DB15/T 4094-2025 奶山羊数字化养殖图像识别规范

　　内蒙古自治区地方标准

DB15/T 4094—2025

奶山羊数字化养殖图像识别规范

Specification for image recognition in digital dairy goat farming

2025-07-10发布

2025-08-10实施

内蒙古自治区市场监督管理局 发布

前言

本文件按照GB/T 1.1—2020《标准化工作导则 第1部分：标准化文件的结构和起草规则》的规定起草。

本文件由内蒙古自治区畜牧业标准化技术委员会(SAM/TC 19)归口。

本文件起草单位：内蒙古工业大学、内蒙古人才发展研究院、内蒙古自治区农牧业技术推广中心、内蒙古伊利实业集团股份有限公司、北京国科诚泰农牧设备有限公司、内蒙古自治区质量和标准化研究院。

本文件主要起草人：赵于东、房建东、纪寅、宋健、李小敏、李琦、王柏娇、赵国芳、范争气、肖静楠、董文琪、张培培、王莉莉、冯芳慧。

DB15/T 4094—2025

1

奶山羊数字化养殖图像识别规范

1 范围

本文件规定了奶山羊数字化养殖中图像识别技术的处理设备、性能要求、校准方法、数据管理、系统维护及安全要求。

本文件适用于奶山羊数字化养殖过程中的图像识别。

2 规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件;不注日期的引用文件，其最新版本(包括所有的修改单)适用于本文件。

GB/T 4208 外壳防护等级(IP代码)

GB/T 20273 信息安全技术 数据库管理系统安全技术要求

SF/T 0152 图像处理技术规范

YD/T 4424 基于公用通信网络的智能图像识别算法及测试评估 总体技术要求

3 术语和定义

下列术语和定义适用于本文件。

羊只数图像识别 image recognition of goat count

基于图像识别技术，通过摄像设备自动识别并统计养殖场中奶山羊的数量。

发情监测 estrus monitoring

利用图像识别技术监测奶山羊的行为和体态变化，判断其是否处于发情期。

羊只身份识别 goat identification

利用图像识别技术，通过奶山羊的外观特征(如面部特征、耳标等)对个体进行身份确认。

漏检率 false positive rate

视频图像分析系统输出的目标或事件中，漏检目标数或事件数所占的百分比。

[来源：YD/T 4424-2023，3.1.8]

DB15/T 4094—2025

2

识别准确率 recognition accuracy

目标识别任务中,视频图像分析系统正确识别的目标数与应被正确识别的目标总数的百分比。

[来源：YD/T 4424-2023，3.1.9]

真正例 true positives,TP

表示正确的将正类样本识别为正类的数量。

假负例 false negatives，TP

表示错误的将正类样本识别为负类的数量。

召回率 recall

召回率衡量的是实际为正例的样本中被正确预测为正例的比例。

4 图像视频处理设备 图像采集设备

4.1.1 分辨率：至少1080 p(1920x1080像素)高清摄像能力。

4.1.2 帧率：至少30 fps以捕捉动态图像。

4.1.3 传感器类型：CMOS或CCD，具备低光环境下的高感光性能。

4.1.4 防护等级：符合GB/T 4208标准IP67，以适应户外环境。 数据处理设备

4.2.1 GPU：至少8 GB显存，128 bit显存位宽，1.78 GHz加速频率，以支持深度学习模型的高效推理。

4.2.2 CPU：至少8核心，33 M高速缓存，5.20 GHz，以提供足够的计算能力。

4.2.3 内存：至少32 GB RAM，以支持多任务处理和大数据量处理。

4.2.4 存储：至少1 TB SSD，以存储图像数据和分析结果。 分析软件

4.3.1 支持深度学习框架。

4.3.2 用户界面：提供图形化界面，支持中文和英文操作。

4.3.3 识别算法：集成先进的图像识别算法。

5 性能要求 羊只身份识别

DB15/T 4094—2025

3

5.1.1 应能够通过奶山羊的面部特征、耳标等进行个体身份识别，识别准确率应达到95%以上。

5.1.2 应能够存储和管理奶山羊的身份信息，并提供便捷的查询功能。

5.1.3 应支持多种身份识别方式的组合使用，提高识别准确率。

5.1.4 召回率应达到98%以上，确保大多数实际身份为正例的羊只被正确识别。 羊只数图像识别

5.2.1 应在不同时间段对奶山羊的数量进行自动统计，识别准确率应达到95%以上。

5.2.2 统计结果应实时更新，并提供历史数据查询功能。

5.2.3 应能处理动态环境中的图像，确保识别结果的准确性。

5.2.4 召回率应达到90%以上，确保在动态环境中大多数实际存在的羊只被正确统计。 发情监测

5.3.1 能够识别奶山羊的行为变化，如频繁活动、尾部上翘等，并结合体态变化判断发情状态。

5.3.2 识别准确率应达到95%以上，应提供发情预警功能，并记录相关数据。

5.3.3 召回率应达到90%以上，确保大多数实际发情的羊只被及时识别和预警。 处理速度

5.4.1 算法应能够实时处理视频流，处理速度应达到至少30 FPS。

5.4.2 在批量处理模式下，算法应在每帧图像处理时间不超过50 ms。 稳定性

5.5.1 算法应在不同的光照条件、天气变化和摄像设备角度变化下，保持高识别准确率和处理速度。

5.5.2 算法应具备抗干扰能力，能够在有部分遮挡、复杂背景或多羊只同时出现的情况下，仍保持稳定的识别性能。 算法适应性

5.6.1 技术适应性

在使用图像识别技术进行奶山羊行为分析时，应遵循SF/T 0152规范中关于图像采集、处理和质量控制的相关要求。

5.6.2 设备适应性

算法应适应多种硬件设备，包括但不限于高性能服务器、边缘计算设备和移动设备。

5.6.3 分辨率适应性

算法应支持不同分辨率的图像输入，最低支持640×480分辨率。

5.6.4 应用场景适应性

算法应适应多种养殖场景，包括饲喂区、休息区、挤奶区等，确保在不同场景下均能有效识别奶山羊的个体、数量和行为。

5.6.5 光照强度适应性

算法应能在不同光照条件下(包括强光、弱光、阴影和逆光)保持高识别准确率。

DB15/T 4094—2025

4

6 校准方法 校准条件

图像识别系统应在安装后进行初始校准，并在使用过程中定期校准。校准应包括设备位置调整、光照条件优化和软件参数设置。 校准步骤

6.2.1 检查图像采集设备的安装位置和角度，确保覆盖所有重要区域。

6.2.2 调整光照条件，使摄像设备在不同时间段都能采集到清晰的图像。

6.2.3 根据实际情况调整分析软件的参数，确保识别准确性。 校准结果记录

校准完成后，应记录校准过程和结果，包括设备调整情况、光照条件和软件参数设置。校准记录应保存备查。

7 数据管理 数据存储

7.1.1 系统应具备数据存储功能，所有图像数据和识别结果应安全存储，并定期备份。

7.1.2 初始存储容量应至少10 TB，以存储至少一年的图像数据和识别结果。

7.1.3 需要支持至少额外10 TB的存储扩展，以适应未来数据增长的需求。 数据安全

系统应采取措施保护数据安全，防止数据泄露和非法访问。满足GB/T 20273标准要求，包括设置访问权限、数据加密等。数据传输应采用安全协议，确保传输过程中的数据完整性和保密性。 数据分析

系统应提供数据分析功能，包括统计分析、趋势分析和异常情况预警等。分析结果应以图表和报告形式展示，便于用户理解和利用。系统应支持多维度的数据分析，帮助用户优化养殖管理。

8 系统维护 设备维护

图像采集设备和数据处理设备应定期检查和维护，确保其正常运行。设备故障应及时修复或更换。设备维护应包括定期清洁、硬件检查和性能测试。 软件维护

分析软件应定期更新，修复已知漏洞和优化性能。软件维护应包括数据库优化、日志监控和性能调优。 用户培训

DB15/T 4094—2025

5

系统提供方应为用户提供培训，确保用户掌握系统的操作和维护方法。培训内容应包括设备操作、数据分析和故障处理等。培训应通过多种形式进行，如现场培训、在线课程和用户手册。

9 安全要求 物理安全

9.1.1 图像采集设备应安装在防护区域，防止人为破坏和恶意干扰。

9.1.2 数据处理设备和存储设备应放置在安全的机房内，机房应具备防火、防水、防尘、防震等功能。 数据安全

9.2.1 数据传输应采用加密技术，确保传输过程中的数据完整性和保密性。

9.2.2 系统应设置访问权限，只有授权人员才能访问和操作系统数据。

9.2.3 定期进行安全审计和漏洞扫描，及时修复安全漏洞，防止数据泄露和非法访问。 网络安全

9.3.1 系统应配备防火墙、入侵检测系统(IDS)和防病毒软件，防止网络攻击和恶意软件入侵。

9.3.2 应启用安全协议保护网络通信的安全。

9.3.3 定期更新系统和网络设备的安全补丁，保持安全防护措施的有效性。 操作安全

9.4.1 操作人员应进行安全培训，掌握安全操作规程，避免误操作导致的数据丢失或系统故障。

9.4.2 系统应具备日志记录功能，记录所有操作和访问行为，便于追溯和审计。

9.4.3 制定应急预案，定期进行演练，确保在发生安全事件时能够迅速响应和处理。