當(dāng)今社會(huì),科學(xué)技術(shù)迅猛發(fā)展,計(jì)算機(jī)技術(shù)與互聯(lián)網(wǎng)技術(shù)正在不斷滲透到國民經(jīng)濟(jì)的各個(gè)領(lǐng)域,將全世界緊密相連。與此同時(shí),“互聯(lián)網(wǎng)+”模式對(duì)人們的生產(chǎn)生活方式產(chǎn)生了巨大的影響,并加速改造著傳統(tǒng)產(chǎn)業(yè),特別是在畜牧業(yè)領(lǐng)域,由傳統(tǒng)模式正向智能化、精準(zhǔn)化、規(guī)�；l(fā)展。牲畜個(gè)體的身份識(shí)別作為精準(zhǔn)畜牧業(yè)的核心內(nèi)容,本文對(duì)此利用非接觸式的圖像識(shí)別方式,提出了一種基于計(jì)算機(jī)視覺的牛個(gè)體身份識(shí)別方法,對(duì)于中小型牧場環(huán)境下牛的個(gè)體身份識(shí)別該方法顯示出極大的優(yōu)越性,值得推廣。本文的研究方案主要包含三部分:數(shù)據(jù)集的制作,基于YOLO v3的牛臉部位檢測模型的設(shè)計(jì)以及基于字典學(xué)習(xí)的牛個(gè)體身份識(shí)別模型的設(shè)計(jì)。首先是數(shù)據(jù)集的制作,本課題實(shí)地采集了內(nèi)蒙古自治區(qū)察哈爾地區(qū)以及蘇尼特地區(qū)牧場的牛只圖像數(shù)據(jù),分別建立了用于檢測模型的牛臉部位檢測數(shù)據(jù)集以及用于識(shí)別模型的牛臉圖像數(shù)據(jù)集。其次,利用深度學(xué)習(xí)技術(shù)結(jié)合目標(biāo)檢測理論進(jìn)行牛臉部位的檢測,通過對(duì)比不同模型的檢測效果,選擇在基于YOLO v3檢測網(wǎng)絡(luò)的基礎(chǔ)上加以改進(jìn),在建立的牛臉部位檢測數(shù)據(jù)集上訓(xùn)練目標(biāo)檢測模型,通過分析對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了總結(jié)。然后,將字典學(xué)習(xí)理論應(yīng)用到牛的個(gè)體身份識(shí)別...

【文章頁數(shù)】：75 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究背景
    1.2 課題相關(guān)領(lǐng)域發(fā)展現(xiàn)狀
        1.2.1 牲畜身份識(shí)別國內(nèi)外發(fā)展現(xiàn)狀
        1.2.2 計(jì)算機(jī)視覺研究現(xiàn)狀
        1.2.3 字典學(xué)習(xí)研究現(xiàn)狀
    1.3 選題的目的及意義
        1.3.1 選題的目的
        1.3.2 選題的意義
    1.4 論文研究內(nèi)容
    1.5 論文結(jié)構(gòu)
2 基于計(jì)算機(jī)視覺的牛個(gè)體識(shí)別研究方案
    2.1 研究需求分析
    2.2 課題研究方案
        2.2.1 整體研究方案
        2.2.2 數(shù)據(jù)集的制作
        2.2.3 牛臉目標(biāo)檢測模型的設(shè)計(jì)
        2.2.4 牛個(gè)體身份識(shí)別模型的設(shè)計(jì)
    2.3 本章小結(jié)
3 基于深度學(xué)習(xí)的牛臉圖像檢測
    3.1 卷積神經(jīng)網(wǎng)絡(luò)概述
    3.2 基于回歸預(yù)測的目標(biāo)檢測模型
        3.2.1 YOLO概述
        3.2.2 SSD概述
        3.2.3 YOLOv3概述
    3.3 牛臉部位檢測數(shù)據(jù)集的準(zhǔn)備
        3.3.1 數(shù)據(jù)集的采集
        3.3.2 數(shù)據(jù)集的標(biāo)定
    3.4 基于改進(jìn)YOLOv3的牛臉目標(biāo)檢測
        3.4.1 模型選取
        3.4.2 算法改進(jìn)
    3.5 實(shí)驗(yàn)結(jié)果與分析
    3.6 本章小結(jié)
4 基于圖像多通道K-SVD算法的牛個(gè)體身份識(shí)別
    4.1 稀疏表示理論
    4.2 K-SVD算法
        4.2.1 稀疏編碼階段
        4.2.2 字典更新階段
    4.3 圖像多通道K-SVD算法
    4.4 牛臉圖像數(shù)據(jù)集IMCFR20的準(zhǔn)備
    4.5 實(shí)驗(yàn)與分析
    4.6 本章小結(jié)
5 基于增強(qiáng)字典學(xué)習(xí)的牛個(gè)體身份識(shí)別
    5.1 D-KSVD算法
    5.2 LC-KSVD算法
    5.3 CTDLC-KSVD算法
        5.3.1 卡通-紋理分解
        5.3.2 CTDLC-KSVD模型
        5.3.3 CTDLC-KSVD的優(yōu)化
        5.3.4 CTDLC-KSVD的初始化
        5.3.5 CTDLC-KSVD的分類
    5.4 牛臉圖像數(shù)據(jù)集IMCFR50的準(zhǔn)備
        5.4.1 數(shù)據(jù)集的采集
        5.4.2 數(shù)據(jù)集的制作
    5.5 實(shí)驗(yàn)與分析
        5.5.1 IMCFR50實(shí)驗(yàn)結(jié)果分析
        5.5.2 小樣本數(shù)據(jù)實(shí)驗(yàn)結(jié)果分析
    5.6 牲畜個(gè)體身份識(shí)別系統(tǒng)的設(shè)計(jì)
        5.6.1 整體方案
        5.6.2 實(shí)驗(yàn)效果
    5.7 本章小結(jié)
結(jié)論
參考文獻(xiàn)
在學(xué)研究成果
致謝



本文編號(hào)：3793962