先进机器学习与深度学习技术增强牛只识别与检测的综合综述

arXiv cs.AI 论文
cattle-identification deep-learning machine-learning livestock-management systematic-review biosecurity animal-detection

摘要

对牛只识别中机器学习与深度学习技术的系统综述，涵盖CNN和YOLO等方法、特征提取技术以及数据集有限和实时处理等挑战。

arXiv:2606.15655v1 公告类型：新 摘要：在维护畜牧业生物安全、食品安全和供应链效率方面，对高效牛只识别技术的需求比以往任何时候都更加迫切。本文对近期利用机器学习与深度学习技术进行牛只识别的研究进行了系统综述。本系统综述通过来自主要学术数据库的研究，评估了传统和现代牛只识别技术的有效性，并对文章进行了全文审查。在这些技术中，经典的机器学习技术如K-Nearest Neighbors和Support Vector Machines在牛只识别中已展现出良好效果；然而，深度学习技术如Convolutional Neural Networks、Residual Networks和You Only Look Once（YOLO）在认知、检测和识别任务中表现更优。特征提取依赖于常见技术如Local Binary Pattern（LBP）、Speeded-Up Robust Features（SURF）和Scale-Invariant Feature Transform（SIFT），而研究中常用的关键特征包括鼻纹和毛色图案。综述强调了牛只识别的关键障碍，如公开数据集数量有限、数据质量易受环境变化和动物活动影响的问题，以及对实时处理能力的高要求。本文旨在为研究人员、政策制定者和利益相关者提供关于实施可扩展、人道且有效的牛只识别系统以实现可持续畜牧业管理的信息。
查看原文
查看缓存全文

缓存时间: 2026/06/16 11:47 

# 先进机器学习与深度学习技术在牛只识别与检测中的增强应用：全面综述
来源：https://arxiv.org/abs/2606.15655
查看PDF（https://arxiv.org/pdf/2606.15655）

> 摘要：在畜牧业管理中，确保生物安全、食品安全和供应链效率的需要使得有效的牛只识别技术比以往任何时候都更加迫切。本文对近年来利用机器学习和深度学习技术进行牛只识别的研究进行了系统性综述。本系统综述通过来自主要学术数据库的研究，对传统与现代牛只识别技术的有效性进行了评估，所有文章均经过全文审查。在这些技术中，经典机器学习技术如K近邻和支持向量机在牛只识别方面表现良好；然而，深度学习技术如卷积神经网络、残差网络和YOLO（You Only Look Once）在认知、检测和识别任务中表现更优。特征提取依赖于常见技术，如局部二值模式（LBP）、加速稳健特征（SURF）和尺度不变特征变换（SIFT），而研究中常用的关键特征包括鼻印和皮毛图案。本综述强调了牛只识别中的主要障碍，例如公开可用数据集数量有限、数据质量易受环境变化和动物移动影响的问题，以及对实时处理能力的高需求。本文旨在为研究人员、政策制定者和利益相关者提供关于实施可扩展、人道且有效的牛只识别系统以实现可持续畜牧业管理的信息。

## 提交历史

来自：Md. Moradul Siddique [查看邮件（https://arxiv.org/show-email/3e288193/2606.15655）] **\[v1\]**2026年4月5日星期日15:18:42 UTC（1,823 KB）

相似文章

人工智能在欺诈性银行操作识别中的应用

arXiv cs.LG

本文研究了人工智能和机器学习算法在识别欺诈性银行交易中的应用，提出了预处理技术并比较了多种模型。人工神经网络和堆叠泛化方法取得了更高的AUC分数，最佳结果约为0.954。