發(fā)布時間：2021-04-18 04:24

　　近年來,我國家畜養(yǎng)殖行業(yè)不斷向集約化、規(guī)�；�、專業(yè)化方向發(fā)展。高密度的封閉式養(yǎng)殖方式對豬只異常行為的實時監(jiān)測提出了新的要求,而針對豬只個體異常行為監(jiān)測的前提是豬只的身份識別。通過人工檢測的方式不僅耗時耗力,而且缺乏效率,因此,深入研究群養(yǎng)豬圖像中豬只個體的前景提取、身份識別、行為識別等,對于提高家畜養(yǎng)殖自動化程度、提升養(yǎng)殖效率是有重要意義的。本文圍繞俯視群養(yǎng)豬圖像,重點(diǎn)研究了基于深度學(xué)習(xí)的豬只個體的圖像分割以及身份識別,主要研究成果如下:（1）在復(fù)雜背景下,從帶有黏連情況的群養(yǎng)豬圖像中,將每一個豬只個體完整的分割出來是一大難點(diǎn)。針對這個問題,本文提出了兩種分割方法,并進(jìn)行了對比實驗。第一種是方法是利用全卷積網(wǎng)絡(luò)對圖像進(jìn)行全局分割,分割出所有豬只,然后結(jié)合距離變化與分水嶺算法分離黏連豬只個體。第二種方法是通過目標(biāo)檢測算法提取單個豬的局部區(qū)域,然后利用全卷積網(wǎng)絡(luò)對局部區(qū)域進(jìn)行分割,獲得豬只個體的完整圖像。對比了兩種方法分割的精度以及對黏連豬只的處理能力,實驗證明,第二種方法的分割效果更好。另外,由于分割出來的輪廓并不是完全準(zhǔn)確的,某些情況下與人工分割的差異較大,因此需要對其進(jìn)行細(xì)分割處理。... 

【文章來源】：江蘇大學(xué)江蘇省

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

視頻采集平臺Figure2.1Videoacquisitionplatform

不符合

符合條

【參考文獻(xiàn)】：
期刊論文
[1]基于雙金字塔網(wǎng)絡(luò)的RGB-D群豬圖像分割方法[J]. 高云,廖慧敏,黎煊,雷明剛,余梅,李小平.  農(nóng)業(yè)機(jī)械學(xué)報. 2020(07)
[2]圖像分割方法綜述[J]. 王秋萍,張志祥,朱旭芳.  信息記錄材料. 2019(07)
[3]基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識別技術(shù)綜述[J]. 安豐波.  中國新通信. 2019(05)
[4]基于深度學(xué)習(xí)的群豬圖像實例分割方法[J]. 高云,郭繼亮,黎煊,雷明剛,盧軍,童宇.  農(nóng)業(yè)機(jī)械學(xué)報. 2019(04)
[5]集約化飼養(yǎng)條件下飼養(yǎng)密度對豬生長性能和健康影響的研究進(jìn)展[J]. 周凱,劉春龍,吳信.  動物營養(yǎng)學(xué)報. 2019(01)
[6]豬只飲水行為機(jī)器視覺自動識別[J]. 楊秋妹,肖德琴,張根興.  農(nóng)業(yè)機(jī)械學(xué)報. 2018(06)
[7]主流深度學(xué)習(xí)框架對比[J]. 加日拉·買買提熱衣木,常富蓉,劉晨,要秀宏.  電子技術(shù)與軟件工程. 2018(07)
[8]基于深度學(xué)習(xí)的目標(biāo)檢測算法綜述[J]. 周曉彥,王珂,李凌燕.  電子測量技術(shù). 2017(11)
[9]圖像語義分割深度學(xué)習(xí)模型綜述[J]. 張新明,祝曉斌,蔡強(qiáng),劉新亮,邵瑋,王磊.  高技術(shù)通訊. 2017(Z1)
[10]基于頭尾定位的群養(yǎng)豬運(yùn)動軌跡追蹤[J]. 高云,郁厚安,雷明剛,黎煊,郭旭,刁亞萍.  農(nóng)業(yè)工程學(xué)報. 2017(02)

碩士論文
[1]基于廣義Hough變換和聚類分析的粘連豬的頭尾識別[D]. 楊心.江蘇大學(xué) 2017
[2]基于Gabor方向直方圖和支持向量機(jī)的豬個體身份識別[D]. 趙偉.江蘇大學(xué) 2017



本文編號：3144796