隨著智慧化養(yǎng)豬業(yè)的快速發(fā)展,智能視頻監(jiān)控技術(shù)正被廣泛研究用于監(jiān)測(cè)豬只的福利和健康狀況。豬只的飲水情況是衡量豬只健康狀況的重要指標(biāo),監(jiān)測(cè)豬只的飲水行為,提取飲水行為的規(guī)律,可以有效地對(duì)豬只健康異常進(jìn)行預(yù)警,改善其生長(zhǎng)福利。對(duì)于傳統(tǒng)計(jì)算機(jī)視覺技術(shù)提取豬只特征困難,普適性較差的問題,本文提出了基于深度學(xué)習(xí)和面積占有率的豬只飲水行為識(shí)別方法,主要研究?jī)?nèi)容和結(jié)論有:首先,由于群養(yǎng)豬飲水行為識(shí)別需要對(duì)豬只個(gè)體及其豬頭區(qū)域進(jìn)行研究,提出了基于改進(jìn)Mask R-CNN的豬體和豬頭的分割算法,該算法能在群養(yǎng)豬圖像上同時(shí)分割出每個(gè)豬個(gè)體及其豬頭區(qū)域。由于本文的分割任務(wù)是同類別多目標(biāo)的分割,提出在Mask R-CNN模型的區(qū)域建議網(wǎng)絡(luò)中引入非局部特征向量,并在輸出的掩模分支加入了邊緣檢測(cè)濾波器。改進(jìn)后模型對(duì)豬體和豬頭的分割精度達(dá)到了90.3%和88.1%,分別提高了4.2%和3.3%。其次,由于豬舍中飲水器位置固定并且飲水行為是豬頭和飲水器在一段時(shí)間內(nèi)連續(xù)接觸過程,提出了基于面積占有率的飲水行為判斷方法。首先在群養(yǎng)豬圖像中劃分出指定的飲水區(qū)域和飲水器區(qū)域,提取完全包含在飲水區(qū)域內(nèi)的豬只個(gè)體,然后在單幀圖像中... 

【文章來(lái)源】：江蘇大學(xué)江蘇省

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

某視頻幀

不符

基于深度學(xué)習(xí)和面積占有率的群養(yǎng)豬飲水行為識(shí)別12對(duì)比度線性拉伸就是將圖像灰度值進(jìn)行線性映射，對(duì)比度線性拉伸原理的示意圖如圖2.4所示。圖2.4對(duì)比度線性拉伸原理示意圖Figure2.4Schematicdiagramoflinercontrastbroadening原始圖像記為(,)，圖像大小為×，對(duì)比度拉伸后的圖像記為(,)，這里將灰度范圍[,]線性拉伸到[,]，從圖中可以看出，感應(yīng)區(qū)域的對(duì)比度增強(qiáng)（>1），是以抑制非感興趣區(qū)域（<1,<1）為代價(jià)的。此外，對(duì)比度拉伸方法還有許多變形，典型的有：1)灰級(jí)窗，只將灰度值在限定范圍內(nèi)的目標(biāo)做對(duì)比度拉伸。2)灰級(jí)窗切片，將圖像中需要檢測(cè)的目標(biāo)與其他部分分離，目標(biāo)部分為白，非目標(biāo)部分為黑。(a)灰級(jí)窗(b)灰級(jí)窗切片(c)線性動(dòng)態(tài)范圍調(diào)整圖2.5對(duì)比度線性拉伸的幾種變形Figure2.5Severaldeformationsoflinercontrastbroadening3)線性動(dòng)態(tài)范圍調(diào)整，將灰度級(jí)變化從感興趣區(qū)域的范圍擴(kuò)大到整個(gè)圖像灰度，以便更清楚的看到圖像細(xì)節(jié)。幾種對(duì)比度線性拉伸變形的原理示意圖如圖2.5所示。(2)直方圖均衡化直方圖均衡化[50]的目的是增加圖像的對(duì)比度，使圖像中灰度分布均勻，使圖像可以顯示的更加清晰，所以合并圖像中像素個(gè)數(shù)少的灰度值，展寬像素個(gè)數(shù)多的灰度值。

【參考文獻(xiàn)】：
期刊論文
[1]糖尿病性視網(wǎng)膜圖像的深度學(xué)習(xí)分類方法[J]. 李瓊,柏正堯,劉瑩芳.  中國(guó)圖象圖形學(xué)報(bào). 2018(10)
[2]基于卷積網(wǎng)絡(luò)的遙感圖像建筑物提取技術(shù)研究[J]. 付發(fā),未建英,張麗娜.  軟件工程. 2018(06)
[3]基于全卷積網(wǎng)絡(luò)的葡萄病害葉片分割[J]. 趙兵,馮全.  南京農(nóng)業(yè)大學(xué)學(xué)報(bào). 2018(04)
[4]基于改進(jìn)Graph Cut算法的生豬圖像分割方法[J]. 孫龍清,李玥,鄒遠(yuǎn)炳,李億楊.  農(nóng)業(yè)工程學(xué)報(bào). 2017(16)
[5]融合高斯混合建模和圖像�；呢i只目標(biāo)檢測(cè)[J]. 謝雙云,王芳,田建艷,黨亞男.  黑龍江畜牧獸醫(yī). 2016(01)
[6]自適應(yīng)H-minima的改進(jìn)分水嶺堆疊細(xì)胞分割方法[J]. 方紅萍,方康玲,劉新海.  計(jì)算機(jī)應(yīng)用研究. 2016(05)
[7]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]. 趙凱旋,何東健.  農(nóng)業(yè)工程學(xué)報(bào). 2015(05)
[8]基于脊腹線波動(dòng)的豬呼吸急促癥狀視頻分析[J]. 紀(jì)濱,朱偉興,劉波,李先鋒,馬長(zhǎng)華.  農(nóng)業(yè)工程學(xué)報(bào). 2011(01)
[9]一種基于自適應(yīng)閾值的圖像分割算法[J]. 王茜,彭中,劉莉.  北京理工大學(xué)學(xué)報(bào). 2003(04)
[10]一種基于邊緣生長(zhǎng)的灰度和彩色圖象分割方法[J]. 林通,石青云.  中國(guó)圖象圖形學(xué)報(bào). 2000(11)

碩士論文
[1]基于Gabor方向直方圖和支持向量機(jī)的豬個(gè)體身份識(shí)別[D]. 趙偉.江蘇大學(xué) 2017



本文編號(hào)：3446988