[发明专利]一种基于改进Alexnet网络的羊脸识别方法

说明书

本发明公开了一种基于改进Alexnet网络的羊脸识别方法，包括以下步骤：S1，采集自然场景下n只羊的羊脸视频数据，并将采集到的羊脸视频数据转换为羊脸图片数据；S2，对所述羊脸图片数据进行筛选，得到羊脸数据集；将所述羊脸数据集划分为训练集和测试集，所述训练集和测试集中均划分有正脸数据集、侧脸数据集和羊个体数据集；S3，将所述训练集输入到改进后的Alexnet网络中进行训练，得到训练后的网络模型；S4，将所述测试集输入到训练后的网络模型中，得到羊脸分类结果；S5，验证模型鲁棒性，采集所述n只羊m天之后的羊脸图片数据作为验证集，将所述验证集输入到训练后的网络模型中，得到验证集羊脸识别的准确率。

技术领域

本发明属于畜牧业图像处理技术领域，具体涉及一种基于改进Alexnet网络的羊脸识别方法。

背景技术

根据中国羊产业研究报告显示，近十年来，中国的羊肉产量呈稳步上升趋势，2019年羊肉产量高达488万吨。同时，近十年来，中国的羊肉消费量呈大体上升趋势，2019年羊肉消费量高达527万吨。在未来十年内，羊肉的需求量会逐步上升，养羊业的前景良好，可以带来良好的经济效益。

随着现代化技术的进步，养羊业正由小规模、散养型向集约化、规模化方向发展，且目前正处于初始阶段。羊个体的精准识别是智能化养殖的前提，在羊个体成长记录、育种管理、健康状况、行为分析等方面起着很重要的作用。在目前，对于羊疾病的判断，主要通过饲养员的巡回检查来判断，存在主观意识且不能及时发现，同时增加了人畜接触的机会。

对于羊个体的识别方式经历了：以剪耳、烙印等为代表的传统识别方式，到目前的管理耳标、电子耳标的成熟阶段。传统的识别方式具有较低的准确性、唯一性和实用性，较高的数据要求，且不符合动物的福利化。规模化羊场以耳标管理为主，在佩戴耳标时容易造成羊的应激反应，在运动过程中容易造成脱落。综上，接触性识别羊个体容易造成应激反应，且不利于羊的福利化，因此，急需易于操作、时效性强、高效、准确、非接触式的识别羊的个体，而羊脸面部拥有丰富的特征，可以满足个体非接触式识别的需求，是未来智慧羊场识别羊个体的需求。

羊脸识别是通过面部图像处理技术实现对羊个体的识别。随着人工智能的快速发展，已经由传统的人工提取特征算子到深度学习阶段，而现有的羊脸识别方法主要有：基于混合贝叶斯方法与深度学习的羊脸识别（参见Aya Salama et al.《Sheep IdentificationUsing a Hybrid Deep Learning and Bayesian Optimization Approach》《IEEE Access》DOI: 10.1109/ACCESS.2019.2902724），仅实现五种姿态的羊脸；魏斌以embeddings与VGG16相结合，实现对17只羊共824张正脸图片的识别，识别准确率为91%（参见魏斌 《基于深度学习的羊脸检测与识别》西北农林科技大学硕士论文）。因此，目前羊脸识别正面临的挑战：第一，获取不同姿态的羊脸数据集；第二，没有较大的数据集；第三，研究领域仅实现相同时间采集的羊脸数据进行实验，未跟踪100天后的同一只羊的羊脸识别。

发明内容

本发明的目的是针对现有技术存在的问题，提供一种基于改进Alexnet网络的羊脸识别方法。

为实现上述目的，本发明采用的技术方案是：

一种基于改进Alexnet网络的羊脸识别方法，包括以下步骤：

S1，采集自然场景下n只羊的羊脸视频数据，并将采集到的羊脸视频数据转换为羊脸图片数据；

S2，对所述羊脸图片数据进行筛选，得到羊脸数据集；将所述羊脸数据集划分为训练集和测试集，所述训练集和测试集中均划分有正脸数据集、侧脸数据集和羊个体数据集；

S3，将所述训练集输入到改进后的Alexnet网络中进行训练，得到训练后的网络模型；

S4，将所述测试集输入到训练后的网络模型中，得到羊脸分类结果；