改善已知未知牛的面部识别,以实现智能畜牧农场管理
Yao Meng1,2, Sook Yoon3, Shujie Han1,2
1Department of Electronic Engineering, Jeonbuk National University, Jeonju 54896, Republic of Korea.
Animals : an open access journal from MDPI
|November 25, 2023
概括
这项研究引入了一种新的方法来识别单个牛的面孔,甚至是未知的面孔,提高精确的畜牧养殖. 该方法提高了识别已知和新牛的准确性,有助于群体管理.
科学领域:
- 精准畜牧业 精准畜牧业 精准畜牧业 精准畜牧业
- 计算机视觉 计算机视觉
- 动物科学动物科学
背景情况:
- 准确的牛个体识别对于精确的畜牧业,疾病预防和动物福利至关重要.
- 由于面部相似性和均的身体颜色,区分单独的Hanwoo牛是具有挑战性的.
- 现有的方法经常与开放式识别作斗争,其中未知个体也必须被识别.
研究的目的:
- 开发一套强大的牛脸开放式识别 (CFOSR) 系统,能够识别已知和未知的汉武牛.
- 通过整合开放式集识别技术来提高封闭集识别的准确性.
- 通过可靠的牛个体识别来改进群体监测和库存管理.
主要方法:
- 整合对抗互点学习 (ARPL) 以减少已知和未知牛之间的特征空间重叠.
- 添加边际软max损失 (AM-Softmax) 的应用,以改进已知的个体的分类,优于传统的交叉损失.
- 使用现实数据集进行验证,以评估在开放式和封闭式识别场景中的性能.
主要成果:
- 拟议的CFOSR方法在开放集识别中表现出卓越的性能,AUROC为91.84和OSCR为87.85.
- 封闭式识别精度达到94.46%,验证了集成技术的有效性.
- 经验结果证实了增强的类内紧性和类间分离性,这对于准确的识别至关重要.
结论:
- 新型CFOSR方法有效地解决了在精密畜牧业中识别已知和未知的牛的挑战.
- 整合ARPL和AM-Softmax在牛面部识别现有算法上取得了重大进展.
- 这项研究为改善群体管理系统提供了基础,特别是在多样化或动态的群体环境中.
