基于计算机视觉的牛个体识别方法研究

  2.1  研究需求分析

  目前传统畜牧业正在不断寻找新的发展模式，不再仅以增产为主，转而更加注重产品的质量与品种，向智能化、精细化、规模化方向发展，提出了精准畜牧业的发展理念，这也是由我国目前的发展现状与时代特征所决定的。将更多的现代化技术与理论应用到传统畜牧业发展的血脉之中，用科学的理念去指导畜牧业从养殖生产到居民消费等各个环节，提升各个环节的生产效率。下面从三个方面对课题需求进行分析：首先，分析课题选择牛作为研究对象的原因。在畜牧业的养殖过程中，不同于其他牲畜，牛作为一种单体经济价值较大的个体具有极高的研究价值。一方面是随着人们生活质量的提高，牛肉成为了餐桌上不可或缺的食材，牛肉制品的市场需求较大；另一方面，牛奶作为一种具有较高营养价值的产品深受人们的喜爱，也成为了奶粉、奶酪、奶油等奶制品的原料。除此以外，牛皮、牛骨、牛蹄与牛角等部位都成为了不同产品的原材料，渗透到人们生活的点点滴滴。但是在牛的饲养过程中，由于疾病风险的困扰以及管理方式、养殖技术的限制，牛的饲养难度较大，而精准畜牧业的实施方案针对不同个体进行精细化饲养在一定程度上可以实现养殖效益的最大化。传统的牲畜个体识别方式也在结合生物特征等信息，向非接触的方式转型升级。其次，分析进行牛个体身份识别的原因。精准畜牧业的提出，意味着我们要通过对牲畜的图像、声音、身体状况、生物指标等数据进行检测与分析，根据获取的数据分析牲畜目前的生长状况、产品质量以及是否存在疾病的隐患，为每一个牲畜个体量身打造个性化的科学饲养方案，从而有效提高畜牧产品的质量。当出现疾病传播时，通过记录的生长数据有效查找传播源头，阻断传播途径，有效降低养殖风险。因此，精准畜牧业作为一套完整的养殖理念与体系，首要的前提与基础就是牲畜的个体身份识别，只有进行精准的识别，才能有效指导后期的生产养殖与管理。最后，分析市场与业务层面的需求：传统的基于穿刺型耳标的牛个体识别方式虽然简单直接，但在实施过程中会对牛的身体产生物理损伤，安装不当甚至会导致耳膜撕裂，这对于牛的个体生长十分不利，对于牛肉的质量以及奶牛的产奶量都会产生负面的影响。基于 RFID 电子耳标的个体识别方式作为目前主流的方式，避免了对牛的物理损伤，但造价成本相对较高，除此以外，在养殖过程中，由于牛的活动范围以及个体差异，耳标极易产生损坏、沾染污渍以及脱落等问题，造成成本的浪费。针对大型牧场而言，为了更好的监控与分析牲畜的活动数据与体征信息往往需要大范围的识别距离，而 RFID 方式的识别距离十分有限，难以达到要求。针对中小型牧场而言，由于其生产规模以及经营成本有限，基于 RFID 电子耳标的整套设备成本相对较高，难以大范围普及。深度学习的发展为目标检测与识别带来了有效的解决途径，利用很多优秀的基于卷积神经网络的模型可为牛的个体身份提供了有效的思路，但这些模型需要大量的样本数据进行训练，图像的采集与标注对人工成本的要求较高，同时也对硬件的计算能力提出了更高的要求。因此，从经济成本的角度出发，在中小型牧场养殖环境下，通过小样本学习进行牲畜个体识别更加符合实际情况。养殖业的迅速发展，对于农险行业在一定程度起到了推动作用。在国家脱贫攻坚、精准扶贫的政策环境下，越来越的牧民与农户为养殖的牲畜上了保险，降低了养殖户的风险，在很大程度上增加了农民的养殖信息。但是目前我国的畜牧业经营相对分散，并且农险技术还不成熟，使得很多地区普遍存在骗保现象，不仅农险的经营效果并不理想，而且农户也面临保障低、理赔难等问题。因此与传统人工方法相比，通过非接触式方式来进行识别准确率高、成本低，保险人可以将死亡牲畜的影像进行上传，通过与数据库中的信息进行匹配来远程实现精准理赔，可以有效防止重复理赔以及避免骗保情况的发生，不仅保障了牧户的合法权益，同时也降低了保险公司的人力与风险成本。因此，精准畜牧业作为我国畜牧业现代化发展趋势中的一个重要方向，其核心与基础就是牲畜个体信息和行为的智能感知与分析识别，如何快速有效的进行牲畜的身份识别在牲畜生长监测、疾病防疫管理、溯源数据管、精细化饲养以及防止骗保理赔等方面产生重要影响。本文利用非接触式的图像识别的方式，提出了一种基于计算机视觉的牛个体身份识别方法，对于中小型牧场环境下牛的个体身份识别该方法显示出极大的优越性，具有重要的现实意义、推广价值和广阔的市场前景。

  2.2  课题研究方案

  传统的基于耳标与 RFID 的牲畜个体身份识别方法存在识别距离有限以及耳标冲突、脱落和遗失的问题，在经济上和识别效率上都存在不足。因此，非接触式的动物身份识别方法引起了越来越多的关注，本文从图像处理与分析的角度提出了一种基于计算机视觉的牛个体身份识别方案，将牛的身份识别过程分为牛脸目标检测与牛身份识别两个阶段，通过将深度学习网络模型与稀疏表示理论相结合，针对这两个阶段分别构造了基于 YOLO  v3 的牛脸目标检测模型与基于字典学习的牛个体身份识别模型，在实际牧场养殖环境下得到了良好的测试效果。自 2010 年以来，Image Net 大规模视觉识别挑战赛（ILSVRC）的举办对于深度学习以及计算机视觉的快速成长发挥了不可忽视的巨大作用，作为近年来机器视觉领域最具权威的学术竞赛之一，每年吸引了全球各地诸多知名高校、科研院所、互联网企业以及工业巨头等参与其中，这些参赛队伍提出的创新方法直接推动了相关技术的应用，极大程度促进了以神经网络为基础的图像分类、目标检测、目标定位、图像分割等领域的发展。而其之所以能够取得巨大的关注度与吸引力，离不开其空前的数据规模。近年来也产生了很多优秀的图像数据集，如 MNIST，MSCOCO，Image Net，PASCAL VOC 等等。正是由于不同的数据集有着不同的特点，侧重解决不同的问题，对于不同的深度学习框架与算法来说就会产生不一样的效果，训练出的模型也会有差异。因此，作为模型训练的基础，数据集的作用至关重要。因此，针对不同的实际应用场景与功能，需要建立不同的数据集。本课题是基于计算机视觉实现牛的个体身份识别，本文分别制作了两部分数据集：牛脸目标检测数据集和牛脸图像数据集。图像数据都来源于内蒙古自治区苏尼特和察哈尔地区牧场。牛脸目标检测数据集包含采集和标定两个环节，共 5537 张在牧场自然养殖环境下的牛只图像，通过 Label Img 标定工具标定牛的牛脸部分，为牛脸目标检测模型提供了数据支持。通过跟踪记录 50 头牛在同一生长环境下一年内的生长状况，分别采集不同时间节点下（起始点，半年后以及一年后，且仍在持续跟进）的牛脸图像，构造由多角度、不同光照及不同生长时期三部分组成的牛脸图像数据集 IMCFR50，用以针对牛个体身份识别模型训练对应的增强字典以及测试字典的重构能力和判别能力。

  随着科技的进步与时代的发展，生物识别技术的应用受到广泛关注，尤其是在畜牧业领域，提出了精准畜牧业的发展方向，结合前沿的物联网、大数据、区块链以及人工智能等技术，在牲畜的生产养殖、定位跟踪、行为采集、数据分析、疾病预防以及溯源管理等方面发挥重要作用，如何快速有效的获取牲畜个体身份信息成为了精准畜牧业的关键。对于中小型牧场，传统的牲畜识别方案耗费巨大的人力物力，近年来深度学习与计算机视觉的迅速发展在各个领域广泛应用并取得丰硕成果。对此，本文提出了一种基于计算机视觉的个体识别方法，为牛的身份识别提供了有效的解决方案。本文的第一章概述了牲畜个体身份识别的研究背景，主要针对国内外牲畜身份识别以及涉及的计算机视觉相关方向的的发展现状与研究成果做了简要的介绍。第二章介绍了基于计算机视觉技术进行牛个体身份识别的整体方案，就其中主要的数据集制作、目标检测模型设计以及个体身份识别模型设计三部分进行了论述。第三章阐述了目前主流的基于深度学习的目标检测算法，构造了包含 5000 余张牛脸标注图像的目标检测数据集，并在此基础上采用改进的 YOLO  v3 算法构造牛脸目标检测模型，为下一步牛的个体身份识别奠定基础。第四章介绍了以 K-SVD 为主的字典学习算法，提出了利用不同通道信息增强图像提取能力的多通道 K-SVD 算法，为个体身份识别提供了有效的思路。第五章针对 K-SVD 算法中字典判别能力较弱以及信息提取能力不足的问题，将卡通纹理分解理论与标签一致性 K-SVD 算法相结合，提出了一种基于图像卡通-纹理分解和标签一致性 K-SVD 的增强字典学习算法（CTDLC-KSVD），在识别精度与识别速度均得到了显著提高。此外将目标检测模型与个体身份识别模型相结合构造牛个体身份识别系统应用于实际牧场环境，可以实现对牛个体的有效识别，为下一步实现牲畜的精细化养殖以及畜产品溯源等应用建立了基础。本课题针对中小型牧场养殖环境下牛的个体身份识别问题进行了研究，采集了内蒙古自治区察哈尔地区与苏尼特地区牧场的实际牛只图像进行实验，通过将以深度学习为核心的目标检测网络与以字典学习为核心的个别身份识别网络相结合实现了牛的个体识别。由于实验环境、设备条件以及研究时间的限制，系统提取的牛脸图像特征不足，针对图中存在多头牛的检测与识别效果并不理想，检测模型与个体识别模型还要进行优化完善，在实际应用中进一步提高识别精度和识别速度。