来源：期刊VIP网 时间：
作者：潘雨龙;沈延锋;王广超;张亚群;徐宗鹏;于家峰;
单位：吉林化工学院信息与控制工程学院;德州学院(中俄)农业食品科学与技术山东省高校国际合作联合实验室;
摘要：为了解决在驴规模化养殖过程中驴只个体识别时传统的耳标和无线射频识别(radio frequency identification, RFID)技术存在的易脱标、应激反应等问题，本研究将注意力模块(convolutional block attention module, CBAM)和ResNet50模型相融合，建立一种驴脸识别方法。首先随机选取23头驴(品种包括乌头驴和三粉驴)进行视频拍摄，提取每张图像的驴脸区域后通过数据增强方式构建了一个包含23 000张图像的驴脸数据集；然后通过精简ResNet50模型并在分类网络之前引入CBAM,构建了CBAM-ResNet50模型；最后以混淆矩阵为模型识别性能的评价指标，计算准确率、召回率和参数量，并与ResNet50模型和Swin Transformer(以下简称Swin)-T模型进行比较，评估CBAM-ResNet50模型的识别性能。结果表明：CBAM-ResNet50模型的准确率和召回率最高，分别为94.05%和93.09%;参数量最低，仅为7.05×10~6。与ResNet50模型比较，CBAM-ResNet50模型的准确率和召回率分别提升了0.86,0.39百分点，参数量降低了72.42%;与Swin-T模型比较，CBAM-ResNet50模型的优势更为明显，准确率和召回率分别提升了22.97,22.22百分点，参数量降低了75.06%。说明相对于其他两种模型，CBAM-ResNet50模型对于驴脸识别具有更优的效果。
关键词：驴脸识别;;注意力模块;;ResNet50模型;;Swin Transformer模型;;智慧养殖
基金资助：山东省重点研发计划项目(2023LZGCQY020)
