返回
Face Based Individual Pig Identification Using Supervised Machine Learning Algorithm
DOI:10.1007/s40010-026-01032-2.png)
摘要
En 中文
随着社会进步和生活水平的提高,消费者对高品质肉类产品的需求日益增长。可追溯性正成为所有参与猪生产和营销相关方的重点关注领域。畜禽产品的可追溯性被越来越多地认可为现代综合食品安全控制体系的重要组成部分。在整个生产过程中实施质量和可追溯性系统,是确保猪肉安全的关键技术工具。个体猪只识别是现代畜牧管理的关键环节,在追踪、育种和健康监测方面具有显著优势。猪只主要通过耳标或纹身进行识别,这是传统的常见方法。本研究提出了一种基于监督机器学习算法的猪只面部识别新方法。研究评估了包括支持向量机(SVM)、K近邻(KNN)、决策树、随机森林和朴素贝叶斯在内的机器学习模型,以及局部二值模式直方图(LBPH)、方向梯度直方图(HoG)、主成分分析(PCA)和尺度不变特征变换(SIFT)等特征提取方法,以确定从面部特征识别个体猪只的最有效方法。在所有特征提取和机器学习技术中,HoG和SVM组合取得了最佳结果(97%准确率)。本研究在包含28头猪的1,680张图像数据集上评估了猪只识别效果,其中1,400张用于训练,280张用于测试,采用HOG和SIFT特征提取器与五种分类器。HOG-SVM组合达到最佳准确率97%(272/280正确预测),其次是SIFT-SVM的96%和SIFT-KNN的95%,显著优于朴素贝叶斯(52-65%)和决策树(60-78%)等基线方法。
Keyword:
Traceability
Face-based identification
Histogram of oriented gradients
Scale-invariant feature transform
Image enhancement
期刊
P
IF:
1.2
论文数:
140
被引数:
730
机构
引用论文
Polat, H.; Koc, D.G.; Ertuğrul, Ö.; Koc, C.; Ekinci, K. Deep Learning based Individual Cattle Face Recognition using Data Augmentation and Transfer Learning. J. Agric. Sci. 2025, 31, 137–150. [Google Scholar] [CrossRef]Polat, H.; Koc, D.G.; Ertuğrul, Ö.; Koc, C.; Ekinci, K. 基于深度学习、数据增强和迁移学习的个体牛脸识别. J. Agric. Sci. 2025, 31, 137–150. [Google Scholar] [CrossRef]

