[发明专利]一种信鸽亲缘关系分析方法、装置及存储介质

说明书

本申请提供一种信鸽亲缘关系分析方法、装置及存储介质，该方法包括：获取多个信鸽虹膜图像样本组及其对应的标签，所述信鸽虹膜图像样本组包括多张信鸽虹膜图像，所述标签用于指示所述多张信鸽虹膜图像各自对应的信鸽之间的亲缘关系；根据所述信鸽虹膜图像样本组及其对应的标签对预设的孪生神经网络进行训练，得到训练后的信鸽虹膜神经网络模型；根据所述信鸽虹膜神经网络模型对待分析信鸽虹膜图像进行亲缘关系分析。

技术领域

本申请涉及生物特征分析技术领域，具体而言，涉及一种信鸽亲缘关系分析方法、装置及存储介质。

背景技术

目前，信鸽亲缘关系一般是通过经验识别法来进行识别，即通常依赖于专家经验，重点分析信鸽的虹膜图像，并辅以观察信鸽的身形、羽毛颜色等来识别信鸽的亲缘关系，但这种方法存在着识别效率低、准确率低的问题。

发明内容

本申请实施例的目的在于提供一种信鸽亲缘关系分析方法、装置及存储介质，用以解决经验识别法存在的识别效率低、准确率低的问题。

为了实现上述目的，本申请提供了以下技术方案如下：

第一方面：本申请提供一种信鸽亲缘关系分析方法，所述方法包括：获取多个信鸽虹膜图像样本组及其对应的标签，所述信鸽虹膜图像样本组包括多张信鸽虹膜图像，所述标签用于指示所述多张信鸽虹膜图像各自对应的信鸽之间的亲缘关系；根据所述信鸽虹膜图像样本组及其对应的标签对预设的孪生神经网络进行训练，得到训练后的信鸽虹膜神经网络模型；根据所述信鸽虹膜神经网络模型对待分析信鸽虹膜图像进行亲缘关系分析。

在上述设计的方案中，通过大量的具有亲缘关系的信鸽虹膜图像数据训练能够辨别信鸽亲缘关系的信鸽虹膜神经网络模型，进而通过训练得到的信鸽虹膜神经网络模型对待分析的信鸽虹膜图像进行分析，达到根据信鸽虹膜图像自动识别信鸽亲缘关系的目的，上述相比于经验分析法，分析结果更加稳定、可靠，相比于通过DNA来鉴别信鸽的亲缘关系的方法，本申请对设备和实验条件的依赖相对简单，并且提高了识别效率，降低了成本。

在第一方面的可选实施方式中，所述获取多个信鸽虹膜图像样本组及其对应的标签之前，还包括：采集所述信鸽虹膜图像，对所述信鸽虹膜图像按其亲缘关系进行分类和标注，得到对应的多个信鸽虹膜图像样本组及每个信鸽虹膜图像样本组对应的标签，并将所述多个信鸽虹膜图像样本组及其对应的标签关联存储到数据库中。

在第一方面的可选实施方式中，所述信鸽虹膜图像样本组包括第一信鸽虹膜图像和第二信鸽虹膜图像；所述根据所述信鸽虹膜图像样本组及其对应的标签对预设的孪生神经网络进行训练，得到训练后的信鸽虹膜神经网络模型，包括：从多个信鸽虹膜图像样本组中选择一个信鸽虹膜图像样本组作为当前信鸽虹膜图像样本组；将当前信鸽虹膜图像样本组的第一信鸽虹膜图像、第二信鸽虹膜图像及对应的标签输入孪生神经网络，以分别提取所述当前信鸽虹膜图像样本组的第一信鸽虹膜图像和第二信鸽虹膜图像各自对应的特征向量；根据所述第一信鸽虹膜图像的特征向量、第二信鸽虹膜图像的特征向量及对应的标签，通过对比损失函数计算所述当前信鸽虹膜图像样本组对应的训练损失；根据所述多个信鸽虹膜图像样本组中每个信鸽虹膜图像样本组对应的训练损失计算所述多个信鸽虹膜图像样本组的训练损失平均值；根据所述训练损失平均值、反向传播算法及优化算法更新迭代所述信鸽虹膜神经网络模型的各个参数；判断当前迭代累计次数是否超过预设的迭代次数，或所述信鸽虹膜神经网络模型的各个参数是否收敛；若当前迭代累计次数超过预设的迭代次数或所述信鸽虹膜神经网络模型的各个参数收敛，则得到训练后的信鸽虹膜神经网络模型；若当前迭代累计次数没有超过预设的迭代次数且所述信鸽虹膜神经网络模型的各个参数不收敛，则返回执行所述从多个信鸽虹膜图像样本组中选择一个信鸽虹膜图像样本组作为当前信鸽虹膜图像样本组的步骤。

在第一方面的可选实施方式中，所述对比损失函数L为：