基于YOLO-Unet组合网络的牛只个体识别方法研究

作     者：周意 毛宽民 

作者机构：华中科技大学机械科学与工程学院 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2024年

学科分类：0905[农学-畜牧学] 08[工学] 09[农学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：宁夏回族自治区重点研发计划(2020BBF02016 2021BFH02001) 

主　　题：牛只个体识别 深度学习 目标检测 语义分割 目标识别 泛化能力 

摘      要：非接触式牛只个体识别方法在节约识别成本、简化识别流程和精准识别上具有一定的优势，近年来在牛只个体识别领域有了充分的发展。但现有的研究中存在着识别准确率受环境、天气等外部因素影响过大、模型迁移训练困难等问题。针对上述问题，基于YOLO-Unet组合网络提出了包含三个模块的的牛只个体识别模型。首先，根据YOLOv5模型构建图像提取模块，用以提取牛只面部图像；随后，采用Unet模型构建背景消去模块，用以去除牛只面部图像背景以消除环境影响，进而提升模型泛化性能；最后，使用MobileNetV3构建个体分类模块对经背景消去后的牛只面部图像进行分类。对背景消去模块进行了消融实验，实验结果表明，引入背景消去模块能极大提升模型泛化性能。引入背景消去模块的模型在测试集上的识别准确率为90.48%，相较于未引入背景消去模块的模型提升了11.99个百分点。