基于深度学习的猪脸识别方法研究
常用的猪个体分类技术存在易脱标、易对猪造成应激等问题.文章利用深度学习对猪脸进行识别,建立一种非接触式的猪个体识别方法.基于实际猪场采集的猪脸视频数据集,建立基于GoogleNet、ResNet、SE-ResNet、DenseNet四种不同深度学习模型的猪脸识别方法.通过对建立的4种模型性能进行对比,结果表明,DenseNet模型的性能最优,仅经过20次迭代模型便可达到收敛,通过对2091张图像进行测试,DenseNet的平均精确率最高可达98.47％,平均召回率为98.45％,平均特异率为99.70％.因此,DenseNet可以用作猪脸特征识别模型,可为实现精准化养殖中个体识别提供参考.
猪脸识别;深度学习;图像分类;个体识别;DenseNet
1
TP391(计算技术、计算机技术)
国家自然科学基金面上项目;农业农村部生猪养殖设施工程重点实验室开放课题、国家生猪产业技术体系项目;东北农业大学"东农学者计划"项目
2021-11-15（万方平台首次上网日期，不代表论文的发表时间）
共8页
1-8
