【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...
【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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。