乳房炎是奶牛養(yǎng)殖過程中造成減產(chǎn)的一種多發(fā)疾病,醫(yī)學(xué)上利用牛乳體細(xì)胞中巨噬細(xì)胞、中性粒細(xì)胞、淋巴細(xì)胞和上皮細(xì)胞的類別數(shù)目進(jìn)行分析,以此判斷奶牛乳房的健康狀況。為了提供新的奶牛乳房炎診斷技術(shù),提高牛乳體細(xì)胞分類效率,本文利用圖像處理相關(guān)技術(shù)開展了以下幾項(xiàng)工作:（1）利用多種預(yù)處理方法對(duì)牛乳體細(xì)胞圖像進(jìn)行處理,增強(qiáng)圖像顯示效果,降低圖像關(guān)鍵信息的獲取難度。（2）提出了基于CNN的牛乳體細(xì)胞識(shí)別算法。卷積神經(jīng)網(wǎng)絡(luò)（CNN）具備圖像深層次信息的提取能力,并且摒棄了傳統(tǒng)算法中人工提取特征的過程,逐漸成為圖像處理與識(shí)別領(lǐng)域的研究焦點(diǎn)。本文構(gòu)建了一個(gè)針對(duì)牛乳體細(xì)胞圖像特點(diǎn)的淺層CNN網(wǎng)絡(luò),利用圖像增強(qiáng)獲得的擴(kuò)充圖像庫完成模型的訓(xùn)練。經(jīng)過實(shí)驗(yàn)對(duì)比,該卷積神經(jīng)網(wǎng)絡(luò)模型能夠有效地識(shí)別牛乳體細(xì)胞種類,為后續(xù)分類方法的研究提供新思路。（3）提出了基于LVF與RF降維的紋理特征融合的牛乳體細(xì)胞識(shí)別算法。針對(duì)梯度方向直方圖（HOG）和局部二值模式（LBP）的局限性,利用低方差濾波（LVF）和隨機(jī)森林（RF）分別對(duì)HOG和LBP提取的紋理特征進(jìn)行降維并融合,使用BP神經(jīng)網(wǎng)絡(luò)（BPNN）進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明本文所提降... 

【文章來源】：內(nèi)蒙古農(nóng)業(yè)大學(xué)內(nèi)蒙古自治區(qū)

【文章頁數(shù)】：56 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１巨險(xiǎn)細(xì)胞圖像??Ｆｉｇ．?１?Ｍａｃｒｏｐｈａｇｅ?ｉｍａｇｅ??

４?基于二分模型的牛乳體細(xì)胞識(shí)別方法的研究???（２）淋巴細(xì)胞??淋巴細(xì)胞體和細(xì)胞核外形都呈近圓形，細(xì)胞核形狀規(guī)則，表面光滑，體積較大。??■??圖２淋巴細(xì)胞圖像??Ｆｉｇ．２?Ｌｙｍｐｈｏｃｙｔｅ?ｉｍａｇｅ??（３）中性粒細(xì)胞??中性粒細(xì)胞體呈圓形，細(xì)胞核分為桿狀核和分葉核兩種，形態(tài)各異，細(xì)胞核表面??凹凸不平，體積較大。??■??圖３中性粒細(xì)胞圖像??Ｆｉｇ．３?Ｎｅｕｔｒｏｐｈｉｌ?ｉｍａｇｅ??（４）上皮細(xì)胞??上皮細(xì)胞體和細(xì)胞核外形都呈近圓形，細(xì)胞核表面光滑，體積較校??■??圖４上皮細(xì)胞圖像??Ｆｉｇ．４?Ｅｐｉｔｈｅｌｉａｌ?ｃｅｌｌ?ｉｍａｇｅ??總結(jié)不同種類的牛乳體細(xì)胞圖像的特點(diǎn)，能夠得到以下結(jié)論：??（１）牛乳體細(xì)胞結(jié)構(gòu)的差異性??中性粒細(xì)胞與其他三類細(xì)胞，在細(xì)胞核形狀和光滑度有差異；淋巴細(xì)胞與中性粒??

４?基于二分模型的牛乳體細(xì)胞識(shí)別方法的研究???（２）淋巴細(xì)胞??淋巴細(xì)胞體和細(xì)胞核外形都呈近圓形，細(xì)胞核形狀規(guī)則，表面光滑，體積較大。??■??圖２淋巴細(xì)胞圖像??Ｆｉｇ．２?Ｌｙｍｐｈｏｃｙｔｅ?ｉｍａｇｅ??（３）中性粒細(xì)胞??中性粒細(xì)胞體呈圓形，細(xì)胞核分為桿狀核和分葉核兩種，形態(tài)各異，細(xì)胞核表面??凹凸不平，體積較大。??■??圖３中性粒細(xì)胞圖像??Ｆｉｇ．３?Ｎｅｕｔｒｏｐｈｉｌ?ｉｍａｇｅ??（４）上皮細(xì)胞??上皮細(xì)胞體和細(xì)胞核外形都呈近圓形，細(xì)胞核表面光滑，體積較校??■??圖４上皮細(xì)胞圖像??Ｆｉｇ．４?Ｅｐｉｔｈｅｌｉａｌ?ｃｅｌｌ?ｉｍａｇｅ??總結(jié)不同種類的牛乳體細(xì)胞圖像的特點(diǎn)，能夠得到以下結(jié)論：??（１）牛乳體細(xì)胞結(jié)構(gòu)的差異性??中性粒細(xì)胞與其他三類細(xì)胞，在細(xì)胞核形狀和光滑度有差異；淋巴細(xì)胞與中性粒??

【參考文獻(xiàn)】：
期刊論文
[1]基于卡方檢驗(yàn)的自適應(yīng)魯棒CKF組合導(dǎo)航算法[J]. 熊鑫,黃國勇,王曉東.  探測(cè)與控制學(xué)報(bào). 2019(05)
[2]第十屆中國奶業(yè)大會(huì)在天津舉辦[J]. 張聰.  食品安全導(dǎo)刊. 2019(25)
[3]基于NMFSNMB與GB（2D）2PCA融合的牛乳體細(xì)胞分類[J]. 郜曉晶,薛河儒,潘新,周艷青.  內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(04)
[4]基于改進(jìn)LBP的手指靜脈識(shí)別算法[J]. 劉超,王容川,許曉偉,于海武.  計(jì)算機(jī)仿真. 2019(01)
[5]基于多特征融合與RF的牛乳體細(xì)胞分類與識(shí)別[J]. 章瀟儷,薛河儒,郜曉晶,周艷青.  內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(06)
[6]BP神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)確定方法研究[J]. 王嶸冰,徐紅艷,李波,馮勇.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(04)
[7]圖像紋理檢測(cè)與特征提取技術(shù)研究綜述[J]. 李秀怡.  中國管理信息化. 2017(23)
[8]鮮牛乳體細(xì)胞數(shù)的常用檢測(cè)方法[J]. 鄒鵬,韓麗英,任靜波.  現(xiàn)代畜牧科技. 2017(07)
[9]體細(xì)胞數(shù)對(duì)牛奶品質(zhì)及產(chǎn)量的影響[J]. 韓麗云,金亞東,趙國麗,李鵬,史遠(yuǎn)剛.  畜牧與獸醫(yī). 2017(04)
[10]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)

博士論文
[1]基于特征融合的多形態(tài)牛乳體細(xì)胞分類識(shí)別的研究[D]. 郜曉晶.內(nèi)蒙古農(nóng)業(yè)大學(xué) 2018
[2]基于多空間混合屬性融合的白細(xì)胞圖像識(shí)別方法研究[D]. 郝連旺.燕山大學(xué) 2014

碩士論文
[1]基于特征改進(jìn)的牛乳體細(xì)胞分類識(shí)別的研究[D]. 章瀟儷.內(nèi)蒙古農(nóng)業(yè)大學(xué) 2019
[2]基于紋理特征的禾本科牧草種子識(shí)別算法研究[D]. 陳桐.內(nèi)蒙古農(nóng)業(yè)大學(xué) 2018
[3]基于深度學(xué)習(xí)的腫瘤細(xì)胞圖像識(shí)別[D]. 張永煥.華東交通大學(xué) 2017
[4]牛乳體細(xì)胞圖像分割與分離方法的研究[D]. 白潔.內(nèi)蒙古農(nóng)業(yè)大學(xué) 2016
[5]基于主成分分析和遞歸特征消除的支持向量機(jī)分類方法研究[D]. 尹祖鈺.哈爾濱工業(yè)大學(xué) 2016
[6]基于形狀特征學(xué)習(xí)的血液白細(xì)胞自動(dòng)分類研究[D]. 莊楊凱.浙江理工大學(xué) 2013



本文編號(hào)：3209307