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

【文章頁數(shù)】：63 頁

【學位級別】：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 國內外發(fā)展現(xiàn)狀
        1.2.1 圖像處理技術在農業(yè)方面研究現(xiàn)狀
        1.2.2 圖像分類方面研究現(xiàn)狀
    1.3 本文主要研究內容
    1.4 本文章節(jié)安排
    1.5 本章小結
第2章 圖像處理技術理論基礎
    2.1 經典圖像增強算法
        2.1.1 直方圖均衡化圖像增強算法
        2.1.2 Retinex圖像增強算法
        2.1.3 自適應對比度增強算法
    2.2 圖像去噪技術
        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
    2.4 經典邊緣檢測算法
        2.4.1 Canny算子
        2.4.2 Sobel算子
        2.4.3 Laplacian算子
    2.5 本章小結
第3章 雞圖像的預處理與邊緣檢測
    3.1 雞圖像的預處理
        3.1.1 雞圖像增強處理
        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
    3.4 本章小結
第4章 基于LibSVM死雞檢測方法設計與實現(xiàn)
    4.1 基于LibSVM死雞檢測方法概述
    4.2 支持向量機方法
        4.2.1 支持向量機的原理
        4.2.2 LibSVM庫的應用
    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
第5章 實驗與結論
    5.1 雞圖像處理算法驗證實驗
        5.1.1 雞圖像增強算法對比實驗
        5.1.2 雞圖像去噪算法對比實驗
        5.1.3 雞圖像邊緣檢測對比實驗
    5.2 實驗數(shù)據(jù)集建立
    5.3 基于LibSVM的分類實驗
        5.3.1 分類模型建立和參數(shù)設定
        5.3.2 分類實驗中損失數(shù)據(jù)
        5.3.3 分類實驗結果與分析
    5.4 本章小結
第6章 總結與展望
    6.1 總結
    6.2 展望
參考文獻
作者簡介
致謝



本文編號：3813276