肉牛的身份识别是对肉牛登记、溯源、监控的关键,也是智能牧场的主要组成部分。现阶段的肉牛识别技术主要是通过RFID技术实现,该方法耗时长,会给牛带来极大的痛苦,而且标签易丢失,识别率低。因此针对国内牧场养殖肉牛数量最多的西门塔尔肉牛,本文提出了基于深度学习和牛脸面部特征的肉牛身份识别算法,具体工作如下所述。首先基于可以用于肉牛身份识别的生物特征的研究,在河北盛源肉牛养殖基地采集了50头肉牛总共130段视频,每头牛大约2-3段,使用Free Studio软件将视频片段分解成帧图片,通过标记面部关键点截取面部图像,应用SSIM图像评估算法去掉连续帧图像中相似度过大的图像,得到西门塔尔肉牛的牛脸数据集。然后使用迁移学习思想,将在LFW Face人脸数据集上训练得到的VGGFace网络识别本文设计的牛脸数据集中的肉牛,保持提取特征层(卷积层)参数不变,在全连接层进行微调,取得了91.6%的准确率。接着本文利用Keras深度学习框架搭建了用于牛脸识别的神经网络模型C_F_R NET(Cow_Face_Recognition NET),对网络结构的设计、池化方式的选取、dropout值的选取以及图像预处理前后对网络识别率的影响做了明确的分析与说明。通过不断地对神经网络进行训练和优化,该网络在牛脸数据集上取得了98.6%的准确率。最后利用混淆矩阵对分类模型进行评估,得到数据集中每一头牛的识别率。