【摘要】：目前,蛋雞養(yǎng)殖雖然在一些設(shè)備和環(huán)境調(diào)控技術(shù)方面得到了飛速發(fā)展,但是在養(yǎng)殖過程中,檢測蛋雞的健康和福利狀況仍然采用效率低、勞動強度大,而且不利于健康的人工作業(yè)的方式進行。其不利于蛋雞養(yǎng)殖業(yè)向集約化、規(guī)�；姆较虬l(fā)展。因此,蛋雞行為檢測的研究在蛋雞的自動化養(yǎng)殖和信息化養(yǎng)殖方面具有重要的意義。目前由于蛋雞個體相似、養(yǎng)殖環(huán)境復(fù)雜等原因很少有人使用圖像技術(shù)對蛋雞進行檢測。本課題以蛋雞為研究對象,對籠養(yǎng)蛋雞的行為檢測及其關(guān)鍵技術(shù)進行了深入研究。主要完成的工作和取得成果如下:(1)構(gòu)建蛋雞行為檢測系統(tǒng)。對系統(tǒng)的檢測硬件平臺進行了研究與設(shè)計,并對蛋雞行為檢測的軟件系統(tǒng)進行了方案設(shè)計。完成Pascal_VOC數(shù)據(jù)集制作。根據(jù)需求,對圖像數(shù)據(jù)實施添加噪聲、平移、旋轉(zhuǎn)等操作進行數(shù)據(jù)擴增,為蛋雞行為檢測準(zhǔn)備合理并且準(zhǔn)確的訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集。(2)研究當(dāng)前在深度學(xué)習(xí)中較為流行的Faster R-CNN、SSD、YOLOV3等檢測算法。對這些檢測算法進行了蛋雞行為檢測對比實驗,實驗結(jié)果表明YOLOV3在蛋雞行為的檢測速度和精度上都優(yōu)于另外兩種算法,但在實際的檢測中,YOLOV3會出現(xiàn)卡頓、延遲等現(xiàn)象。(3)以YOLOV3檢測算法為基礎(chǔ),設(shè)計了一種輕量型的TD-YOLOV3檢測算法。首先,以YOLOV3網(wǎng)絡(luò)結(jié)構(gòu)為基礎(chǔ),壓縮獲得輕量型T-YOLOV3網(wǎng)絡(luò)結(jié)構(gòu);其次,用Dense block替換T-YOLOV3網(wǎng)絡(luò)中Conv9后的RES模塊,并在網(wǎng)絡(luò)結(jié)構(gòu)中的第Conv5,Conv7,Conv9,Conv12的卷積層之后添加MLP結(jié)構(gòu);最后,基于K-means算法的聚類維度優(yōu)化和訓(xùn)練策略優(yōu)化進行本文數(shù)據(jù)集的訓(xùn)練和測試。實驗表明,TD-YOLOV3算法不僅在精度上達到了要求,而且又在檢測速度上得到了明顯提升。(4)基于TD-YOLOV3算法以及DJango前端開發(fā)技術(shù)設(shè)計了一種蛋雞行為在線檢測系統(tǒng),實現(xiàn)了蛋雞行為檢測以及數(shù)據(jù)庫等功能。
【學(xué)位授予單位】：浙江農(nóng)林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP18;TP391.41;S831
【圖文】：

1 緒論了蛋雞行為檢測相關(guān)的研究，并通過實驗進行性能比較。（3）基于 YOLOV3 的蛋雞行為檢測輕量化模型的研究與實現(xiàn)�；� Dck 和 NIN 網(wǎng)絡(luò)的 MLP 結(jié)構(gòu)對 YOLOV3 進行了輕量化網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計。（4）蛋雞行為識別的在線檢測系統(tǒng)開發(fā)�；� YOLOV3 的輕量化檢測模 Django 前端框架，開發(fā)了一種擁有圖像采集、檢測、和數(shù)據(jù)保存功能測系統(tǒng)。.2 技術(shù)路線論文的研究目標(biāo)是基于深度學(xué)習(xí)的蛋雞行為檢測方法研究和系統(tǒng)開發(fā)，術(shù)路線如圖 1.1 所示。

圖 1.2 章節(jié)安排Figure 1.2 ChapterArrangement第一章：緒論部分。本章主要介紹了該課題的研究背景及意義。闡述了外的蛋雞檢測方法的研究以及深度學(xué)習(xí)的研究現(xiàn)狀和發(fā)展趨勢。最后介的主要研究內(nèi)容和論文的組織結(jié)構(gòu)。第二章：蛋雞行為檢測系統(tǒng)搭建與數(shù)據(jù)集準(zhǔn)備部分。本章首先簡單介紹為檢測系統(tǒng)的設(shè)計，包括硬件部分設(shè)計和軟件部分設(shè)計。然后又介紹了識別數(shù)據(jù)集的制作過程。比如圖像的采集，數(shù)據(jù)的標(biāo)記，數(shù)據(jù)的增強，的轉(zhuǎn)換等等。第三章：蛋雞行為檢測算法部分。本章首先介紹了深度學(xué)習(xí)的相關(guān)理論基于理論基礎(chǔ)對目前最常用的三種檢測算法 Faster R-CNN、SSD、YO了蛋雞行為檢測研究。最后通過實驗驗證算法的可行性。第四章：模型改進與優(yōu)化部分。本章主要結(jié)合第四章節(jié)的 YOLOV3 算一種輕量型蛋雞行為檢測模型 TD-YOLOV3 網(wǎng)絡(luò)模型。首先以 YOLO設(shè)計了一種輕量型的 T-YOLOV3 模型，然后基于 Dense block 密集塊、

【參考文獻】

相關(guān)期刊論文 前10條

1 高強;靳其兵;程勇;;基于卷積神經(jīng)網(wǎng)絡(luò)探討深度學(xué)習(xí)算法與應(yīng)用[J];電腦知識與技術(shù);2015年13期

2 宋海軍;丁勇;;蛋雞產(chǎn)蛋期死淘率高的防治措施[J];中國畜禽種業(yè);2015年04期

3 張樹華;;蛋雞的自然行為信號與管理[J];江西飼料;2015年01期

4 閆麗;邵慶;席桂清;;家畜行為智能監(jiān)測系統(tǒng)的研究進展[J];家畜生態(tài)學(xué)報;2014年12期

5 李亞碩;毛文華;胡小安;張小超;;基于機器視覺識別雞冠顏色的病雞檢測方法[J];機器人技術(shù)與應(yīng)用;2014年05期

6 張融;王樹才;王偉;汪靖;江曉明;李芳環(huán);陳愛平;;我國蛋雞集約化無公害養(yǎng)殖發(fā)展趨勢研究[J];農(nóng)機化研究;2014年08期

7 沈明霞;劉龍申;閆麗;陸明洲;姚文;楊曉靜;;畜禽養(yǎng)殖個體信息監(jiān)測技術(shù)研究進展[J];農(nóng)業(yè)機械學(xué)報;2014年10期

8 黃凱奇;任偉強;譚鐵牛;;圖像物體分類與檢測算法綜述[J];計算機學(xué)報;2014年06期

9 勞鳳丹;滕光輝;李軍;余禮根;李卓;;機器視覺識別單只蛋雞行為的方法[J];農(nóng)業(yè)工程學(xué)報;2012年24期

10 齊琳;包軍;李劍虹;;動物行為學(xué)研究在動物福利養(yǎng)殖中的應(yīng)用[J];中國動物檢疫;2009年09期

本文編號：2736187