农业机械学报

作者：司永胜，王朝阳，张艳，王克俭，刘刚

单位：河北农业大学,河北农业大学,河北农业大学,河北农业大学,中国农业大学,

关键词：奶牛;非限制条件;个体识别;机器视觉;特征提取;特征融合

基金：河北省重点研发计划项目(22327404D)、国家重点研发计划项目（2021YFD1300502）和河北农业大学精准畜牧学科群建设项目（1090064）

针对非限制条件下奶牛的个体识别，提出了一种基于深度特征与传统特征融合的奶牛识别方法。首先利用Mask R-CNN识别站立和躺卧姿态下的奶牛。其次，用两种方法提取奶牛的特征概率向量：用卷积神经网络(Convolutional neural network, CNN)提取Softmax层概率向量形式的深度特征；人工提取并利用近邻成分分析(Neighbourhood component analysis，NCA)选择传统特征，并将其输入支持向量机(Support vector machine, SVM)模型，输出概率向量。最后对两种特征进行融合，并基于融合后的特征采用SVM对奶牛进行分类。对58头奶牛站立和躺卧姿态的数据集进行了个体识别实验，结果表明，对于站立和躺卧姿态下的奶牛，与单独使用深度特征相比，特征融合方法准确率分别提高约3个百分点和2个百分点；与单独使用传统特征相比，特征融合方法准确率分别提高约5个百分点和10个百分点。站立和躺卧姿态下的奶牛个体识别率分别达到98.66%和94.06%。本文研究结果可为智能奶牛行为分析、疾病检测等提供有效的技术支持。

来源：2023年第6期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第6期