深度学习在绵羊个体识别及日常行为检测中的研究进展

摘要

准确的绵羊个体识别和日常行为检测，是实现绵羊智能化养殖、提高绵羊福利的基础。基于传感器数据的深度学习技术在绵羊个体识别和日常行为检测领域已得到广泛应用，但仍存在特征提取能力不足、模型泛化能力较弱、轻量化模型部署研究较少等问题。本文对该领域近年来的相关研究进行综述和分析，提出优化绵羊个体识别和日常行为检测深度学习技术的新思路。结果表明：1）绵羊高度相似的个体特征和复杂的生活环境条件是限制个体和行为识别精度的主要影响因素，提升深度学习模型的特征提取能力是提高识别精度的关键，在利用数据增强方法扩大数据集、引入注意力机制模块提高模型性能的基础上，未来可依靠多模态信息融合、引入Transformer结构、联邦学习等方法进一步提升深度学习模型的特征提取能力和模型泛化能力。2）依赖上述改进的深度学习模型构建轻量化、易于边缘设备部署的模型时，除在训练模型构建阶段进行参数和模块优化外，还可利用剪枝、知识蒸馏等方法压缩训练好的模型，开发并部署于嵌入式设备上的绵羊实时监测系统。综上，对绵羊个体识别和日常行为检测深度学习模型存在的问题进行剖析及改进，是实现构建轻量化、边缘设备易部署、实时便携的深度学习模型的基础。

关键词

绵羊 / 识别 / 日常行为检测 / 深度学习