融合注意力机制的个体猪脸识别

来源：农业工程学报杂志2022年第7期北京时间：

作者：谢秋菊,吴梦茹,包军,尹辉,刘洪贵,李欣,郑萍,刘文洋,陈刚,

摘要：随着机器视觉技术的发展，猪脸识别作为猪只个体识别方法之一受到广泛关注。为了探索非接触式的猪只个体精准识别，该研究通过深度学习模型DenseNet融合CBAM（Convolutional Block Attention Module），建立改进的DenseNet-CBAM模型对猪脸进行识别。将DenseNet121模型进行精简，然后将CBAM注意力模块嵌入到精简的DenseNet121分类网络之前，以加强对关键特征的提取，实现猪脸图像的分类。以随机采集的1 195张猪脸图像作为数据集对本文模型进行测试。结果表明，DenseNet-CBAM模型对个体猪脸识别的准确率达到99.25%，模型参数量仅为DenseNet121的1/10；与ResNet50、GoogLeNet和MobileNet模型相比，DenseNet-CBAM的识别准确率分别提高了2.18、3.60和23.94个百分点。研究结果可为智能化养殖过程非接触式个体识别提供参考。

关键词：机器视觉, 图像处理, 注意力机制, 猪脸识别, DenseNet