Marco mejorado basado en la convolución de ondulaciones y el prototipo de pocos disparos para la identificación...

Área de la Ciencia:

• Tecnología agrícola
• Visión por ordenador
• Aprendizaje automático

Sus antecedentes:

• La identificación individual del ganado de Holstein es vital para la gestión inteligente de las explotaciones.
• Los modelos de identificación existentes luchan con nuevos animales y cambios de apariencia, lo que limita la aplicación práctica.
• Los métodos actuales de conjunto abierto carecen de estabilidad para identificar individuos nuevos.

Objetivo del estudio:

• Desarrollar un marco de identificación robusto y progresivo para el ganado de Holstein.
• Lograr una identificación estable de nuevos individuos en condiciones de muestra reducida.
• Mejorar la aplicabilidad práctica de los sistemas de identificación de ganado en escenarios de cría.

Principales métodos:

• Diseñado ResWTA, una red de extracción de características que combina la convolución wavelet y la atención espacial.
• Construido una red de prototipo aumentado de pocos disparos para la robustez de identificación incremental.
• Evaluó varias funciones de pérdida, métodos de cálculo de prototipos y métricas de distancia.

Principales resultados:

• ResWTA logró una precisión de 97.43% en el top-1 y 99.54% en el top-5.
• La red de prototipos aumentados de pocos disparos mejoró la precisión superior en un 4,77%.
• El marco combinado alcanzó un 94,33% de precisión, reduciendo el olvido incremental del aprendizaje en un 4,89%.

Conclusiones:

• El marco propuesto permite una identificación estable y gradual del ganado de Holstein, incluso con muestras pequeñas.
• La red ResWTA y la red de prototipos aumentados mejoran significativamente la robustez y la precisión de la identificación.
• Esto proporciona un apoyo técnico efectivo para la gestión inteligente de las granjas y los programas de cría de ganado.