基于机器学习的生猪非法屠宰风险识别方法及系统

本发明属于人工智能，具体涉及一种基于机器学习的生猪非法屠宰风险识别方法即系统。

背景技术：

1、由于非洲猪瘟持续影响，国内生猪的存活率急剧下降，猪肉价格持续上涨，在此背景下，不法分子通过躲避检验检疫、加工病死猪、注水等方式来获取非法利润，非法屠宰产生的大量未经检疫的肉类制品带来了严重的食品安全隐患。对非法屠宰生猪的个人和厂家进行识别和清除是非常有必要的。

2、传统的方法大都采用人工检测实现，不仅需要投入大量的人力物力，且检测效率不高。因此，急需一种高效准确的检测手段对生猪非法屠宰情况进行预警，以减少资源浪费情况。

技术实现思路

1、为了解决现有技术中存在的上述问题，本发明提供了一种基于机器学习的生猪非法屠宰风险识别方法及系统。本发明要解决的技术问题通过以下技术方案实现：

2、第一方面，本发明提供了一种基于机器学习的生猪非法屠宰风险识别方法，包括：

3、对待测卡口通行的车辆图像进行检测，找出运输生猪或猪肉的车辆图像，确定为目标车辆图像，并将对应车辆确定为目标车辆；

4、基于机器学习算法从所述目标车辆图像中提取关键信息，并将所述关键信息与数据库中的信息进行匹配识别，得到识别结果；其中，所述关键信息至少包括人脸信息或车辆信息；

5、对所述识别结果与其他相关信息进行运算赋分，当赋分结果大于预设第一阈值时，将当前待测卡口确定为嫌疑卡口，并进行风险预警以实现生猪非法屠宰风险识别；

6、其中，所述其他相关信息包括待测卡口的位置、目标车辆通行时间以及目标车辆通行频次。

7、第二方面，本发明提供了一种基于机器学习的生猪非法屠宰风险识别系统，用于实现本发明第一方面提供的基于机器学习的生猪非法屠宰风险识别方法，包括：

8、目标检测模块，用于对待测卡口通行的车辆图像进行检测，找出运输生猪或猪肉的车辆图像，确定为目标车辆图像，并将对应车辆确定为目标车辆；

9、目标识别模块，用于基于机器学习算法从所述目标车辆图像中提取关键信息，并将所述关键信息与数据库中的信息进行匹配识别，得到识别结果；其中，所述关键信息至少包括人脸信息或车辆信息；

10、预警模块，用于对所述识别结果与其他相关信息进行运算赋分，当赋分结果大于预设第一阈值时，将当前待测卡口确定为嫌疑卡口，并进行风险预警以实现生猪非法屠宰风险识别；

11、其中，所述其他相关信息包括待测卡口的位置、目标车辆通行时间以及目标车辆通行频次。

12、本发明的有益效果：

13、1、本发明提供的方法首先基于机器学习算法对卡口抓拍车辆和车内人员进行检测分析，并与数据库中的人员或车辆进行匹配识别，最后综合车辆通行的卡口位置、时间、频次与分析结果进行运算赋分，并进行预警，从而实现了生猪非法屠宰风险识别。该方法具有检测识别率高、计算量小、效率快且预警准确率高的优点；

14、2、本发明提供的方法一方面采用了retinanet算法对运输生猪或猪肉的车辆图像进行检测，提高了目标车辆的检测率，另一方面采用arcface算法进行人脸识别，且在使用arcface算法之前还利用对偶残差网络对检测到的目标车辆图像进行了高分辨率重建，进一步提高了人脸识别准确率。

15、以下将结合附图及实施例对本发明做进一步详细说明。

技术特征：

1.一种基于机器学习的生猪非法屠宰风险识别方法，其特征在于，包括：

2.根据权利要求1所述的基于机器学习的生猪非法屠宰风险识别方法，其特征在于，所述对待测卡口通行的车辆图像进行检测，找出运输生猪或猪肉的车辆图像，包括：

3.根据权利要求2所述的基于机器学习的生猪非法屠宰风险识别方法，其特征在于，所述retinanet网络包括backbone模块和head模块；则将剪裁后的图片输入训练好的retinanet网络中进行检测，以识别出运输生猪或猪肉的车辆图像，包括：

4.根据权利要求1所述的基于机器学习的生猪非法屠宰风险识别方法，其特征在于，基于机器学习算法从所述目标车辆图像中提取关键信息，并将所述关键信息与数据库中的信息进行匹配识别，得到识别结果，包括：

5.根据权利要求4所述的基于机器学习的生猪非法屠宰风险识别方法，其特征在于，利用训练好的arcface算法网络对所述目标车辆图像进行人脸识别，得到待匹配的人脸信息，包括：

6.根据权利要求4所述的基于机器学习的生猪非法屠宰风险识别方法，其特征在于，在利用训练好的arcface算法网络对所述目标车辆图像进行人脸识别，得到待匹配的人脸信息之前，还包括：

7.根据权利要求6所述的基于机器学习的生猪非法屠宰风险识别方法，其特征在于，对所述目标车辆图像进行超分辨率重建，包括：

8.根据权利要求1所述的基于机器学习的生猪非法屠宰风险识别方法，其特征在于，基于机器学习算法从所述目标车辆图像中提取关键信息，并将所述关键信息与数据库中的信息进行匹配识别，得到识别结果，还包括：

9.根据权利要求1所述的基于机器学习的生猪非法屠宰风险识别方法，其特征在于，对所述识别结果与其他相关信息进行运算赋分，当赋分结果大于预设第一阈值时，将当前待测卡口确定为嫌疑卡口，包括：

10.一种基于机器学习的生猪非法屠宰风险识别系统，用于实现权利要求1-9任一项所述的基于机器学习的生猪非法屠宰风险识别方法，其特征在于，包括：

技术总结
本发明公开了一种基于机器学习的生猪非法屠宰风险识别方法及系统，该方法包括：对待测卡口通行的车辆图像进行检测，找出运输生猪或猪肉的车辆图像，确定为目标车辆图像，并将对应车辆确定为目标车辆；基于机器学习算法从目标车辆图像中提取关键信息，并将关键信息与数据库中的信息进行匹配识别，得到识别结果；其中，关键信息至少包括人脸信息或车辆信息；对识别结果与其他相关信息进行运算赋分，当赋分结果大于预设第一阈值时，将当前待测卡口确定为嫌疑卡口，并进行风险预警；其中，其他相关信息包括待测卡口的位置、目标车辆通行时间以及目标车辆通行频次。该方法具有检测识别率高、计算量小、效率快且预警准确率高的优点。

技术研发人员：田野,沈宇军,苗家军,刘凌劼,张立国
受保护的技术使用者：西安电子科技大学
技术研发日：
技术公布日：2024/2/1