隨著我國奶牛養(yǎng)殖的規(guī)模化發(fā)展,利用計算機、傳感器等信息化手段實現(xiàn)精準養(yǎng)殖越來越受到廣泛關注。精準養(yǎng)殖要求對奶牛個體信息實時獲取,其中身份信息、運動量和體況評分尤為重要。奶牛體況評分(Body Condition Score,BCS)是以奶牛身體脂肪沉淀為依據(jù),用于評價奶牛能量積蓄和營養(yǎng)健康狀況的一種實用工具。目前,體況評分普遍以人工評判為主,其存在主觀誤差且效率低下。利用傳統(tǒng)數(shù)字圖像處理技術難以提取和分割身體各關鍵部位,且受光照復雜多變的影響,分類器在一定程度上難以建模。另外,從牛群BCS到個體的映射,完成集奶牛身份信息、運動量和體況監(jiān)控為一體的健康管理系統(tǒng),是當前奶牛精準養(yǎng)殖領域亟待解決的問題。針對上述問題,本文綜合利用圖像和可穿戴設備兩種傳感器數(shù)據(jù),圍繞奶牛身體關鍵部位檢測和跟蹤、體況評分方法、個體信息感知等關鍵問題開展研究,具體工作如下:1.構建了奶牛圖像數(shù)據(jù)自動采集平臺,并在此平臺上獲得8972張奶牛背部俯視圖像。圖像包含了奶牛臀部兩側(cè)、坐骨結節(jié)、尾根、腰角和部分脊椎,這些部位與BCS之間存在密切的關系。數(shù)據(jù)經(jīng)獸醫(yī)專家手工標注,為神經(jīng)網(wǎng)絡訓練提供數(shù)據(jù)集。2.針對原有SSD算法沒...

【文章頁數(shù)】：126 頁

【學位級別】：博士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 選題背景及研究意義
    1.2 國內(nèi)外研究現(xiàn)狀與分析
        1.2.1 體況評分方法的研究現(xiàn)狀分析
        1.2.2 基于深度學習方法的目標檢測技術研究現(xiàn)狀
        1.2.3 奶牛個體信息感知技術研究現(xiàn)狀與分析
        1.2.4 現(xiàn)階段存在的主要問題
    1.3 本文的工作
        1.3.1 研究內(nèi)容
        1.3.2 研究方法
    1.4 論文的組織結構
第二章 理論基礎與實驗平臺搭建
    2.1 奶牛BCS圖像識別原理
        2.1.1 BCS測定方法
        2.1.2 BCS特征圖
    2.2 深度學習理論基礎
        2.2.1 神經(jīng)元
        2.2.2 激活函數(shù)
        2.2.3 損失與優(yōu)化
        2.2.4 深度神經(jīng)網(wǎng)絡
    2.3 實驗平臺構建
        2.3.1 網(wǎng)絡攝像機
        2.3.2 攝相機部署
        2.3.3 遠程監(jiān)控系統(tǒng)
    2.4 數(shù)據(jù)集
        2.4.0 圖像預處理
        2.4.1 圖像標注
        2.4.2 數(shù)據(jù)分布
    2.5 本章小結
第三章 奶牛尾部圖像檢測方法研究
    3.1 基于卷積神經(jīng)網(wǎng)絡的目標檢測原理
        3.1.1 圖像目標檢測
        3.1.2 卷積神經(jīng)網(wǎng)絡
    3.2 改進的SSD算法用于奶牛尾部檢測
        3.2.1 基本的SSD算法
        3.2.2 網(wǎng)絡連接稠密化
        3.2.3 增大感受野
        3.2.4 改進SSD模型的網(wǎng)絡結構
    3.3 目標檢測算法性能評價指標
    3.4 實驗與結果分析
        3.4.1 實驗設計
        3.4.2 結果與分析
    3.5 本章小結
第四章 奶牛尾部跟蹤方法及自動計數(shù)
    4.1 視頻圖像目標跟蹤原理
        4.1.1 跟蹤過程概述
        4.1.2 坐標系及其變換
        4.1.3 目標運動建模
    4.2 狀態(tài)估計算法
        4.2.1 卡爾曼濾波
        4.2.2 粒子濾波
        4.2.3 改進的濾波算法
    4.3 自動計數(shù)
    4.4 實驗與結果分析
        4.4.1 實驗設計
        4.4.2 跟蹤結果及分析
        4.4.3 計數(shù)結果及分析
    4.5 本章小結
第五章 奶牛體況評分方法研究
    5.1 多任務深度學習原理
        5.1.1 多任務網(wǎng)絡
        5.1.2 分類器設計
    5.2 體況評分方法
        5.2.1 基于Faster RCNN模型的評分方法
        5.2.2 基于YOLO網(wǎng)絡模型的評分方法
        5.2.3 基于SSD模型的評分方法及其改進
    5.3 算法評價指標
    5.4 體況評分實驗與分析
        5.4.1 實驗設計
        5.4.2 結果分析
    5.5 本章小結
第六章 奶牛個體信息感知與系統(tǒng)集成
    6.1 計步器的功能概述
    6.2 計步器設計
        6.2.1 計步器電路設計
        6.2.2 外殼封裝
    6.3 信息感知
        6.3.1 數(shù)據(jù)報文
        6.3.2 測試系統(tǒng)
        6.3.3 實驗結果
    6.4 系統(tǒng)集成
    6.5 本章小結
第七章 結論與展望
    7.1 結論
    7.2 工作展望
參考文獻
致謝
發(fā)表的論文與取得的研究成果



本文編號：3858243