信息技術(shù)的快速發(fā)展、人工智能技術(shù)的逐漸成熟、圖像處理技術(shù)的日趨完善,這些都加快了人們進(jìn)入智能化生產(chǎn)生活方式的步伐。家禽養(yǎng)殖業(yè)作為人類生產(chǎn)方式的重要組成部分,早日實(shí)現(xiàn)養(yǎng)殖業(yè)的智能化是目前許多專家學(xué)者研究的重要課題�；谶@一現(xiàn)狀,本文提出了一種無(wú)人養(yǎng)雞場(chǎng)死雞檢測(cè)方法。運(yùn)用圖像處理技術(shù)對(duì)養(yǎng)殖機(jī)器人采集到的圖像進(jìn)行處理和識(shí)別,判斷圖片中是否存在死雞,對(duì)雞圖像進(jìn)行分類,幫助養(yǎng)殖人員快速找到雞籠內(nèi)死雞。這一技術(shù)不僅幫助養(yǎng)殖人員提高工作效率、減少不必要人力勞動(dòng);也避免了養(yǎng)雞場(chǎng)內(nèi)的雞與外界過多接觸造成的不必要病菌感染等;同時(shí)改善了養(yǎng)殖人員的工作環(huán)境,養(yǎng)殖人員不必長(zhǎng)時(shí)間待在空氣質(zhì)量較差的雞場(chǎng)內(nèi)查尋死雞。本文提出的無(wú)人養(yǎng)雞場(chǎng)死雞檢測(cè)方法分為兩個(gè)部分,即圖像處理部分和圖像識(shí)別分類部分。圖像處理部分是對(duì)養(yǎng)殖機(jī)器人采集到的雞圖像進(jìn)行處理。主要包括雞圖像的增強(qiáng)算法、去噪算法、分割算法和邊緣檢測(cè)算法的研究。針對(duì)無(wú)人養(yǎng)雞場(chǎng)內(nèi)拍攝的雞圖像的特點(diǎn),本文提出了一種Gamma校正與自適應(yīng)直方圖均衡化相結(jié)合的圖像增強(qiáng)算法對(duì)雞圖像進(jìn)行增強(qiáng);采用小波分離與雙邊濾波相結(jié)合的去噪方法對(duì)雞圖像進(jìn)行去噪;采用基于閾值分割算法對(duì)雞圖像進(jìn)行分...

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外發(fā)展現(xiàn)狀
        1.2.1 圖像處理技術(shù)在農(nóng)業(yè)方面研究現(xiàn)狀
        1.2.2 圖像分類方面研究現(xiàn)狀
    1.3 本文主要研究?jī)?nèi)容
    1.4 本文章節(jié)安排
    1.5 本章小結(jié)
第2章 圖像處理技術(shù)理論基礎(chǔ)
    2.1 經(jīng)典圖像增強(qiáng)算法
        2.1.1 直方圖均衡化圖像增強(qiáng)算法
        2.1.2 Retinex圖像增強(qiáng)算法
        2.1.3 自適應(yīng)對(duì)比度增強(qiáng)算法
    2.2 圖像去噪技術(shù)
        2.2.1 線性濾波去噪算法
        2.2.2 非線性濾波去噪算法
    2.3 圖像分割技術(shù)
    2.4 經(jīng)典邊緣檢測(cè)算法
        2.4.1 Canny算子
        2.4.2 Sobel算子
        2.4.3 Laplacian算子
    2.5 本章小結(jié)
第3章 雞圖像的預(yù)處理與邊緣檢測(cè)
    3.1 雞圖像的預(yù)處理
        3.1.1 雞圖像增強(qiáng)處理
        3.1.2 雞圖像去噪處理
    3.2 雞圖像分割算法
    3.3 雞圖像邊緣檢測(cè)
    3.4 本章小結(jié)
第4章 基于LibSVM死雞檢測(cè)方法設(shè)計(jì)與實(shí)現(xiàn)
    4.1 基于LibSVM死雞檢測(cè)方法概述
    4.2 支持向量機(jī)方法
        4.2.1 支持向量機(jī)的原理
        4.2.2 LibSVM庫(kù)的應(yīng)用
    4.3 特征提取算法
        4.3.1 形狀特征提取算法
        4.3.2 顏色特征提取算法
    4.4 雞圖像的特征描述
        4.4.1 提取雞爪特征
        4.4.2 提取雞圖像顏色特征
    4.5 本章小結(jié)
第5章 實(shí)驗(yàn)與結(jié)論
    5.1 雞圖像處理算法驗(yàn)證實(shí)驗(yàn)
        5.1.1 雞圖像增強(qiáng)算法對(duì)比實(shí)驗(yàn)
        5.1.2 雞圖像去噪算法對(duì)比實(shí)驗(yàn)
        5.1.3 雞圖像邊緣檢測(cè)對(duì)比實(shí)驗(yàn)
    5.2 實(shí)驗(yàn)數(shù)據(jù)集建立
    5.3 基于LibSVM的分類實(shí)驗(yàn)
        5.3.1 分類模型建立和參數(shù)設(shè)定
        5.3.2 分類實(shí)驗(yàn)中損失數(shù)據(jù)
        5.3.3 分類實(shí)驗(yàn)結(jié)果與分析
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
作者簡(jiǎn)介
致謝



本文編號(hào)：3813276