
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于YOLOv8与ArcFace的牛口鼻部离线深度学习生物特征识别模型研究
《BMC Veterinary Research》:An offline deep learning model for bovine muzzle identification using the variance of the laplacian, YOLOv8, EfficientNetV2-S, and ArcFace
【字体: 大 中 小 】 时间:2026年10月21日 来源:BMC Veterinary Research 3.1
编辑推荐:
摘要 精确的动物识别是畜牧管理、疾病防控和溯源体系的基础。传统的识别方法如烙印和耳标容易褪色或丢失,这推动了向基于生物特征识别系统的转变。本研究提出了一种基于Python的离线深度学习生物特征识别模型,利用牛口鼻部图像对牛进行识别。模型使用YOLOv8检测和裁剪口鼻区域,并
精确的动物识别是畜牧管理、疾病防控和溯源体系的基础。传统的识别方法如烙印和耳标容易褪色或丢失,这推动了向基于生物特征识别系统的转变。本研究提出了一种基于Python的离线深度学习生物特征识别模型,利用牛口鼻部图像对牛进行识别。模型使用YOLOv8检测和裁剪口鼻区域,并采用集成ArcFace(角度间隔损失)的EfficientNetV2-S架构进行口鼻纹路提取与匹配。模型在两种条件下进行评估:一个是受控数据集(Kaggle),另一个是使用小规模农户通过智能手机采集图像获得的初步小规模实地数据集。模型使用Kaggle数据集进行验证,并在Kaggle图像和实地采集的口鼻图像上进行测试。模型性能通过余弦相似度分数、处理时间、F1分数、召回率、准确率和精确度进行评估。该模型在Kaggle图像上的处理时间更短、识别性能更高,优于实地图像的表现。研究发现Kaggle数据集与实地数据集之间存在域差距。当前模型是一个针对离线口鼻识别的受控原型,已完成初步实地测试,但尚未达到预定义的实地应用就绪标准。总体而言,所提出的离线口鼻生物特征识别模型为在所测试条件下实现牛的非侵入式识别提供了一个原型方案。