文献类型： 中文期刊

作者： 刘世锋 ¹ ; 常蕊 ² ; 李斌 ¹ ; 卫勇 ³ ; 王海峰 ¹ ; 贾楠 ¹ ;

作者机构： 1.北京市农林科学院智能装备技术研究中心

2.中国农业机械化科学研究院集团有限公司

3.天津农学院工程技术学院

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。