基于NAS-Res的局部遮挡荷斯坦奶牛个体识别

作     者：姚冲 李前 刘刚 吕树盛 侯冲 张淼 YAO Chong;LI Qian;LIU Gang;LÜ Shusheng;HOU Chong;ZHANG Miao

作者机构：中国农业大学智慧农业系统集成研究教育部重点实验室北京100083 中国农业大学农业农村部农业信息获取技术重点实验室北京100083 中国农业机械化科学研究院集团有限公司行业技术服务中心北京100083 

基　　金：国家自然科学基金项目(32272930) 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2023年第54卷第S1期

页      码：252-259页

摘      要：针对荷斯坦奶牛个体识别神经网络的人工调参成本高、泛化性差、效率低,难以实现局部遮挡条件下精准识别等问题,提出了一种基于ResNet框架和神经网络架构搜索(NAS)的自适应网络参数优化算法(NAS-Res)。首先,通过设计包含CBR_K1、CBR_K3、CBR_K5和SkipConnect的操作集,配合密集连接路径,构成超参数网络。然后基于梯度下降的搜索策略,在多目标优化复合损失函数的约束下,强化了对低成本模型的设计。结果表明,NAS-Res在GPU上仅耗时6.18 h获得最佳架构,在包含168头奶牛局部遮挡侧面图像的PO-Cows数据集上,闭集验证准确率为90.18%,与ResNet-18、ResNet-34和ResNet-50相比提高5.04、3.02、14.92个百分点,而参数量分别降低5.9×10^(5)、1.069×10^(7)和1.317×10^(7)。在包含174头奶牛背部图像的Cows2021数据集上闭集验证准确率为99.25%。此外,NAS-Res可忽略PO-Cows数据集规模变化的影响,牛只数量在50~168头之间变化时,Top-1准确率和Top-5准确率变化幅度仅为1.51、1.01个百分点,适用性较强。总体而言,NAS-Res算法实现了对局部遮挡奶牛的精准个体识别,本研究可为复杂背景下畜禽个体识别提供技术参考。

主 题 词：荷斯坦奶牛 局部遮挡 神经网络架构搜索 卷积神经网络 个体识别 

学科分类：082804[082804] 081203[081203] 08[工学] 0828[工学-建筑类] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.6041/j.issn.1000-1298.2023.S1.027

馆 藏 号：203125022...