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(lái)管理牲畜養(yǎng)殖企業(yè),這對(duì)于一個(gè)企業(yè)來(lái)說(shuō)改變了傳統(tǒng)的管理模式,給企業(yè)在人力和財(cái)力方面都帶來(lái)了很大的利益。本文基于卷積神經(jīng)網(wǎng)絡(luò)對(duì)奶牛自動(dòng)檢測(cè)算法及其系統(tǒng)實(shí)現(xiàn)進(jìn)行研究,高效、準(zhǔn)確的對(duì)奶牛在擠奶環(huán)境中實(shí)現(xiàn)了實(shí)時(shí)的目標(biāo)檢測(cè)任務(wù)。當(dāng)下,由于在研究奶牛個(gè)體識(shí)別方面沒(méi)有標(biāo)準(zhǔn)的數(shù)據(jù)集,目前,所有公開(kāi)項(xiàng)目都通過(guò)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(dòng)采集。此外,自動(dòng)采集樣本數(shù)據(jù)集還能夠極大地提高目標(biāo)檢測(cè)和識(shí)別系統(tǒng)的自動(dòng)化水平、在系統(tǒng)集成、示范推廣過(guò)程中,進(jìn)一步提高工程實(shí)施效率。本文的主要研究?jī)?nèi)容如下:（1）奶牛視頻的采集。為了研究算法對(duì)奶牛視頻的目標(biāo)檢測(cè)效果,進(jìn)行了奶牛實(shí)地視頻圖像采集。在視頻采集的過(guò)程中,為了盡可能的避免給奶牛養(yǎng)殖場(chǎng)的日常生產(chǎn)工作減少不必要的麻煩,同時(shí)也由于奶牛場(chǎng)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(guò)擠奶臺(tái)轉(zhuǎn)盤時(shí)的奶牛正臉視頻。（2）技術(shù)方案。通過(guò)研究對(duì)比了傳統(tǒng)目標(biāo)檢測(cè)算法和基于深度學(xué)習(xí)目標(biāo)檢測(cè)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(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)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(cè)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(duì)牛臉視頻進(jìn)行自動(dòng)目標(biāo)檢測(cè)
    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(cè)及目標(biāo)對(duì)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(cè)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(cè)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(lái)展望
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)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(shí)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(bào). 2018(10)
[3]基于旋轉(zhuǎn)不變Faster R-CNN的低空裝甲目標(biāo)檢測(cè)[J]. 曹宇劍,徐國(guó)明,史國(guó)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(cè)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(dòng)目標(biāo)檢測(cè)綜述[J]. 蔡念,周楊,劉根,楊志景,凌永權(quán).  中國(guó)圖象圖形學(xué)報(bào). 2016(10)
[7]農(nóng)民資金互助社對(duì)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(guó)農(nóng)村觀察. 2016(01)
[8]行人檢測(cè)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(bào)(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(chǎng)景下的騎車人檢測(cè)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(wú)人機(jī)海上目標(biāo)檢測(cè)[D]. 苗晨.吉林大學(xué) 2019
[4]改進(jìn)的SSD的目標(biāo)檢測(cè)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(shí)別研究及牛臉識(shí)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(cè)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(cè)與識(shí)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(hào)：3707688