复杂场景下奶牛个体身份识别方法研究

作     者：张瑞红 

作者单位：河南科技大学 

学位级别：硕士

导师姓名：姬江涛;赵博

授予年度：2022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] 

主      题：复杂场景 颈环ID标牌 ID标牌识别 级联式检测 体斑特征 

摘      要：获取的动物个体信息需要与个体身份相对应,才能实现奶牛个体情况的实时监测,从而提高奶牛个体的健康和福利水平。针对养殖场景下奶牛个体身份识别存在的光照复杂、形变复杂、尺度复杂和环境复杂等问题,本文基于深度学习和图像处理技术,开展了奶牛颈环ID标牌自动定位和识别方法研究以及奶牛躯干定位和体斑分类方法研究,为规模化牧场的动物非接触识别提供参考。主要研究内容如下。(1)针对复杂养殖环境下奶牛颈环ID标牌定位存在的目标变形、光照不均匀、目标尺度小和污渍遮挡等问题,测试现有的不同标牌定位方法,包括基于颜色和轮廓的传统定位方法、级联检测器方法、实例分割方法,并提出了一种基于深度学习的级联式标牌定位和分割方法:首先采用Efficient Det-d4模型定位包围ID标牌的矩形框,然后利用YOLACT++模型将矩形框内的ID标牌按照其轮廓精准分割出来。对比和分析了不同标牌定位方法的性能,结果表明所提出的级联式标牌定位和分割方法相较于现有的定位方法识别精度有很大的提升,实现了96.5%的分割精度,对标牌的面积、标牌的变形、光照以及变化的背景均具有良好的鲁棒性。(2)提出了基于图像处理的字符分割方法,主要包括灰度化、灰度变换、二值化、形态学处理、水平投影分割和尺寸归一化几个步骤。并根据ID标牌图像的特征确定了不同步骤的处理方法和参数。试验结果表明该方法能够达到97.5%的字符检出率。(3)分析了常用的字符识别方法,参考手写数字识别网络Le Net-5构建了字符识别模型。采用随机旋转和平移增强图像数据,解决数据不平衡问题。根据多次训练结果确定训练参数,并采用十折交叉验证法训练字符识别模型。试验结果显示,字符识别准确率为95.4%,对字符图像的旋转、平移、遮挡和缺失等复杂情况均具有较强的鲁棒性。(4)研究了基于体斑特征的奶牛个体识别方法。利用背景减去法、计算图像密度等设计了一种奶牛目标定位和体斑图像提取方法,并分别研究了特征点检测和匹配法、深度学习法对体斑特征的分类性能。试验结果显示,基于Efficient NetB0的体斑分类模型实现了96.88%的准确率。对于采用颈环ID标牌识别法不能被识别的奶牛图像,可以采用基于体斑特征的奶牛个体识别方法识别图像中的奶牛个体身份,从而提高不同场景下的奶牛个体身份识别精度。