深度圖像分析在農(nóng)業(yè)中具有很大的潛力,在動(dòng)物行為檢測(cè)和體重估計(jì)中具有重要應(yīng)用價(jià)值。檢測(cè)豬不活動(dòng)行為及其體重的傳統(tǒng)方法依賴于費(fèi)時(shí)費(fèi)力的人工檢查。本論文提出了使用深度圖像檢測(cè)圍欄中群養(yǎng)母豬的不活動(dòng)行為的相關(guān)方法,并建立了個(gè)體仔豬體重的檢測(cè)模型。研究通過(guò)搭建的圖像采集系統(tǒng)自動(dòng)連續(xù)記錄動(dòng)物的深度圖像,通過(guò)提出的DepInact圖像處理和邏輯分析方法跟蹤處于非活動(dòng)狀態(tài)的群養(yǎng)豬個(gè)體,并對(duì)處于這一狀態(tài)超過(guò)一定時(shí)間閾值的豬只(目標(biāo)豬只)進(jìn)行識(shí)別。為了驗(yàn)證所開(kāi)發(fā)系統(tǒng)的穩(wěn)健性和準(zhǔn)確性,獲得了 656對(duì)間隔4秒拍攝的相應(yīng)的深度數(shù)據(jù)和彩色圖像,其中深度數(shù)據(jù)用來(lái)自動(dòng)檢測(cè)目標(biāo)豬只,而彩色圖像用來(lái)人工確定真實(shí)的非活動(dòng)目標(biāo)豬只。通過(guò)比較DepInact識(shí)別結(jié)果與人工真實(shí)標(biāo)記結(jié)果,得到利用DepInact進(jìn)行非活動(dòng)目標(biāo)豬只檢測(cè)的準(zhǔn)確率為85.7%,從而證明所開(kāi)發(fā)的系統(tǒng)可以用于非活動(dòng)目標(biāo)豬只的自動(dòng)識(shí)別。特別的,該系統(tǒng)對(duì)豬舍光線條件改變不敏感,具有較好的環(huán)境適應(yīng)性。本研究的第二部分討論了基于深度圖像的仔豬體重檢測(cè)方法。研究提取單個(gè)仔豬特征(如背部區(qū)域,高度和高度總和)并利用這些特征建立了支持向量機(jī)(SVM)模型來(lái)估計(jì)仔豬重量。研究比較了單一特征輸入和多特征輸入的結(jié)果,最優(yōu)模型為使用三個(gè)輸入特征時(shí)建立的SVM模型,校正集相關(guān)系數(shù)和均方根誤差分別為0.82和0.09 kg,預(yù)測(cè)集相關(guān)系數(shù)和均方根誤差為0.95和0.08 kg。然而,但仍需開(kāi)展更多深入的研究來(lái)提高系統(tǒng)識(shí)別和預(yù)測(cè)的準(zhǔn)確性。
【學(xué)位單位】：華中農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：S828;TP391.41;TP181
【文章目錄】：
摘要
Abstract
List of Abbreviations
1. Introduction
    1.1 Origin of Research Problem
    1.2 Significance
    1.3 Objectives
2. Literature review
    2.1 Crop cultivation
    2.2 Food inspection and quality control
    2.3 Weight estimation
    2.4 Tracking
    2.5 Behavior and Health Monitoring
    2.6 Depth images
3. Application of depth images for detection of inactivity
    3.1 Data collection
    3.2 Image analysis and algorithm development for detection ofinactivity
        3.2.1 Basic loop
        3.2.2 Image Processing
    3.3 Results for detection of inactivity
        3.3.1 Manual verification
        3.3.2 Allowance and Loop count
4. Discussion for Inactivity
5. Application of depth images for weight estimation
    5.1 Data collection
    5.2 Image analysis for weight estimation
        5.2.1 Data preprocessing
        5.2.2 Model development
        5.2.3 Model Evaluation
    5.3 Results for weight estimation
        5.3.1 Model performance and comparison
6. Discussion for weight estimation
7. Conclusion
References
Appendices
Acknowledgements

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周自顧;曹杰;郝群;高澤東;肖宇晴;;保留邊界特征的深度圖像增強(qiáng)算法研究[J];應(yīng)用光學(xué);2018年02期

2 劉田間;郭連朋;朱禛;賴平;;一種深度圖像修復(fù)算法研究[J];信息技術(shù);2017年06期

3 錢(qián)鈞;李良福;周鋒飛;王超;鄒彬;;基于結(jié)構(gòu)特征引導(dǎo)濾波的深度圖像增強(qiáng)算法研究[J];應(yīng)用光學(xué);2016年02期

4 鄭傳遠(yuǎn);李良福;肖樟樹(shù);陸鋮;;一種改進(jìn)的各向異性擴(kuò)散深度圖像增強(qiáng)算法[J];計(jì)算機(jī)工程與科學(xué);2016年09期

5 呂浩;陳世峰;;基于多方向?yàn)V波的強(qiáng)邊緣深度圖像補(bǔ)全方法[J];集成技術(shù);2016年06期

6 劉漢偉;曹雛清;;基于圖像融合的深度圖像修復(fù)算法[J];現(xiàn)代電子技術(shù);2020年02期

7 王殿偉;陳鵬;李大湘;許志杰;王晶;;基于深度融合的深度圖像修復(fù)算法[J];光電子·激光;2019年06期

8 葛利躍;朱令令;張聰炫;陳震;;深度圖像優(yōu)化分層分割的3D場(chǎng)景流估計(jì)[J];南昌航空大學(xué)學(xué)報(bào)(自然科學(xué)版);2018年02期

9 章勤;虢偉;;基于多幅深度圖像的三維重構(gòu)技術(shù)[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年02期

10 楊書(shū)焓;譚斌;;深度圖像修復(fù)算法綜述[J];計(jì)算機(jī)產(chǎn)品與流通;2019年02期

相關(guān)博士學(xué)位論文 前10條

1 王月;面向產(chǎn)品裝配引導(dǎo)的增強(qiáng)現(xiàn)實(shí)虛實(shí)融合技術(shù)研究[D];西北工業(yè)大學(xué);2018年

2 楊莉莉;深度圖像的獲取與復(fù)原算法研究[D];西安電子科技大學(xué);2018年

3 丁益洪;立體足跡三維曲面分割與識(shí)別[D];解放軍信息工程大學(xué);2005年

4 范濤;基于壓縮感知深度圖像處理及三維編碼系統(tǒng)優(yōu)化方法[D];上海大學(xué);2017年

5 苗丹;三維視頻壓縮、傳輸、渲染相關(guān)技術(shù)的研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2015年

6 宋希彬;基于RGB-D信息的深度圖像增強(qiáng)關(guān)鍵技術(shù)研究[D];山東大學(xué);2017年

7 馬爽;具有自主發(fā)育能力的機(jī)器人感知與認(rèn)知方法研究[D];吉林大學(xué);2016年

8 杜同春;寫(xiě)字機(jī)器人感知與推理方法研究[D];哈爾濱工程大學(xué);2017年

9 許小艷;多視點(diǎn)視頻中的視圖合成[D];重慶大學(xué);2011年

10 丁雅斌;隱式表達(dá)三維模型流水線的關(guān)鍵技術(shù)研究[D];天津大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 王照華;面向堆疊矩形物體的識(shí)別與抓取方法研究[D];哈爾濱工業(yè)大學(xué);2019年

2 楊書(shū)焓;利用最小生成樹(shù)圖像分割指導(dǎo)深度圖像的修復(fù)[D];西華大學(xué);2019年

3 陳正陽(yáng);深度圖像自適應(yīng)鄰域修復(fù)方法[D];成都理工大學(xué);2019年

4 曾星;基于深度圖像的坐姿識(shí)別技術(shù)及應(yīng)用研究[D];國(guó)防科技大學(xué);2017年

5 李錦環(huán);基于生成對(duì)抗網(wǎng)絡(luò)的單目深度圖像的生成[D];大連理工大學(xué);2019年

6 OJUKWU CHRISTOPHER CHIJIOKE;利用深度圖像分析檢測(cè)不活動(dòng)性和估計(jì)豬的實(shí)際體重[D];華中農(nóng)業(yè)大學(xué);2019年

7 易瑤;面向深度圖像的3D-HEVC幀內(nèi)編碼模式?jīng)Q策快速算法研究[D];浙江工業(yè)大學(xué);2019年

8 司艷麗;基于彩色圖像和深度圖像的重疊顆粒分層計(jì)數(shù)[D];江蘇大學(xué);2019年

9 劉智娟;基于機(jī)器視覺(jué)的路面裂縫三維建模與修補(bǔ)參數(shù)計(jì)算[D];長(zhǎng)安大學(xué);2019年

10 曹揚(yáng);基于紅外和深度圖像的人臉對(duì)齊研究[D];上海交通大學(xué);2016年

本文編號(hào)：2839883