基于耳部静脉模式识别的跨品种猪只识别：面向小规模养殖应用的机器学习方法

准确的牲畜识别是现代养殖的基石：它支持健康监测、育种计划和生产力追踪。然而，常见的猪只识别方法，如耳标和微芯片，往往不可靠、成本高昂、针对纯种品种，因此对小规模养殖户不切实际。为了填补这一空白，我们提出了一种利用耳部静脉模式独特性的非侵入性生物特征识别方法。为此，我们从 20 只跨品种猪（Landrace × Pietrain 和 Duroc × Pietrain）收集了 800 张耳部图像，使用标准智能手机和简单的背光拍摄。开发了一个多阶段计算机视觉流水线以增强静脉可见性、提取结构和空间特征并生成生物特征签名。这些特征随后使用机器学习模型进行分类。支持向量机（SVM）取得了最高准确率：在跨品种群体中以 98.12% 的精确度正确识别猪只。从图像处理到分类的整个流程平均耗时 8.3 秒，证明了实时农场部署的可行性。我们相信，通过用永久的生物标记替代脆弱的物理标识符，该系统为养殖户提供了一种经济高效且无应激的动物识别方法。更广泛地说，这些发现证实了耳部静脉生物特征数字化牲畜管理的可行性，强化了其将精准养殖的好处扩展到资源受限农业社区的潜力。