一种基于三维绵羊脸部重建和特征点匹配的羊鉴定方法.

科学领域:

• 农业科学 农业科学
• 计算机视觉 计算机视觉
• 人工智能的人工智能

背景情况:

• 绵羊行业的现代化需要大数据集成,以实现精确的繁殖和提高效率.
• 准确的个体绵羊识别对于数字化绵羊养殖场和精准畜牧业至关重要.
• 目前用于羊面部识别的深度学习方法仅限于2D图像级模式识别.

研究的目的:

• 开发一种新的羊面部识别方法,使用3D重建和小尾汉族羊的特征点匹配.
• 丰富羊面部识别技术的理论研究,并为智能绵羊养殖提供技术支持.

主要方法:

• 采集了全角绵羊脸部图像,并使用3D重建技术生成了3D绵羊脸部模型.
• 开发了羊脸定向识别算法 (SFORA),结合了ECA机制以提高性能.
• 采用SuperGlue特征匹配算法匹配3D绵羊面部图像进行识别.

主要成果:

• SFORA实现了5.3 MB的模型大小,准确率为99.6%,F1得分为99.5%.
• 超级在0.4信心值下表现出最佳匹配性能,精度为96.0% (前面),94.2% (左侧) 和96.3% (右侧).
• 综合方法提供了强大的绵羊面部识别能力.

结论:

• 拟议的3D羊面部识别方法为现有的2D方法提供了多样化和有效的替代方案.
• 这项研究为开发智能绵羊养殖系统提供了重要的技术支持.
• 该研究推进了羊面部识别技术的理论基础.