【摘要】：實(shí)現(xiàn)豬體溫測(cè)量自動(dòng)化有利于實(shí)時(shí)監(jiān)測(cè)豬的健康狀況、母豬發(fā)情和排卵檢測(cè)等生理健康狀況。本文采用紅外熱成像儀采集豬的紅外熱圖像,引入化學(xué)計(jì)量學(xué)建模方法建立體表溫度、環(huán)境溫度與直腸溫度間的多元校正模型,同時(shí)提出兩種關(guān)鍵測(cè)溫部位的自動(dòng)檢測(cè)方法。主要結(jié)論總結(jié)如下:(1)建立了母豬體表溫度、環(huán)境溫度與母豬體溫之間的一元和多元線性回歸模型。研究發(fā)現(xiàn),9個(gè)身體區(qū)域提取的體表溫度與直腸溫度呈正相關(guān)(r=0.34~0.68),其中,基于耳根區(qū)域體表溫度平均值建立的一元回歸方程效果最優(yōu),預(yù)測(cè)集相關(guān)系數(shù)R_P與均方根誤差RMSEP分別為0.66和0.42℃。全特征模型相比一元線性回歸方程有更好的預(yù)測(cè)效果,R_P和RMSEP分別為0.76和0.37℃。此外,應(yīng)用特征選擇方法LARS-Lasso確定了7個(gè)重要特征建立簡(jiǎn)化模型,其校正集和預(yù)測(cè)集的R分別為0.80和0.80,RMSEs分別為0.30和0.35℃。(2)將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于生豬主要測(cè)溫部位(眼睛和耳朵區(qū)域)的直接分割。利用python構(gòu)建了四種不同結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)模型FCN-16s、FCN-8s、U-Net-3和U-Net-4。對(duì)比分析4種卷積神經(jīng)網(wǎng)絡(luò)模型的性能,結(jié)果表明U-Net-4網(wǎng)絡(luò)結(jié)構(gòu)的分割效果最優(yōu),平均區(qū)域重合度最高為78.75%。然而,當(dāng)計(jì)算設(shè)備的計(jì)算力不夠時(shí),可以選用U-Net-3模型以達(dá)到較好的分割效果。(3)提出豬只眼睛及耳根區(qū)域關(guān)鍵點(diǎn)的識(shí)別方法,將豬只主要測(cè)溫部位的檢測(cè)問(wèn)題轉(zhuǎn)變?yōu)橹饕獪y(cè)溫部位的定位問(wèn)題。設(shè)計(jì)具有不同深度的卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)A-E,得出架構(gòu)E最優(yōu)。且當(dāng)Dropout概率設(shè)置為0.6時(shí)模型效果最好,驗(yàn)證集平均誤差和預(yù)測(cè)集平均誤差分別為1.96%和2.65%。測(cè)試集單張豬臉關(guān)鍵點(diǎn)的預(yù)測(cè)誤差小于5%和10%的比例分別為89.5%和97.4%。模型能夠很好的定位豬臉關(guān)鍵點(diǎn),用于豬只體溫測(cè)量。本文采用紅外熱像儀測(cè)量母豬體表溫度,通過(guò)化學(xué)計(jì)量學(xué)建模為非接觸母豬直腸溫度測(cè)量提供了更準(zhǔn)確、可靠的方法,同時(shí)提出兩種關(guān)鍵測(cè)溫部位的自動(dòng)檢測(cè)方法,有助于實(shí)現(xiàn)母豬體溫測(cè)量自動(dòng)化,為生豬健康管理提供參考。
【圖文】：

基于紅外熱成像技術(shù)的豬體溫檢測(cè)與關(guān)鍵測(cè)溫部位識(shí)別殖場(chǎng)，自動(dòng)采集生豬關(guān)鍵測(cè)溫部位體表溫度。但現(xiàn)有方法仍具有局限性，主動(dòng)形狀模型算法受初始形狀影響較大，當(dāng)生豬姿勢(shì)變化較大時(shí)效果較差，而傳統(tǒng)圖像分割算法的適應(yīng)性有待進(jìn)一步加強(qiáng)。近年來(lái)，雖然卷積神經(jīng)網(wǎng)絡(luò)在畜牧業(yè)中得到廣泛應(yīng)用，但應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)生豬測(cè)溫部位的研究鮮有報(bào)道。卷積神經(jīng)網(wǎng)絡(luò)能夠自動(dòng)提取圖像更深層次和多樣的特征，非常適合在背景復(fù)雜的生豬紅外熱圖像中檢測(cè)關(guān)鍵測(cè)溫部位。另外，現(xiàn)有研究?jī)H針對(duì)耳根這個(gè)單一關(guān)鍵測(cè)溫部位的檢測(cè)展開(kāi)研究，因此本文研究耳根和眼睛關(guān)鍵測(cè)溫區(qū)域的檢測(cè)方法。1.4 研究?jī)?nèi)容本文主要研究?jī)煞矫鎯?nèi)容，技術(shù)路線如圖 1-1 所示。

人工提取體表溫度。首先，將熱圖像逐個(gè)加載到軟件中，然后需要熟練的技術(shù)人員通過(guò)使用鼠標(biāo)來(lái)選擇每個(gè)熱圖像中的特定區(qū)域。 最后，軟件自動(dòng)統(tǒng)計(jì)所選區(qū)域的最大和平均溫度特征。此外，，計(jì)算不同身體區(qū)域之間的相對(duì)體表溫度。定義相對(duì)體表溫度為計(jì)算同一圖像中各部位體表溫度之間的歐幾里德距離，其計(jì)算公式如下： = √( ) (2-1)其中，Tr是相對(duì)體表溫度; Ta和 Tb是兩個(gè)不同身體區(qū)域的體表溫度。歐幾里德距離通常用于表征特征之間的差異，同時(shí)避免符號(hào)模糊。(a) 眼睛和額頭區(qū)域 (b) 耳根和耳朵區(qū)域 (c) 肩部區(qū)域
【學(xué)位授予單位】：華中農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：S828;TN219

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬麗;段玉瑤;宗澤;劉剛;;基于改進(jìn)幾何活動(dòng)輪廓模型的母豬紅外圖像分割算法[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2015年S1期

2 劉元林;梅晨;唐慶菊;蘆玉梅;;紅外熱成像檢測(cè)技術(shù)研究現(xiàn)狀及發(fā)展趨勢(shì)[J];機(jī)械設(shè)計(jì)與制造;2015年06期

3 趙凱旋;何東健;;基于卷積神經(jīng)網(wǎng)絡(luò)的奶牛個(gè)體身份識(shí)別方法[J];農(nóng)業(yè)工程學(xué)報(bào);2015年05期

4 朱偉興;劉波;楊建軍;馬長(zhǎng)華;;基于改進(jìn)主動(dòng)形狀模型的生豬耳部區(qū)域檢測(cè)方法[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2015年03期

5 劉波;朱偉興;霍冠英;;生豬輪廓紅外與光學(xué)圖像的融合算法[J];農(nóng)業(yè)工程學(xué)報(bào);2013年17期

6 劉波;朱偉興;紀(jì)濱;馬長(zhǎng)華;;基于射線輪廓點(diǎn)匹配的生豬紅外與可見(jiàn)光圖像自動(dòng)配準(zhǔn)[J];農(nóng)業(yè)工程學(xué)報(bào);2013年02期

7 裴燕;王冉;魏瑞成;陳明;;紅外熱成像系統(tǒng)在動(dòng)物健康中的應(yīng)用[J];江蘇農(nóng)業(yè)科學(xué);2011年05期

8 劉亞;丁俊強(qiáng);蘇巴錢德;廖登群;趙久然;李建生;;基于遠(yuǎn)紅外熱成像的葉溫變化與玉米苗期耐旱性的研究[J];中國(guó)農(nóng)業(yè)科學(xué);2009年06期

9 張哲平;宋小勇;李云飛;;紅外熱成像技術(shù)在研究不同果蔬真空預(yù)冷特性中的應(yīng)用[J];科技通報(bào);2009年03期

10 孫曉剛;李云紅;;紅外熱像儀測(cè)溫技術(shù)發(fā)展綜述[J];激光與紅外;2008年02期

相關(guān)博士學(xué)位論文 前1條

1 劉波;基于多源圖像的生豬體表溫度和步態(tài)特征提取方法的研究[D];江蘇大學(xué);2014年

相關(guān)碩士學(xué)位論文 前1條

1 孟祥雪;紅外熱像儀在母豬皮溫現(xiàn)場(chǎng)檢測(cè)中的應(yīng)用[D];東北農(nóng)業(yè)大學(xué);2016年

本文編號(hào)：2624935