基于卷积神经网络的生猪个体识别系统设计与实现

摘要

生猪养殖在我国畜牧业里占据着重要部分，个体识别对于生猪育种、健康监测、精准饲养管理而言有着关键作用。传统的生猪个体识别主要依靠耳标、电子耳标这类侵入式标记方法，不过这些方法存在成本高、容易脱落、给动物带来较大应激等问题。本文借助计算机视觉技术，提出了一种基于卷积神经网络的生猪个体识别系统，目的是达成非接触、低成本的生猪个体自动化识别。研究收集了规模化猪场里不同生长阶段的生猪图像数据，建立了涵盖目标检测与特征学习两个阶段的个体识别模型，运用PP - YOLOv2来完成生猪主体检测，利用基于ResNet50的特征学习模型提取个体面部、躯干特征并实施身份匹配。实验结果显示，该系统在针对100头生猪的中期识别任务里准确率达到了92.5%，在300头生猪的短期识别任务中准确率为94.8%，证实了此方法在生猪养殖场景中的可行性与有效性。本研究为生猪智能化养殖提供了新的技术方式，对推动畜牧业数字化转型有着积极的意义。