[发明专利]一种基于深度学习算法的羊只个体身份识别方法

说明书

本发明公开了一种基于深度学习算法的羊只个体身份识别方法，包括：采用SSD网络预训练模型，对羊只个体的数据集进行边界框检测，并对边界框进行切割处理；采用迁移学习的预训练模型Resnet18，对羊只个体特征进行学习；采用三元组损失函数与交叉熵损失函数的联合优化损失函数，对羊只个体进行身份识别；其中，采用实验对比方法，确定最佳的联合优化损失函数的系数。对于羊只个体，能够自动高效进行基于图像的智能识别，从而节省了专业养殖人员人工标记的时间成本与标记成本之外，以“无接触，低成本，高收益，无伤害”的原则不伤害羊只个体的同时，提出了羊只个体身份识别的深度学习思路，为相似度高的动物个体身份识别也提供了研究思路。

技术领域

本发明涉及计算机图像学技术领域，更具体的涉及一种基于深度学习算法的羊只个体身份识别方法。

背景技术

在现代化的养殖与育种工作中，畜牧业作为农业发展中至关重要的一个分支，特别是对于中国西北地区来说，提高畜牧业的智慧发展程度更是提高农村经济和农业生活水平的关键，智慧养殖中对个体进行实时检测和识别是亟需解决的首要问题。通过对动物个体或群体的实时信息掌握，可以预警突发事件；也可以通过构建不同的评价指标实时掌握动物个体的健康状况，同时，个体识别也是实现大数据管理蓄种的基础技术之一。

牲畜的传统身份标记方法分为具有永久性损伤的刻烙印法、耳标的外置标签法及外置的RFID设备标签等方法。传统标记动物方法，无论是刻耳烙印或者是耳标的外置等方法都容易对动物造成不同程度的伤害，例如传统的刻烙印法，对动物的刺激性很大，从而会对牲畜造成一定的伤害；另外，耳标外置标签法，不仅会造成动物的耳部易发生感染，也会因为动物本身的活动性导致耳标丢失等问题。

发明内容

本发明实施例提供一种基于深度学习算法的羊只个体身份识别方法，用以解决上述背景技术中存在的问题。

本发明实施例提供一种基于深度学习算法的羊只个体身份识别方法，包括：

采用SSD网络预训练模型，对羊只个体的数据集进行边界框检测，并对边界框进行切割处理；

采用迁移学习的预训练模型Resnet18，对羊只个体特征进行学习；

采用三元组损失函数与交叉熵损失函数的联合优化损失函数，对羊只个体进行身份识别；其中，采用实验对比方法，确定最佳的联合优化损失函数的系数。

进一步地，所述SSD网络预训练模型，包括：

第一部分卷积层为VGG-16，用于提取低尺度的特征映射图；

第二部分为连接上一部分网络输出的特征映射图，通过卷积神经网络输出4个高尺度的特征信息，用于提取高尺度的特征映射图；

最后一部分是预测高尺度的特征映射图中每个点的矩形框信息和所属类信息。

进一步地，本发明实施例提供的基于深度学习算法的羊只个体身份识别方法，还包括：采用Fancy PCA方式对切割后的数据集进行扩容处理：

根据三元组损失函数所需的数据组对，将切割后的数据集组合为positive数据对及negative数据对。

进一步地，所述预训练模型Resnet18，包括：

预训练模型Resnet18为羊只身份识别的初始化网络；

网络结构ResNet18，数字代表的是网络深度，这里的18为17层卷积层和1层全连接层，不包括池化层和BN层。

进一步地，所述联合优化损失函数为：

loss_all＝λloss_triplet+ηloss_CrossEntropy