农业工程学报

作者：秦立峰,周馨怡,高延年,王磊,赵继政,

关键词：智慧畜牧, 身份识别, 自然场景, Transformer, 跨纬度多尺度特征融合

基金：42

在规模化奶牛养殖场中，身份识别是行为监测和精细化管理的前提。基于计算机视觉的奶牛身份识别，是当前智慧畜牧领域的研究热点。为了提升自然场景下跨摄像头奶牛身份识别的准确性，该研究提出基于卷积神经网络（convolutional neural network，CNN）与Transformer混合模型（CNN-Transformer）的奶牛身份重识别算法。模型的CNN分支提取奶牛局部纹理细节等特征，Transformer分支利用全局自注意力机制捕获奶牛整体特征，实现全局依赖关系的建模。模型构建跨纬度多尺度特征融合模块，分别在Transformer分支和CNN分支对应的3个语义层级进行特征融合，以兼顾空间结构与语义表达，实现全局和局部特征的动态交互。此外，在Transformer分支的第8个Layer（语义层）构建Token-SE注意力模块，增强模型通道选择性，提升模型对关键语义特征的聚焦能力。使用11个摄像头拍摄了21头待产区奶牛图像构建数据集，共包含不同视角、不同姿态、存在遮挡的奶牛图像styled-content style-type="number">7371/styled-content>张。身份重识别试验结果显示，该文提出的模型在Rank-1、Rank-5、Rank-10、平均精度均值（mAP）上达到86.2%、93.1%、95.7%、45.1%，相较基准Transformer模型分别提升了8.6、6.0、1.7、5.5个百分点。同时，注意力热图、t-SNE特征嵌入可视化、Top-10检索结果可视化、特征距离热图可视化进一步验证了所提模型在复杂环境跨摄像头场景的身份重识别任务中具有较强的特征学习能力。该文所提模型可为复杂自然场景下的奶牛身份重识别提供技术参考。/

来源：2026年第5期

《农业工程学报》期刊编辑部

查看农业工程学报杂志2026年第5期