Cattle Identification Using Muzzle Images and Deep Learning Techniques

要約

耳のタグ付け、耳の切り込み、ブランド化などの従来の動物識別方法は効果的ですが、動物にリスクをもたらし、拡張性の問題があります。
電気的方法はより優れた追跡と監視を提供しますが、特殊な機器が必要であり、攻撃を受けやすいです。
銃口紋や虹彩パターンなどの時間不変の皮膚痕跡特徴を使用した生体認証は、有望な解決策です。
このプロジェクトでは、268 頭の肉牛から収集した 4923 枚の銃口画像を使用して牛の識別を調査します。
Wide ResNet50 と VGG16\_BN という 2 つの深層学習分類モデルが実装されており、画像圧縮が行われて画質が低下し、アフリカのコンテキストで機能するようにモデルが適応されます。
実行された実験から、元のイメージの 25\% を維持する圧縮でワイド ResNet50 モデルを使用しながら、99.5\% の最大精度が達成されました。
この研究から、モデルのトレーニングと収束に必要な時間および認識時間は、モデルの実行に使用されるマシンに依存することがわかりました。

要約(オリジナル)

Traditional animal identification methods such as ear-tagging, ear notching, and branding have been effective but pose risks to the animal and have scalability issues. Electrical methods offer better tracking and monitoring but require specialized equipment and are susceptible to attacks. Biometric identification using time-immutable dermatoglyphic features such as muzzle prints and iris patterns is a promising solution. This project explores cattle identification using 4923 muzzle images collected from 268 beef cattle. Two deep learning classification models are implemented – wide ResNet50 and VGG16\_BN and image compression is done to lower the image quality and adapt the models to work for the African context. From the experiments run, a maximum accuracy of 99.5\% is achieved while using the wide ResNet50 model with a compression retaining 25\% of the original image. From the study, it is noted that the time required by the models to train and converge as well as recognition time are dependent on the machine used to run the model.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google