[发明专利]一种栅栏过道式牛体健康数据提取装置及其智能提取方法

说明书

本发明涉及一种栅栏过道式牛体健康数据提取装置及其智能提取方法，与现有技术相比解决了牛体健康识别无法满足实际使用需要的缺陷。本发明中栅栏过道的底部安装有电子体重秤，所述的栅栏过道上安装有均与服务器相连接的摄像头A、摄像头B、摄像头C、摄像头D、摄像头E和摄像头F，所述的摄像头A、摄像头B和摄像头C均为可见光图像采集摄像头，所述的摄像头D、摄像头E和摄像头F均为可见光及红外图像采集摄像头。本发明使用图像合成策略生成牛正面图像，解决了过道式牛健康信息采集设备正面图像采集设备容易被牛破坏的难题，通过合成的非接触式牛脸体温，能够准确测得牛额头位置的温度。

技术领域

本发明涉及畜牧信息化技术领域，具体来说是一种栅栏过道式牛体健康数据提取装置及其智能提取方法。

背景技术

畜牧养殖业是我国农业重要的组成部分，畜牧养殖信息化是提升畜牧养殖业效率的重要途径。在大规模化牛场中要实现对牛个体自动化、信息化的日常精细化管理，实现对每头牛的健康状况追踪以及奶源和肉制品追溯，必须实现质量追溯体系的搭建与完善，而关键又在于对牛个体身份的识别。传统的牛只身份识别以耳标、烙印、颈链和刺标等人工观测方法为主，这些方法不仅费时费力，且易引发应激反应，造成牛只和人员损伤，因此有必要建立非接触式的监测模型。

国内外一些知名学者和生物识别技术公司也开始了非接触式动物个体跟踪识别的研究。Allen等抛开传统的RFID技术识别，使用牛的虹膜进行身份识别，为了实验需要，采集了869只牛的1738个视网膜图像(均取自牛的双眼)进行牛的虹膜识别，再根据虹膜的独特性，判断牛的类型，其最大识别率达到98.30％，但是此方法在自然环境下难以采集到牛的虹膜图像，且虹膜采集设备昂贵，因此无法得到普及。Xia等尝试采用稀疏编码分类与主成分分析、卡方距离检测等相结合的方式进行牛脸面部特征的描述，然而这种方法只关注牛的正脸，且前期采集工作量大，在实际应用中较难实现。

Kim等人采集12头无明显身体花纹特征的日本和牛脸部数据集，首先输入到联想记忆神经网络中训练学习，然后计算其特征参数，最后进行牛脸识别，该方法证明牛脸识别技术是可行的。Kumar等人将传统的特征提取、特征降维和分类器模型进行组合搭配，分析对比这些组合在牛脸识别中的效果。

CN106778902A也公开了一种基于卷积神经网络的奶牛个体识别方法，该方法利用光流法或帧间差分法提取奶牛躯干图像，并使用卷积神经网络提取特征，结合奶牛的纹理特征实现奶牛个体的有效识别。

陈娟娟等研究了一种基于改进特征袋(BOF)的奶牛个体识别算法，该方法采用自建的奶牛面部数据，首先采用优化方向梯度直方图(HOC)进行牛脸特征提取，然后用空间金字塔匹配原理(SPM)进行分类，最终识别准确率达95.3％。赵凯旋等将深度学习引入牛只个体识别中，首先提取奶牛躯干图像，然后将其输入到卷积神经网络，实现奶牛个体的准确识别，对30头奶牛进行测试，视频段识别准确率可达93.33％。朱敏玲等提出以CNN为主体且引入ResNet和SVM相结合的牛脸识别与检测的算法与模型，实验结果准确率达95.1％以上。Xu等提出了一种将轻量级RetinaFace-mobilenet与加性角边距损失(ArcFace)集成在一起的新型牛脸识别框架，即CattleFaceNet，牛脸识别准确率达到91.3％。Li等设计了一种包含了6个卷积层的轻量级神经网络用于牛脸检测，对103只牛实验结果表明，所提模型的准确率为98.37％。以上说明深度学习算法在牛个体检测中具有较高的应用价值。