基于VAE-CGAN的牦牛等级评定算法

在牦牛高效养殖过程中,牦牛等级评定是牦牛育种工作中的重要环节.为了在牦牛等级评定研究中,降低数据集分布不平衡对牦牛等级预测结果的影响,提出一种基于改进条件生成对抗网络模型的牦牛等级评定模型VAE-CGAN.首先,为获取高质量生成样本,模型通过引入变分自编码器取代条件生成对抗网络输入中的随机噪声,降低了随机变量带来的不确定性.此外,模型将牦牛标签作为条件信息输入到生成对抗模型中来获取指定类别的生成样本,生成样本及训练样本则会被用于训练深度神经网络分类器.实验结果显示,模型整体预测准确率达到了97.9%.而且与生成对抗网络相比较,在数量较少的特级牦牛等级预测上的精准率、召回率和F1值分别提升了16.7%、16.6%和19.4%.实验结果表明该模型可以实现高精准度和低误分类率的牦牛等级分类.

基于迁移学习的多尺度特征融合牦牛脸部识别算法

牦牛个体身份标识是实现个体建档、行为监测、精准饲喂、疫病防控及食品溯源的前提。针对智慧畜牧智能化、信息化等养殖平台中动物个体识别技术应用需求,本研究提出一种基于迁移学习的多尺度特征融合牦牛脸部识别算法(Transfer Learning-Multiscale Feature Fusion-VGG,T-M-VGG)。以预训练的视觉几何组网络(Visual Geometry Group Network,VGG)为骨干网络构建基于迁移学习的卷积神经网络模型,获取其Block3、Block4、Block5输出的特征图,分别用F3、F4、F5表示,将F3和F5经过三个不同膨胀系数的空洞卷积组成的并行空洞卷积模块增大感受野后,送入改进的特征金字塔进行多尺度特征融合;最后利用全局平均池化代替全连接层分类输出。试验结果表明,本研究提出的T-M-VGG算法在194头牦牛的38,800张数据集中识别准确率达到96.01%,模型大小为70.75 MB。随机选取12张不同类别牦牛图像进行面部遮挡测试,识别准确率为83.33%。本算法可以为牦牛脸部识别研究提供参考。

浅谈信息管理在农机技术推广中的应用

随着农业机械化在我国农村的迅猛推广,在相关农机推广工作中利用现代化信息管理技术,通过信息管理技术的高效性、准确性,最大程度的开展农机推广工作和相关技术的传播工作已变得极为迫切。为此,本文针对农机推广工作中信息管理技术的应用进行分析归纳。