一种针对小尾汉羊的高精度面部识别方法,基于优化的视觉转换器
Xiwen Zhang1, Chuanzhong Xuan1, Yanhua Ma2
1College of Mechanical and Electrical Engineering, Inner Mongolia Agricultural University, Inner Mongolia, Hohhot 010018, China; Inner Mongolia Engineering Research Center for Intelligent Facilities in Prataculture and Livestock Breeding, Inner Mongolia, Hohhot 010018, China.
概括
一个新的羊面部识别模型,ViT-Sheep,使用视觉转换器 (ViT) 技术来准确识别动物. 这种人工智能方法以97.9%的准确度提高了牲畜福利和农场管理.
科学领域:
- 人工智能的人工智能
- 计算机视觉 计算机视觉
- 动物科学动物科学
背景情况:
- 准确的个体动物识别对于动物福利和农场生产效率至关重要.
- 无线电频率识别 (RFID) 在满足当前动物识别实际应用要求方面存在局限性.
- 现有的动物识别方法需要改进,以实现精确管理.
研究的目的:
- 提出ViT-Sheep,一种使用视觉转换器 (ViT) 架构的新型羊面部识别模型.
- 通过先进的识别技术,提高精确的动物管理和改善牲畜福利.
- 将基于ViT的模型与传统的卷积神经网络 (CNN) 方法的性能进行比较.
主要方法:
- 收集了160个绵羊面部图像的数据集,用于模型培训和评估.
- 开发了基于CNN和ViT架构的羊面部识别模型.
- 实施针对ViT的有针对性的改进,包括LayerScale模块和转移学习,以增强功能学习和准确性.
主要成果:
- 在羊脸图像数据集上,ViT-Sheep模型实现了97.9%的识别精度.
- 与CNN模型相比,拟议的基于ViT的模型表现出优越的性能.
- 该研究证实了ViT在羊面部识别方面的稳定性和有效性.
结论:
- ViT-Sheep为羊的面部识别提供了一个高度准确和强大的解决方案.
- 这些发现支持人工智能在绵羊生产中的实际应用,以改善管理和福利.
- 这项研究推动了深度学习在牲畜识别系统中的应用.
