基于CNN和图像深度特征的雏鸡性别自动鉴别方法

摘要：

为有效辨别雏鸡性别,提高养鸡效益,针对部分雏鸡的泄殖腔特征不明显、采集雏鸡泄殖腔图像易受光线影响的问题,提出了一种基于卷积神经网络和图像深度特征的雏鸡性别自动鉴别方法.以翻肛法采集的雏鸡泄殖腔图像为研究对象,利用卷积神经网络构建待识别雏鸡泄殖腔的深度特征和雏鸡泄殖腔的深度特征向量集合库;将待识别雏鸡泄殖腔的深度特征与雏鸡泄殖腔的深度特征集合库进行相似度比较,并对比较结果进行排序;将排序结果中排在前n个与待识别雏鸡泄殖腔图像最接近的深度特征,与待识别雏鸡泄殖腔的深度特征进行特征融合,再通过卷积神经网络进行识别.结果 表明,本文方法在测试数据集的识别准确率达到了97.04％,在生产环境下识别准确率达到了96.82％,相比常规的卷积神经网络方法,本文方法提高了雏鸡性别的识别准确率.

关键词：雏鸡、性别鉴别、卷积神经网络、深度特征、相似度计算、特征融合

所属期刊栏目：51

分类号：TP391.4;S8-01(计算技术、计算机技术)

资助基金：河北省现代农业产业技术体系蛋鸡肉鸡创新团队项目;张家口市科技计划重点研发项目;河北省高等学校科学技术研究重点项目

在线出版日期：2020-08-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：258-263,92