隨著計(jì)算機(jī)應(yīng)用技術(shù)的快速發(fā)展,運(yùn)用智能化和現(xiàn)代化的技術(shù)來管理牲畜養(yǎng)殖企業(yè),這對于一個企業(yè)來說改變了傳統(tǒng)的管理模式,給企業(yè)在人力和財力方面都帶來了很大的利益。本文基于卷積神經(jīng)網(wǎng)絡(luò)對奶牛自動檢測算法及其系統(tǒng)實(shí)現(xiàn)進(jìn)行研究,高效、準(zhǔn)確的對奶牛在擠奶環(huán)境中實(shí)現(xiàn)了實(shí)時的目標(biāo)檢測任務(wù)。當(dāng)下,由于在研究奶牛個體識別方面沒有標(biāo)準(zhǔn)的數(shù)據(jù)集,目前,所有公開項(xiàng)目都通過純手工方式制作實(shí)驗(yàn)所用數(shù)據(jù)集。因而該論文的目的之一是為了能夠?qū)崿F(xiàn)樣本數(shù)據(jù)集的自動采集。此外,自動采集樣本數(shù)據(jù)集還能夠極大地提高目標(biāo)檢測和識別系統(tǒng)的自動化水平、在系統(tǒng)集成、示范推廣過程中,進(jìn)一步提高工程實(shí)施效率。本文的主要研究內(nèi)容如下:（1）奶牛視頻的采集。為了研究算法對奶牛視頻的目標(biāo)檢測效果,進(jìn)行了奶牛實(shí)地視頻圖像采集。在視頻采集的過程中,為了盡可能的避免給奶牛養(yǎng)殖場的日常生產(chǎn)工作減少不必要的麻煩,同時也由于奶牛場環(huán)境的復(fù)雜性和不確定性因素,于是研制了一套如何獲取奶牛視頻圖像的方案,采集了單一背景下奶牛在通過擠奶臺轉(zhuǎn)盤時的奶牛正臉視頻。（2）技術(shù)方案。通過研究對比了傳統(tǒng)目標(biāo)檢測算法和基于深度學(xué)習(xí)目標(biāo)檢測算法的特點(diǎn),最后采用基于深度學(xué)習(xí)的回歸目標(biāo)檢... 

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀
    1.3 研究難點(diǎn)
    1.4 論文的內(nèi)容結(jié)構(gòu)
第二章 相關(guān)技術(shù)理論和算法
    2.1 引言
    2.2 深度學(xué)習(xí)與卷積神經(jīng)網(wǎng)絡(luò)
    2.3 深度學(xué)習(xí)框架
    2.4 目標(biāo)檢測算法概述
    2.5 PyQt
    2.6 本章小結(jié)
第三章 基于卷積神經(jīng)網(wǎng)絡(luò)對牛臉視頻進(jìn)行自動目標(biāo)檢測
    3.1 引言
    3.2 奶牛牛臉視頻圖像的獲取
    3.3 制作數(shù)據(jù)集
    3.4 奶牛目標(biāo)檢測及目標(biāo)對象提取算法的實(shí)現(xiàn)
    3.5 回歸器優(yōu)化設(shè)計(jì)
    3.6 實(shí)驗(yàn)與結(jié)果分析
    3.7 準(zhǔn)確率與召回率分析
    3.8 本章小結(jié)
第四章 奶牛檢測系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    4.1 引言
    4.2 系統(tǒng)可行性分析
    4.3 系統(tǒng)設(shè)計(jì)
    4.4 系統(tǒng)功能模塊
    4.5 系統(tǒng)實(shí)現(xiàn)與測試
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 論文總結(jié)
    5.2 未來展望
參考文獻(xiàn)
致謝
個人簡介
附件


【參考文獻(xiàn)】：
期刊論文
[1]Discriminative graph regularized broad learning system for image recognition[J]. Junwei JIN,Zhulin LIU,C.L.Philip CHEN.  Science China（Information Sciences）. 2018(11)
[2]基于Faster R-CNN深度網(wǎng)絡(luò)的遙感影像目標(biāo)識別方法研究[J]. 王金傳,譚喜成,王召海,鐘燕飛,董華萍,周松濤,成布怡.  地球信息科學(xué)學(xué)報. 2018(10)
[3]基于旋轉(zhuǎn)不變Faster R-CNN的低空裝甲目標(biāo)檢測[J]. 曹宇劍,徐國明,史國川.  激光與光電子學(xué)進(jìn)展. 2018(10)
[4]Faster R-CNN模型在車輛檢測中的應(yīng)用[J]. 王林,張鶴鶴.  計(jì)算機(jī)應(yīng)用. 2018(03)
[5]深度學(xué)習(xí)進(jìn)展及其在圖像處理領(lǐng)域的應(yīng)用[J]. 劉涵,賀霖,李軍.  中興通訊技術(shù). 2017(04)
[6]魯棒主成分分析的運(yùn)動目標(biāo)檢測綜述[J]. 蔡念,周楊,劉根,楊志景,凌永權(quán).  中國圖象圖形學(xué)報. 2016(10)
[7]農(nóng)民資金互助社對農(nóng)戶正規(guī)信貸配給的影響機(jī)制分析——基于合作金融“共躋監(jiān)督”的視角[J]. 董曉林,朱敏杰,張曉艷.  中國農(nóng)村觀察. 2016(01)
[8]行人檢測中非極大值抑制算法的改進(jìn)[J]. 陳金輝,葉西寧.  華東理工大學(xué)學(xué)報(自然科學(xué)版). 2015(03)

碩士論文
[1]基于特征性能增強(qiáng)和目標(biāo)定位的圖像檢索研究[D]. 袁暉.西安理工大學(xué) 2019
[2]交通場景下的騎車人檢測方法研究[D]. 湯文君.山東大學(xué) 2019
[3]基于Caffe深度學(xué)習(xí)的無人機(jī)海上目標(biāo)檢測[D]. 苗晨.吉林大學(xué) 2019
[4]改進(jìn)的SSD的目標(biāo)檢測研究[D]. 趙慶北.廣西大學(xué) 2018
[5]基于深度學(xué)習(xí)與稀疏表示的模式識別研究及牛臉識別應(yīng)用[D]. 呂昌偉.北方民族大學(xué) 2018
[6]基于深度學(xué)習(xí)的目標(biāo)檢測算法研究[D]. 張志豪.電子科技大學(xué) 2018
[7]基于Faster R-CNN的人臉檢測與識別算法研究與實(shí)現(xiàn)[D]. 尉冰.西安電子科技大學(xué) 2017



本文編號：3707688