNet网络相比，准确率分别提高1、2.9个百分点；与未进行背景分离的数据集相比，准确率提高2.3个百分点。

分类号： S823%TP391.41

  • 相关文献

[1]基于非接触式的牛只身份识别研究进展与展望. 许贝贝,王文生,郭雷风,陈桂鹏. 2020

[2]深度学习方法在农业领域的研究及应用. 马聪,张建华,陈学东,朱丹. 2020

[3]基于深度卷积神经网络的红树林物种无人机监测研究. 黄亦其,刘琪,赵建晔,黄文善,孙中宇,乔曦. 2020

[4]基于卷积神经网络的农机图像自动识别研究. 雷雪梅,张光强,姚旗,刘伟渭,邱帅. 2022

[5]卷积神经网络在农业病虫害识别中的应用. 张耀丽,许宁,宋裕民,孟庆山,侯旭,李虎. 2023

[6]基于ResNet深度残差网络的白喉乌头检测. 梁俊欢,董峦,阿斯娅·曼力克,孙宗玖,魏鹏,马海燕,艾尼玩·艾买尔,阿仁,郑逢令. 2023

[7]一种基于深度学习的水稻种子分类方法. 王晓飞,刘维,巫浩翔,陈浩,张丽婷,潘朝阳,何秀英. 2024

[8]基于深度学习模型的种植结构复杂区农作物精细分类研究. 田甜,王迪,王珍,李会宾. 2022

[9]面向植物病害识别的卷积神经网络精简结构Distilled-MobileNet模型. 邱文杰,叶进,胡亮青,杨娟,李其利,莫贱友,易万茂. 2021

[10]一种边缘辅助的卫星影像云修复卷积神经网络. 张雨姝,戴佩玉. 2024

[11]基于卷积神经网络的家蚕病害识别研究. 石洪康,肖文福,黄亮,胡丛武,胡光荣,张剑飞. 2022

[12]基于Faster R-CNN网络的茶叶嫩芽检测. 朱红春,李旭,孟炀,杨海滨,徐泽,李振海. 2022

[13]基于卷积神经网络的家蚕幼虫品种智能识别研究. 石洪康,田涯涯,杨创,陈宇,粟思源,张智勇,张剑飞,蒋猛. 2020

[14]基于3-2D融和模型的毛虾捕捞渔船行为识别. 张佳泽,张胜茂,王书献,杨昱皞,戴阳,熊瑛. 2022

[15]基于卷积神经网络的水稻虫害识别. 梁万杰,曹宏鑫. 2017

[16]基于分层卷积神经网络的牧草种子识别模型. 王欣宇,马玉宝,潘新,闫伟红. 2021

[17]基于深度学习的杂草识别方法研究进展. 付豪,赵学观,翟长远,郑康,郑申玉,王秀. 2023

[18]常态养殖下妊娠母猪体质量智能测定模型. 肖德琴,刘俊彬,刘又夫,黄一桂,谭祖杰,熊本海. 2022

[19]深度学习在农业领域的研究与应用. 梁美静,毛克彪,郭中华,袁紫晋. 2024

[20]基于深度卷积神经网络的玉米病害识别. 雷波,曹艳,唐江云,胡亮. 2018

作者其他论文 更多>>

微信小程序