【摘要】：針對(duì)現(xiàn)階段肉雞稱(chēng)重復(fù)雜、福利降低問(wèn)題,提出了一種基于深度圖像的肉雞體質(zhì)量估測(cè)模型建立方法。該方法首先對(duì)深度圖像進(jìn)行圖像預(yù)處理,再利用數(shù)值積分法提取出目標(biāo)特征,并結(jié)合BP神經(jīng)網(wǎng)絡(luò),實(shí)現(xiàn)群體肉雞的體質(zhì)量估測(cè)。估測(cè)結(jié)果與實(shí)際測(cè)量結(jié)果進(jìn)行對(duì)比,研究結(jié)果表明兩者的均方根誤差為0.048,平均相對(duì)誤差為3.3%,絕對(duì)誤差在0.001 0~0.068 2 kg范圍內(nèi),最優(yōu)擬合度為0.994 3,具有較好的推廣應(yīng)用價(jià)值。該方法較為準(zhǔn)確的估測(cè)出肉雞體質(zhì)量,并為用機(jī)器視覺(jué)的方法估測(cè)肉雞生長(zhǎng)發(fā)育規(guī)律提供了新的思路。
【圖文】：

戎?K、長(zhǎng)度值L、最大內(nèi)切圓半徑R、周長(zhǎng)C、目標(biāo)體積V、后背寬W、日齡D共9個(gè)節(jié)點(diǎn)為預(yù)測(cè)模型輸入層，選取體質(zhì)量T一個(gè)節(jié)點(diǎn)為輸出層，隱含層神經(jīng)元個(gè)數(shù)q和輸入層神經(jīng)元個(gè)數(shù)M之間近似關(guān)系為q=2M+1，，因此確定隱含層共19個(gè)節(jié)點(diǎn)，BP結(jié)構(gòu)為9-19-1，建立起B(yǎng)P神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，網(wǎng)絡(luò)結(jié)構(gòu)圖如圖2所示。BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練前，為減弱各主控因素不同量綱的數(shù)據(jù)對(duì)網(wǎng)絡(luò)模型訓(xùn)練與預(yù)測(cè)值的影響，對(duì)各輸入層的數(shù)據(jù)做歸一化處理。并按照?qǐng)D3進(jìn)行進(jìn)一步建立體質(zhì)量模型。圖2BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.2StructureofBPneuralnetwork圖3BP神經(jīng)網(wǎng)絡(luò)流程圖Fig.3FlowchartofBPneuralnetwork1.6建模評(píng)價(jià)指標(biāo)為了衡量計(jì)算偏差以及檢驗(yàn)?zāi)Ｐ�，采用決定系數(shù)R2，均方根誤差RMSE以及平均相對(duì)誤差MRE這3種檢驗(yàn)值對(duì)模型進(jìn)行評(píng)價(jià)。以下是3種檢驗(yàn)值公式：

晏?積V、后背寬W、日齡D共9個(gè)節(jié)點(diǎn)為預(yù)測(cè)模型輸入層，選取體質(zhì)量T一個(gè)節(jié)點(diǎn)為輸出層，隱含層神經(jīng)元個(gè)數(shù)q和輸入層神經(jīng)元個(gè)數(shù)M之間近似關(guān)系為q=2M+1，因此確定隱含層共19個(gè)節(jié)點(diǎn)，BP結(jié)構(gòu)為9-19-1，建立起B(yǎng)P神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，網(wǎng)絡(luò)結(jié)構(gòu)圖如圖2所示。BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練前，為減弱各主控因素不同量綱的數(shù)據(jù)對(duì)網(wǎng)絡(luò)模型訓(xùn)練與預(yù)測(cè)值的影響，對(duì)各輸入層的數(shù)據(jù)做歸一化處理。并按照?qǐng)D3進(jìn)行進(jìn)一步建立體質(zhì)量模型。圖2BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.2StructureofBPneuralnetwork圖3BP神經(jīng)網(wǎng)絡(luò)流程圖Fig.3FlowchartofBPneuralnetwork1.6建模評(píng)價(jià)指標(biāo)為了衡量計(jì)算偏差以及檢驗(yàn)?zāi)Ｐ�，采用決定系數(shù)R2，均方根誤差RMSE以及平均相對(duì)誤差MRE這3種檢驗(yàn)值對(duì)模型進(jìn)行評(píng)價(jià)。以下是3種檢驗(yàn)值公式：
【作者單位】： 國(guó)家農(nóng)業(yè)信息化工程技術(shù)研究中心/農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點(diǎn)實(shí)驗(yàn)室/北京市農(nóng)業(yè)物聯(lián)網(wǎng)工程技術(shù)研究中心;天津科技大學(xué)電子信息與自動(dòng)化學(xué)院;
【基金】：國(guó)家自然科學(xué)基金青年基金項(xiàng)目(61601034) 國(guó)家重點(diǎn)研發(fā)計(jì)劃課題(2016YFD0700202)
【分類(lèi)號(hào)】：S831;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王開(kāi)云;黃瑞森;鐘日開(kāi);鄒平;耿瑋;陳君梅;;雞采食和體重自動(dòng)記錄設(shè)備設(shè)計(jì)和試驗(yàn)[J];現(xiàn)代農(nóng)業(yè)裝備;2016年02期

2 李卓;杜曉冬;毛濤濤;滕光輝;;基于深度圖像的豬體尺檢測(cè)系統(tǒng)[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2016年03期

3 曹姍姍;孫偉;劉鵬舉;唐小明;;基于GA-BP神經(jīng)網(wǎng)絡(luò)的灌木生物量估測(cè)模型[J];西北農(nóng)林科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年12期

4 李卓;毛濤濤;劉同海;滕光輝;;基于機(jī)器視覺(jué)的豬體質(zhì)量估測(cè)模型比較與優(yōu)化[J];農(nóng)業(yè)工程學(xué)報(bào);2015年02期

5 沈明霞;劉龍申;閆麗;陸明洲;姚文;楊曉靜;;畜禽養(yǎng)殖個(gè)體信息監(jiān)測(cè)技術(shù)研究進(jìn)展[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2014年10期

6 劉波;朱偉興;楊建軍;馬長(zhǎng)華;;基于深度圖像和生豬骨架端點(diǎn)分析的生豬步頻特征提取[J];農(nóng)業(yè)工程學(xué)報(bào);2014年10期

7 郭浩;馬欽;張勝利;蘇偉;朱德海;郜允兵;;基于三維重建的動(dòng)物體尺獲取原型系統(tǒng)[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2014年05期

8 郭浩;王鵬;馬欽;朱德海;張勝利;郜允兵;;基于深度圖像的奶牛體型評(píng)定指標(biāo)獲取技術(shù)[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2013年S1期

9 劉同海;李卓;滕光輝;羅城;;基于RBF神經(jīng)網(wǎng)絡(luò)的種豬體重預(yù)測(cè)[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2013年08期

10 張潔;張登輝;;國(guó)內(nèi)外動(dòng)物福利現(xiàn)狀比較及思考[J];畜牧獸醫(yī)雜志;2013年01期

相關(guān)博士學(xué)位論文 前3條

1 李卓;基于立體視覺(jué)技術(shù)的生豬體重估測(cè)研究[D];中國(guó)農(nóng)業(yè)大學(xué);2016年

2 郭浩;動(dòng)物體表三維數(shù)據(jù)獲取與處理算法研究[D];中國(guó)農(nóng)業(yè)大學(xué);2015年

3 劉同海;基于雙目視覺(jué)的豬體體尺參數(shù)提取算法優(yōu)化及三維重構(gòu)[D];中國(guó)農(nóng)業(yè)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前4條

1 李璐一;基于Kinect的物體分割與識(shí)別算法研究[D];重慶大學(xué);2014年

2 趙旭;Kinect深度圖像修復(fù)技術(shù)研究[D];大連理工大學(xué);2013年

3 陳理;Kinect深度圖像增強(qiáng)算法研究[D];湖南大學(xué);2013年

4 趙子光;飼養(yǎng)方式對(duì)肉雞福利狀況的影響[D];東北農(nóng)業(yè)大學(xué);2011年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張光躍;劉龍申;沈明霞;張宏;OKINDA Cedrick Sean;陳光煒;;基于超聲波的母豬產(chǎn)前行為監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[J];中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào);2017年08期

2 王丹;楊小艷;鄭劍;陳龍高;高衛(wèi)東;;基于主成分-BP神經(jīng)網(wǎng)絡(luò)的建設(shè)用地規(guī)模預(yù)測(cè)──以連云港市為例[J];中國(guó)農(nóng)學(xué)通報(bào);2017年21期

3 王琳;孫傳恒;李文勇;吉增濤;張翔;王以忠;雷鵬;楊信廷;;基于深度圖像和BP神經(jīng)網(wǎng)絡(luò)的肉雞體質(zhì)量估測(cè)模型[J];農(nóng)業(yè)工程學(xué)報(bào);2017年13期

4 王琳;吉增濤;李文勇;孫傳恒;楊信廷;;信息技術(shù)在家禽精細(xì)養(yǎng)殖應(yīng)用中的研究進(jìn)展[J];中國(guó)家禽;2017年12期

5 張萌;鐘南;劉瑩瑩;;基于生豬外形特征圖像的瘦肉率估測(cè)方法[J];農(nóng)業(yè)工程學(xué)報(bào);2017年12期

6 顧靜秋;王志海;高榮華;吳華瑞;;基于融合圖像與運(yùn)動(dòng)量的奶牛行為識(shí)別方法[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2017年06期

7 陳莉;錢(qián)同惠;張仕臻;章光旭;;基于無(wú)線傳感器網(wǎng)絡(luò)的生豬體征和養(yǎng)殖環(huán)境監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[J];自動(dòng)化技術(shù)與應(yīng)用;2017年05期

8 于洪源;管雪梅;;基于改進(jìn)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)氣候因子對(duì)大青楊早材纖維壁厚度和生長(zhǎng)速率的影響[J];西南林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué));2017年03期

9 張凱;王春光;劉濤;康飛龍;;基于計(jì)算機(jī)視覺(jué)技術(shù)育肥豬體重分析研究[J];農(nóng)機(jī)化研究;2017年05期

10 李頎;王志鵬;竇軒;季雨薇;;基于無(wú)線傳感器網(wǎng)絡(luò)的產(chǎn)前母豬行為監(jiān)測(cè)系統(tǒng)[J];家畜生態(tài)學(xué)報(bào);2017年03期

相關(guān)博士學(xué)位論文 前2條

1 陳紅茜;基于物聯(lián)網(wǎng)和流式計(jì)算的蛋雞設(shè)施養(yǎng)殖數(shù)字化初探[D];中國(guó)農(nóng)業(yè)大學(xué);2017年

2 李卓;基于立體視覺(jué)技術(shù)的生豬體重估測(cè)研究[D];中國(guó)農(nóng)業(yè)大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 何m榱

本文編號(hào)：2519478