基于深度度量学习的荷斯坦-弗里生牛个体视觉识别

荷斯坦-弗里生牛具有个体特有的黑白被毛图案，在视觉上类似于图灵反应扩散系统所产生的图案。本工作利用这些天然标记，通过卷积神经网络与深度度量学习技术实现荷斯坦-弗里生牛的视觉检测与生物特征识别自动化。现有方法依赖标记、耳标或可穿戴设备且维护需求各异，而我们提出了一种完全非接触式方法，可在开放牛群环境（即无需重新训练即可识别新加入牛只）下从俯视成像中自动检测、定位并识别个体动物。我们提出使用基于 SoftMax 的倒数三元组损失来解决识别问题，并针对固定牛群范式详细评估了这些技术。我们发现，即使需识别与再识别许多系统训练时未见的牛只，深度度量学习系统仍表现出强劲性能——仅在半数种群上训练即达到 93.8% 准确率。本工作为推进适用于精准农业及监控的非侵入式牛只监测铺平了道路，可用于自动化生产力、健康与福利监测，以及行为分析、疾病暴发追踪等兽医研究。源代码、网络权重与数据集的关键部分已公开。