本文主要研究内容
作者宋晨波（2019）在《基于深度学习的母猪行为检测方法研究》一文中研究指出：我国是世界上最大的猪肉生产国与消费国,但目前养猪业还依赖于饲养员周期性地人工巡场观察,以获取猪只的信息,发现异常情况,存在劳动强度大、工效低、时效性差等问题。通过机器视觉来监测母猪的行为并进行预警,可以有效地提高猪场的生产效益,保障母猪及仔猪的健康,但传统的机器视觉监测母猪行为方法大多针单一场景,普适性较差。本文采用深度学习方法对妊娠期母猪的行为进行监测,主要研究内容和结论有:(1)提出了基于图像的猪头部和尾部识别方法。利用自行建立的猪只识别的DeepLab模型识别猪只,比较了链码、复数与极坐标3种轮廓描述方法和Fisher线性判别、最近邻分类(KNN)及朴素贝叶斯分类器3种分类器组合检测猪头尾的结果,发现采用复数描述轮廓,并用最近邻分类(KNN)时,猪头尾识别效果最好,准确率可达85%。(2)提出了 3种提高深度学习模型分割图像精度的精分割算法。针对深度学习模型无法进一步提高分割精度的问题,利用猪只识别的DeepLab模型初分割图,结合其边缘,分别设计了结合分水岭算法的精分割算法、基于前景和背景相似性的区域生长算法和结合Canny算法的精分割算法,用于特定场景的图像检测精度最高可分别提升0.73%、4.41%和4.98%。(3)提出了采用单幅图像识别猪立卧姿态的方法。利用建立的猪识别模型和猪头尾识别方法,将待识别的猪图像调整到水平状态,并保证猪头在同一侧,由此建立了猪立卧姿态识别的LeNet模型,识别精度达95%左右。运用该模型探究了母猪分娩前的行为,结果表明母猪分娩前会明显地提升活动量并扩大活动范围。(4)改进了基于邻域搜索法对监控水印进行复原的图像预处理方法。针对非透明水印增加了高斯差分优化水印定位。针对透明水印提出了基于邻域像素差异度的水印定位方法,能够较好地消除水印,复原图像。
Abstract
wo guo shi shi jie shang zui da de zhu rou sheng chan guo yu xiao fei guo ,dan mu qian yang zhu ye hai yi lai yu si yang yuan zhou ji xing de ren gong xun chang guan cha ,yi huo qu zhu zhi de xin xi ,fa xian yi chang qing kuang ,cun zai lao dong jiang du da 、gong xiao di 、shi xiao xing cha deng wen ti 。tong guo ji qi shi jiao lai jian ce mu zhu de hang wei bing jin hang yu jing ,ke yi you xiao de di gao zhu chang de sheng chan xiao yi ,bao zhang mu zhu ji zai zhu de jian kang ,dan chuan tong de ji qi shi jiao jian ce mu zhu hang wei fang fa da duo zhen chan yi chang jing ,pu kuo xing jiao cha 。ben wen cai yong shen du xue xi fang fa dui ren shen ji mu zhu de hang wei jin hang jian ce ,zhu yao yan jiu nei rong he jie lun you :(1)di chu le ji yu tu xiang de zhu tou bu he wei bu shi bie fang fa 。li yong zi hang jian li de zhu zhi shi bie de DeepLabmo xing shi bie zhu zhi ,bi jiao le lian ma 、fu shu yu ji zuo biao 3chong lun kuo miao shu fang fa he Fisherxian xing pan bie 、zui jin lin fen lei (KNN)ji piao su bei xie si fen lei qi 3chong fen lei qi zu ge jian ce zhu tou wei de jie guo ,fa xian cai yong fu shu miao shu lun kuo ,bing yong zui jin lin fen lei (KNN)shi ,zhu tou wei shi bie xiao guo zui hao ,zhun que lv ke da 85%。(2)di chu le 3chong di gao shen du xue xi mo xing fen ge tu xiang jing du de jing fen ge suan fa 。zhen dui shen du xue xi mo xing mo fa jin yi bu di gao fen ge jing du de wen ti ,li yong zhu zhi shi bie de DeepLabmo xing chu fen ge tu ,jie ge ji bian yuan ,fen bie she ji le jie ge fen shui ling suan fa de jing fen ge suan fa 、ji yu qian jing he bei jing xiang shi xing de ou yu sheng chang suan fa he jie ge Cannysuan fa de jing fen ge suan fa ,yong yu te ding chang jing de tu xiang jian ce jing du zui gao ke fen bie di sheng 0.73%、4.41%he 4.98%。(3)di chu le cai yong chan fu tu xiang shi bie zhu li wo zi tai de fang fa 。li yong jian li de zhu shi bie mo xing he zhu tou wei shi bie fang fa ,jiang dai shi bie de zhu tu xiang diao zheng dao shui ping zhuang tai ,bing bao zheng zhu tou zai tong yi ce ,you ci jian li le zhu li wo zi tai shi bie de LeNetmo xing ,shi bie jing du da 95%zuo you 。yun yong gai mo xing tan jiu le mu zhu fen mian qian de hang wei ,jie guo biao ming mu zhu fen mian qian hui ming xian de di sheng huo dong liang bing kuo da huo dong fan wei 。(4)gai jin le ji yu lin yu sou suo fa dui jian kong shui yin jin hang fu yuan de tu xiang yu chu li fang fa 。zhen dui fei tou ming shui yin zeng jia le gao si cha fen you hua shui yin ding wei 。zhen dui tou ming shui yin di chu le ji yu lin yu xiang su cha yi du de shui yin ding wei fang fa ,neng gou jiao hao de xiao chu shui yin ,fu yuan tu xiang 。
论文参考文献
论文详细介绍
论文作者分别是来自浙江大学的宋晨波，发表于刊物浙江大学2019-04-12论文，是一篇关于母猪行为论文,图像分割论文,深度学习论文,姿态检测论文,浙江大学2019-04-12论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自浙江大学2019-04-12论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：母猪行为论文; 图像分割论文; 深度学习论文; 姿态检测论文; 浙江大学2019-04-12论文;