一种基于深度学习目标检测技术的肉牛身份识别方法技术

本发明专利技术涉及一种基于深度学习目标检测技术的肉牛身份识别方法，包括：采集肉牛正面图像，建立数据集，并将数据集划分为训练集、验证集和测试集，建立并训练肉牛五官定位深度学习网络模型；录入肉牛身份信息；进行视频帧筛选；进行特征指标比对，输出肉牛个体身份识别结果。本发明专利技术中牛个体身份识别使用非接触式测量方法，减少了牛的应激反应，避免了牛只和人员损伤；本发明专利技术中使用了深度学习技术，无需特殊的专用设备，大大降低了成本与部署工作量，识别方法也更加方便快捷；本发明专利技术中使用牛脸图像进行身份识别，跟牛口鼻纹、牛虹膜和牛侧身图像相比具有唯一性、差异性和普遍性的特点，识别精度和实用性更高。别精度和实用性更高。别精度和实用性更高。

【技术实现步骤摘要】
一种基于深度学习目标检测技术的肉牛身份识别方法


[0001]本专利技术涉及肉牛养殖
，尤其是一种基于深度学习目标检测技术的肉牛身份识别方法。

技术介绍

[0002]随着畜牧养殖业向规模化、信息化、精细化的方向发展，集约化牛场将渐渐取代散户养殖等小规模的养殖模式。在大规模化牛场中要实现对牛个体自动化、信息化的日常精细化管理，实现对每头牛的健康状况追踪以及奶源和肉制品追溯，必须实现质量追溯体系的搭建与完善，而关键又在于对牛个体身份的识别。
[0003]目前，传统的牛个体身份识别主要是通过物理方法进行标记，包括耳标法、截耳法、角部烙字法、刺墨法以及嵌入芯片等。这些识别方法都是通过侵入性的方法对单个牛进行识别和验证，规模较大时容易产生丢失和被篡改的风险，动物福利也较差，而且用物理方法进行标记相当地耗费人力物力，导致牛个体身份识别的成本高昂。当采用耳标对奶牛进行编号时，长时间的佩戴会使得奶牛耳标出现磨损、脱落等情况导致无法使用。这种方式会影响养殖过程中生产力的提升，不能够适应于现代化规模养殖的需求。同时，利用无线射频技术(Radio Frequency Identification，RFID)对奶牛个体信息进行获取可以提升养殖管理的效率。但是，采用这种方式的系统硬件存在高成本以及识别范围的问题，同时维护起来也较为困难。
[0004]为了解决传统牛个体身份识别方法成本高、易丢失和篡改的问题，研究者们逐渐将目光转移到基于牛生物特征图像的非接触式身份识别方法研究上。
[0005]深度学习在各类图像问题上均达到了不错的效果，在人脸识别上已经能够达到高的准确率。因此可以使用深度学习技术来尝试解决牛个体识别问题，这样只需要采集牛的图像即可，对牛没有任何伤害。同时，使用深度学习技术也不需要特殊的专用设备，大大降低了成本与部署工作量，识别方法也更加方便快捷。目前，国内外研究牛生物特征的数据集主要有牛口鼻纹数据集、牛虹膜数据集、牛侧身数据集和牛面部数据集，牛口鼻纹数据集和虹膜数据集，虽然识别效率高，但是采集数据方面比较困难，因为主要看牛是否配合操作者，当牛饥饿或疾病等身体不适时会不停的晃头或身体姿势变化很大，以及害怕陌生人的靠近时实用性就会大打折扣。牛侧身数据集主要用于识别身上有特别花纹的牛，不适合没有花纹的牛。

技术实现思路

[0006]本专利技术的目的在于提供一种使用非接触式测量方法，识别方法更加方便快捷，识别精度和实用性更高的基于深度学习目标检测技术的肉牛身份识别方法。
[0007]为实现上述目的，本专利技术采用了以下技术方案：一种基于深度学习目标检测技术的肉牛身份识别方法，该方法包括下列顺序的步骤：
[0008](1)采集肉牛正面图像，建立数据集，并将数据集划分为训练集、验证集和测试集，
建立并训练肉牛五官定位深度学习网络模型；
[0009](2)录入肉牛身份信息；
[0010](3)进行视频帧筛选；
[0011](4)进行特征指标比对，输出肉牛个体身份识别结果。
[0012]所述步骤(1)具体包括以下步骤：
[0013](1a)拍摄不少于3000幅肉牛正面图像，并对肉牛眼睛、耳朵、鼻子和嘴巴进行框选标注，制作数据集；
[0014](1b)将数据集按照5：3：2的比例划分为训练集、验证集和测试集，建立肉牛五官定位深度学习网络模型，肉牛五官定位深度学习网络模型采用yoloV5网络模型，将训练集和验证集输入yoloV5网络模型进行训练，并使用测试集进行验证，当测试集定位的的眼睛、耳朵、鼻子和嘴巴交并比均高于95％，停止训练肉牛五官定位深度学习网络模型，保存yoloV5网络模型用于后续识别。
[0015]所述步骤(2)具体是指：
[0016]在肉牛入栏时，先录入肉牛面部信息：在牛场采集肉牛正面图像，使用肉牛五官定位深度学习网络模型检测眼睛、耳朵、鼻子和嘴巴，获取肉牛眼睛、耳朵、鼻子和嘴巴的定位框重心和框尺寸，其中肉牛左眼睛中心坐标为(x_eye_l,y_eye_l),框尺寸为(l_eye_l,w_eye_l)；肉牛右眼睛中心坐标为(x_eye_r,y_eye_r),框尺寸为(l_eye_r,w_eye_r)；肉牛左耳朵中心坐标为(x_ear_l,y_ear_l),框尺寸为(l_ear_l,w_ear_l)；肉牛右耳朵中心坐标为(x_ear_r,y_ear_r),框尺寸为(l_ear_r,w_ear_r)；肉牛鼻子中心坐标为(x_nose,y_nose),框尺寸为(l_nose,w_nose)；肉牛嘴巴中心坐标为(x_mouse,y_mouse),框尺寸为(l_mouse,w_mouse)；
[0017]计算如下指标作为识别肉牛身份的特征：
[0018]眼间距：d_eyetoeye＝((x_eye_l
‑
x_eye_r)2+(y_eye_l
‑
y_eye_r)2)
0.5
[0019]眼平均尺寸：
[0020]d_eyesize＝0.5*(((l_eye_l
‑
l_eye_l)2+(w_eye_l
‑
w_eye_l)2)
0.5
+
[0021]((l_eye_r
‑
l_eye_r)2+(w_eye_r
‑
w_eye_r)2)
0.5)
[0022]眼睛颜色：肉牛左眼和右眼定位框中R、G、B共3个通道灰度的平均值；
[0023]耳平均尺寸：
[0024]d_earsize＝0.5*(((l_ear_l
‑
l_ear_l)2+(w_ear_l
‑
w_ear_l)2)
0.5
+
[0025]((l_ear_r
‑
l_ear_r)2+(w_ear_r
‑
w_ear_r)2)
0.5)
[0026]鼻尺寸:
[0027]d_nosesize＝0.5*(((l_nose_l
‑
l_ear_l)2+(w_nose_l
‑
w_nose_l)2)
0.5
+((l_
[0028]nose_r
‑
l_nose_r)2+(w_nose_r
‑
w_nose_r)2)
0.5)
[0029]口尺寸:
[0030]d_mousesize＝
[0031]0.5*(((l_mouse_l
‑
l_ear_l)2+(w_mouse_l
‑
w_mouse_l)2)
0.5
+
[0032]((l_mouse_r
‑
l_mouse_r)2+(w_mouse_r
‑
w_mouse_r)2)
0.5)
。
[0033]所述步骤(3)具本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习目标检测技术的肉牛身份识别方法，其特征在于：该方法包括下列顺序的步骤：(1)采集肉牛正面图像，建立数据集，并将数据集划分为训练集、验证集和测试集，建立并训练肉牛五官定位深度学习网络模型；(2)录入肉牛身份信息；(3)进行视频帧筛选；(4)进行特征指标比对，输出肉牛个体身份识别结果。2.根据权利要求1所述的基于深度学习目标检测技术的肉牛身份识别方法，其特征在于：所述步骤(1)具体包括以下步骤：(1a)拍摄不少于3000幅肉牛正面图像，并对肉牛眼睛、耳朵、鼻子和嘴巴进行框选标注，制作数据集；(1b)将数据集按照5：3：2的比例划分为训练集、验证集和测试集，建立肉牛五官定位深度学习网络模型，肉牛五官定位深度学习网络模型采用yoloV5网络模型，将训练集和验证集输入yoloV5网络模型进行训练，并使用测试集进行验证，当测试集定位的的眼睛、耳朵、鼻子和嘴巴交并比均高于95％，停止训练肉牛五官定位深度学习网络模型，保存yoloV5网络模型用于后续识别。3.根据权利要求1所述的基于深度学习目标检测技术的肉牛身份识别方法，其特征在于：所述步骤(2)具体是指：在肉牛入栏时，先录入肉牛面部信息：在牛场采集肉牛正面图像，使用肉牛五官定位深度学习网络模型检测眼睛、耳朵、鼻子和嘴巴，获取肉牛眼睛、耳朵、鼻子和嘴巴的定位框重心和框尺寸，其中肉牛左眼睛中心坐标为(x_eye_l,y_eye_l),框尺寸为(l_eye_l,w_eye_l)；肉牛右眼睛中心坐标为(x_eye_r,y_eye_r),框尺寸为(l_eye_r,w_eye_r)；肉牛左耳朵中心坐标为(x_ear_l,y_ear_l),框尺寸为(l_ear_l,w_ear_l)；肉牛右耳朵中心坐标为(x_ear_r,y_ear_r),框尺寸为(l_ear_r,w_ear_r)；肉牛鼻子中心坐标为(x_nose,y_nose),框尺寸为(l_nose,w_nose)；肉牛嘴巴中心坐标为(x_mouse,y_mouse),框尺寸为(l_mouse,w_mouse)；计算如下指标作为识别肉牛身份的特征：眼间距：d_eyetoeye＝((x_eye_l
‑
x_eye_r)2+(y_eye_l
‑
y_eye_r)2)
0.5
眼平均尺寸：d_eyesize＝0.5*(((l_eye_l
‑
l_eye_l)2+(w_eye_l
‑
w_eye_l)2)
0.5
+((l_eye_r
‑
l_eye_r)2+(w_eye_r
‑
w_eye_r)2)
0.5)
眼睛颜色：肉牛左眼和右眼定位框中R、G、B共3个通道灰度的平均值；耳平均尺寸：d_earsize＝0.5*(((l...

【专利技术属性】
技术研发人员：张石，张淦，张东彦，李威风，周云飞，陈汉，黄小平，
申请(专利权)人：宿州共福园畜牧养殖有限公司，
类型：发明
国别省市：