基于频率增强与跨模态嵌入生成的24小时精准绵羊面部识别技术研究

本文提出SheepNet模型，通过近红外(NIR)-可见光(RGB)跨模态匹配实现全天候绵羊身份识别。创新性采用浅层双流(SDS)架构缓解模态差异，频率特征解耦增强(FFDE)模块显式提取羊毛纹理特征，嵌入多样化生成(EDG)模块优化跨模态检索能力。实验显示在80只羊闭集测试中CMC-1达97.22%，mAP达88.55%，为精准畜牧业(PLF)发展提供关键技术支撑。

　　

Highlight

本研究提出的SheepNet模型通过三项核心技术突破传统限制：(1)采用近红外(NIR)查询图像实现全天候可用性；(2)浅层双流(SDS)架构在浅层保留模态特异性特征，深层共享权重提取共性特征；(3)频率特征解耦增强(FFDE)模块通过高频（羊毛纹理）和低频（面部结构）信息协同提升判别力，配合嵌入式多样化生成(EDG)模块优化跨模态嵌入空间。

Discussion with different sheep identification works

如表4所示，与传统绵羊识别方法相比，本研究在指标设计上具有显著优势：当采用CMC-1作为预测指标时，其功能等效于分类任务中的准确率，但能更好反映跨模态检索特性。相较于耳标识别92.3%的准确率和RFID技术89.7%的读取率，本方法在保持非接触优势的同时，将闭集识别率提升至97.22%。

Conclusions

SheepNet作为精准畜牧业(PLF)的关键组件，通过NIR-RGB跨模态匹配机制，成功实现24小时连续监测。创新性的FFDE模块使模型能像"指纹识别"般精确捕捉羊毛纹理特征，而EDG模块则像"翻译官"般弥合模态鸿沟。该方法为动物福利提升、养殖过程数字化提供了可扩展的技术框架。