基于人脸的个体猪只识别方法：采用监督式机器学习算法

《PROCEEDINGS OF THE NATIONAL ACADEMY OF SCIENCES INDIA SECTION A-PHYSICAL SCIENCES》：Face Based Individual Pig Identification Using Supervised Machine Learning Algorithm

　　

摘要

随着社会的进步和生活水平的提高，消费者对高质量肉制品的需求也在不断增加。可追溯性已成为所有参与生猪生产和营销的人士都非常关注的问题。牲畜产品的可追溯性越来越被认为是现代全面食品安全控制体系中的关键组成部分。在整个生产过程中实施质量追溯和可追溯性系统是确保猪肉安全的重要技术手段。对每头猪进行个体识别是现代畜牧业管理中的关键环节，它在追踪、繁殖和健康监测方面具有显著优势。目前，猪的识别主要依靠耳标或纹身等“传统”方法。本研究提出了一种基于面部特征的个体猪识别新方法，该方法利用了监督式机器学习算法。研究评估了支持向量机（SVM）、K近邻（KNN）、决策树、随机森林和朴素贝叶斯等机器学习模型，以及局部二值模式直方图（Local Binary Patterns Histograms, HOG）、方向梯度直方图（Histogram of Oriented Gradients, HOG）、主成分分析（Principal Component Analysis, PCA）和尺度不变特征变换（Scale-Invariant Feature Transform, SIFT）等特征提取方法，以确定从面部特征识别个体猪的最有效方法。在所有特征提取和机器学习技术中，HOG和SVM的组合取得了最佳效果（准确率为97%）。该研究使用了来自28头猪的1,680张图像作为数据集，其中1,400张用于训练，280张用于测试，比较了HOG和SIFT特征提取器与五种分类器的性能。HOG-SVM的组合准确率最高，达到97%（272/280个正确预测），其次是SIFT-SVM（96%）和SIFT-KNN（95%），优于朴素贝叶斯（52–65%）和决策树（60–78%）等基线方法。