通信系统在动物识别中的应用研究——基于ARM和GPRS

设计了基于ARM和GPRS的无线数据通信系统。以S3C2410为核心,MC55为数据传输模块,实现了动物识别中动物代码的无线传输。研究结果表明:该系统的传输速率为21.5kbps,读取数据稳定可靠,适用于动物养殖场中动物身份数据的无线传输。     

基于RFID技术的生猪行为自动监测系统的设计

提出了一种结构简单、易于实现、高效的基于RFID技术的生猪行为自动监测系统的设计方法,采用嵌入式系统技术和射频身份识别技术,实现对生猪饲养过程中对其进食行为等的有效监测。同时,说明了系统的硬件组成和相关芯片选型,并介绍了系统软件流程方案。经过测试,该方案合理、有效,且系统易于实现,价格低廉,适用于大型或中型生猪饲养基地使用。     

奶牛身份射频识别系统的防冲突技术

为了提高奶牛身份的识别度,采用无线射频识别技术来识别奶牛身份的识别系统。该系统采用耳标式电子标签来标记奶牛的身份,并在计算机系统建立一个电子数据档案。由于奶牛身份识别系统实行一畜一标,奶牛养殖规模大,植入的电子标签众多,射频识别技术中多标签存在冲突,因此防止多标签冲突问题是研究的重点。防冲突算法有ALOHA算法和二进制搜索算法两种常见算法:当采用ALOHA算法时,电子标签过多会造成防冲突时间长,甚至会出现判断错误;二进制搜索算法虽然不会出现错误,但用时较长,且安全性差,将二进制搜索算法进行改进成为返回式二进制树形搜索算法,可以解决这些缺点。为此,提出了基于返回式二进制树形搜索算法设计的奶牛身份射频识别系统的防冲突技术,试验表明:该设计可以解决识别系统中的防冲突问题,使系统采集信息与奶牛身份信息一一匹配,且缩短了识别时间,能迅速识别电子标签。     

基于区块链的畜牧养殖资产监管身份认证研究

针对畜牧养殖资产监管系统数据采集源头设备不可信,牲畜个体身份标识识别复杂,养殖敏感数据机密性差等问题,提出一种基于区块链技术和聚合签名算法的畜牧资产身份认证方案,实现资产监管系统中数据采集源头、数据存证展示的全流程真实可信,以及监管系统各节点、各物联网设备间身份验证的可信可溯,有效保障了畜牧资产监管系统从区块链网络到节点及物联网设备间细粒度的身份验证。在此基础上对方案进行混淆性分析和通信数据量分析,结果表明,加密过程的扩散性测试密文改变率平均为93.61%,相关性测试密文改变率平均为93.28%,具有较高的混淆性,并将通信量由线性级降低为常量级,验签耗时平均节省40.01%,有效降低数据传输通信量和系统验证开销,具有高效的批量身份验证性能,满足畜牧资产监管过程中设备身份认证需求。     

电子标识在动物识别与管理中的应用

动物传染病不容忽视,加强对动物的管理,其中对动物的识别与跟踪成为重大措施之一.本文重点说明了RFID电子标识技术在动物识别与管理中的具体应用,以及给动物安装电子标签的几种方法.最后展望了RFID技术在动物识别领域的前景,并分析了RFID识别技术的主要缺陷.     

基于迁移学习的多尺度特征融合牦牛脸部识别算法

牦牛个体身份标识是实现个体建档、行为监测、精准饲喂、疫病防控及食品溯源的前提。针对智慧畜牧智能化、信息化等养殖平台中动物个体识别技术应用需求，本研究提出一种基于迁移学习的多尺度特征融合牦牛脸部识别算法（Transfer Learning-Multiscale Feature Fusion-VGG， T-M-VGG）。以预训练的视觉几何组网络（Visual Geometry Group Network，VGG）为骨干网络构建基于迁移学习的卷积神经网络模型，获取其Block3、Block4、Block5输出的特征图，分别用F3、F4、F5表示，将F3和F5经过三个不同膨胀系数的空洞卷积组成的并行空洞卷积模块增大感受野后，送入改进的特征金字塔进行多尺度特征融合；最后利用全局平均池化代替全连接层分类输出。试验结果表明，本研究提出的T-M-VGG算法在194头牦牛的38,800张数据集中识别准确率达到96.01%，模型大小为70.75 MB。随机选取12张不同类别牦牛图像进行面部遮挡测试，识别准确率为83.33%。本算法可以为牦牛脸部识别研究提供参考。     

RFID技术在畜牧产业中的应用分析

实施精确养殖技术是未来畜牧业发展的必然趋势。对于精确养殖技术,如何保证对动物个体的精确识别成为实施精确养殖的关键。本文简述了畜牧产业中RFID技术的组成及工作原理,叙述了RFID技术在动物生产及奶牛养殖方面的应用,提出存在的问题及发展方向。     

精准畜牧业中动物信息智能感知与行为检测研究进展

动物个体信息和行为的智能感知与分析是精准畜牧业的核心。牛、猪、羊等大型动物因与人类关系密切、经济价值高受到国内外学者的广泛关注。为了促进中国精准畜牧业的发展,分别从国外和国内视角,详细总结、分析了精准畜牧业中动物信息感知与行为检测的研究现状、尚待研究的问题。包括个体识别、生长状况评估及体况评价各种方法的优势和不足,呼吸频率与异常检测、肢蹄运动评分与跛行检测等异常和疾病检测,发情检测、产前检测及高危动作识别等动物生理周期关键时间段的行为感知方法等。结合精准畜牧的发展趋势和应用需求,在分析的基础上指出,动物信息智能感知与行为检测未来将向无接触、高精度、高自动化程度方向发展,结合动物病理学的早期肢蹄病灶自动化检测方法、不依赖评分结果的具有普遍性的状态参数、接触式传感器对动物的应激作用、动物高级行为的识别理论与方法、动物身体区域精细识别研究、检测设备/系统的有效性验证及效益研究与评估等将成为未来研究的方向。     

深度学习在家畜智慧养殖中研究应用进展

准确高效地监测动物信息,及时分析动物的生理与身体健康状况,并结合智能化技术进行自动饲喂和养殖管理,对于家畜规模化养殖意义重大。深度学习技术由于具有自动特征提取和强大图像表示能力,更适用于复杂的畜牧养殖环境中动物信息监测。为进一步分析人工智能技术在当下智慧畜牧业中研究应用,本文针对牛、羊和猪三种家畜,介绍了深度学习技术在目标检测识别、体况评价与体重估计以及行为识别与量化分析的研究现状。其中,目标检测识别有利于构建动物个体电子档案,在此基础上可以关联动物的体况体重信息、行为信息以及健康情况等,这也是智慧畜牧业发展的趋势。智慧畜牧养殖技术当前面临着应用场景存在多视角、多尺度、多场景和少样本等挑战以及智能技术泛化应用的问题,本文结合畜牧业实际饲养和管理需求,对智慧畜牧业发展进行展望并提出了：结合半监督或者少样本学习来提高深度学习模型的泛化能力;人、装备和养殖动物这三者的统一协作及和谐发展;大数据、深度学习技术与畜牧养殖的深度融合等发展建议,以期进一步推动畜牧养殖智能化发展。     

大数据环境下深度学习行人再识别技术研究与应用

行人再识别(Re-ID)是网络匹配行人图像任务。它与属性识别在学习行人描述上有共同目标,而区别是粒度。通过基于属性标签和ID标签的互补性,多数Re-ID方法仅考虑行人身份标签,而包含详细本地描述的属性有利于Re-ID模型学习更多判别式特征表示。因此提出属性的人识别(APR)网络。APR网络是通过学习Re-ID嵌入并同时预测行人属性的多任务网络。在实验中考虑属性间的依赖性和相关性后对属性预测加权,则APR检索过程快了10倍,在Market-1501上准确度下降了2.92%。