基于色彩点云的自动牛识别系统使用混合PointNet++语网络
Pyae Phyo Kyaw1, Pyke Tin1, Masaru Aikawa2
1Graduate School of Engineering, University of Miyazaki, Miyazaki, 889-2192, Japan.
Scientific reports
|July 2, 2025
概括
这项研究引入了一种新的牛识别系统,使用彩色点云和深度学习,达到99.55%的准确性. 该系统可以在不需要再培训的情况下识别单个牛,从而加强了农场管理和健康监测.
科学领域:
- 计算机视觉 计算机视觉
- 动物科学动物科学
- 机器学习 机器学习
背景情况:
- 手动的牛健康检查是劳动密集型的.
- 现有的二维视觉系统难以应对环境变化,需要为新牛进行再培训.
- 准确的牛标识对于有效的健康监测系统至关重要.
研究的目的:
- 开发一种使用彩色点云的新型,可适应的牛识别系统.
- 克服现有的基于二维视觉的方法的局限性.
- 为了能够准确地识别单个牛,而不需要模型再培训.
主要方法:
- 使用RGB-D摄像头捕捉彩色点云.
- 实施了一种混合检测方法,将二维深度图像分析和点云转换相结合.
- 采用轻量级跟踪方法与基于 IoU 的匹配和面具大小分析.
- 开发了一个PointNet++语网络,用于特征提取和识别,具有三重损失.
主要成果:
- 在13天内实现了99.55%的平均识别准确性.
- 在没有重新训练模型的情况下,成功识别了个体牛,包括未知的个体.
- 从颜色点云中证明了强大的特征提取.
结论:
- 拟议的基于彩色点云的系统为牛的识别提供了一个高度准确和可适应的解决方案.
- 这项技术可以集成到全面的牛健康监测系统中.
- 消除了对模型再培训的需求,提高了动态农场环境中的效率.
