豬肉脂肪含量檢測(cè)對(duì)于豬種選育的畜牧商具有重要意義,另外中國國民對(duì)于豬肉的質(zhì)量要求也越來越高。比較各類被用于豬肌內(nèi)脂肪(intramuscular fat,IMF)含量的檢測(cè)方法,傳統(tǒng)采用屠宰養(yǎng)豬后通過人工或物理化學(xué)等檢測(cè)方式,破壞性強(qiáng)、員工技術(shù)要求高,無法達(dá)到無損檢測(cè)。最近幾年,深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)的一個(gè)分支,是計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn),尤其卷積神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)主要研究算法之一,在目標(biāo)檢測(cè)和圖像處理任務(wù)上取得了突破性的進(jìn)展。卷積神經(jīng)網(wǎng)絡(luò)為利用深度學(xué)習(xí)算法對(duì)豬B超圖像進(jìn)行肌內(nèi)脂肪含量檢測(cè)提供了思路,通過分析豬肉的移動(dòng)B超圖像方法實(shí)現(xiàn)脂肪含量無損檢測(cè)。本論文研究以135組豬眼肌B超圖像以及理化檢測(cè)數(shù)據(jù)作為實(shí)驗(yàn)樣本,采用深度學(xué)習(xí)技術(shù)來研究豬眼肌B超圖像脂肪含量檢測(cè)的無損檢測(cè)方法。研究目標(biāo)是建立卷積網(wǎng)絡(luò)預(yù)測(cè)模型從豬B超圖像中預(yù)測(cè)豬眼肌區(qū)域肌內(nèi)脂肪含量。論文以豬眼肌B超圖像以及該圖像對(duì)應(yīng)的脂肪含量標(biāo)簽為出發(fā)點(diǎn),建立了預(yù)測(cè)回歸模型,實(shí)現(xiàn)了豬眼肌B超圖像脂肪含量檢測(cè)。然后,針對(duì)預(yù)測(cè)效率低及空間連續(xù)性差問題,針對(duì)卷積神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型存在的不足,以及目前級(jí)聯(lián)網(wǎng)絡(luò)思想不斷被提出,論文將兩者結(jié)合,提出基...

【文章頁數(shù)】：60 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景及研究意義
        1.1.1 豬脂肪含量檢測(cè)的研究背景
        1.1.2 豬脂肪含量檢測(cè)的研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 超聲波檢測(cè)技術(shù)的研究現(xiàn)狀
        1.2.2 支持向量機(jī)檢測(cè)技術(shù)的研究現(xiàn)狀
        1.2.3 深度學(xué)習(xí)的圖像檢測(cè)研究現(xiàn)狀
    1.3 論文主要研究內(nèi)容
    1.4 論文章節(jié)安排
2 豬眼肌B超圖像數(shù)據(jù)預(yù)處理研究
    2.1 數(shù)據(jù)來源
    2.2 圖像增強(qiáng)
        2.2.1 灰度直方圖處理
        2.2.2 線性變換處理
        2.2.3 直方圖正規(guī)化處理
        2.2.4 伽馬變換處理
        2.2.5 全局直方圖均衡化處理
        2.2.6 限制對(duì)比度的自適應(yīng)直方圖均衡化處理
    2.3 數(shù)據(jù)增強(qiáng)
    2.4 本章小結(jié)
3 基于深度學(xué)習(xí)的豬B超圖像脂肪含量檢測(cè)
    3.1 引言
    3.2 基于CNN卷積神經(jīng)網(wǎng)絡(luò)在圖像處理中的應(yīng)用
    3.3 CNN卷積神經(jīng)網(wǎng)絡(luò)的豬B超脂肪含量檢測(cè)模型實(shí)驗(yàn)
        3.3.1 基于CNN卷積神經(jīng)網(wǎng)絡(luò)的豬B超脂肪含量檢測(cè)的方法描述
        3.3.2 CNN卷積神經(jīng)網(wǎng)絡(luò)的模型設(shè)計(jì)與訓(xùn)練
    3.4 實(shí)驗(yàn)結(jié)果及分析
        3.4.1 訓(xùn)練結(jié)果分析
        3.4.2 實(shí)驗(yàn)對(duì)比與分析
    3.5 本章小結(jié)
4 基于深度級(jí)聯(lián)網(wǎng)絡(luò)的豬B超圖像脂肪含量檢測(cè)
    4.1 引言
    4.2 基于深度級(jí)聯(lián)網(wǎng)絡(luò)在圖像處理中的應(yīng)用
        4.2.1 深度級(jí)聯(lián)網(wǎng)絡(luò)在人臉檢測(cè)中的應(yīng)用
        4.2.2 深度級(jí)聯(lián)網(wǎng)絡(luò)在醫(yī)學(xué)圖像中的應(yīng)用
        4.2.3 圖像分割
    4.3 基于深度級(jí)聯(lián)網(wǎng)絡(luò)的豬B超脂肪含量檢測(cè)模型實(shí)驗(yàn)
        4.3.1 基于深度級(jí)聯(lián)網(wǎng)絡(luò)的豬B超脂肪含量檢測(cè)的方法描述
        4.3.2 深度級(jí)聯(lián)網(wǎng)絡(luò)的模型設(shè)計(jì)與分析
    4.4 實(shí)驗(yàn)結(jié)果對(duì)比及分析
        4.4.1 訓(xùn)練結(jié)果分析
        4.4.2 實(shí)驗(yàn)對(duì)比與分析
    4.5 本章小結(jié)
5 基于深度學(xué)習(xí)的豬B超脂肪含量檢測(cè)系統(tǒng)
    5.1 開發(fā)背景
    5.2 需求分析
        5.2.1 系統(tǒng)開發(fā)工具
        5.2.2 系統(tǒng)需求分析
    5.3 系統(tǒng)設(shè)計(jì)
        5.3.1 系統(tǒng)架構(gòu)介紹
        5.3.2 系統(tǒng)功能設(shè)計(jì)
        5.3.3 系統(tǒng)界面設(shè)計(jì)
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
個(gè)人簡歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及取得的研究成果



本文編號(hào)：3736079