基于深度图像和BP神经网络的肉鸡体质量估测模型
【图文】：
戎?K、长度值L、最大内切圆半径R、周长C、目标体积V、后背宽W、日龄D共9个节点为预测模型输入层，选取体质量T一个节点为输出层，隐含层神经元个数q和输入层神经元个数M之间近似关系为q=2M+1，，因此确定隐含层共19个节点，BP结构为9-19-1，建立起BP神经网络预测模型，网络结构图如图2所示。BP神经网络训练前，为减弱各主控因素不同量纲的数据对网络模型训练与预测值的影响，对各输入层的数据做归一化处理。并按照图3进行进一步建立体质量模型。图2BP神经网络结构图Fig.2StructureofBPneuralnetwork图3BP神经网络流程图Fig.3FlowchartofBPneuralnetwork1.6建模评价指标为了衡量计算偏差以及检验模型，采用决定系数R2，均方根误差RMSE以及平均相对误差MRE这3种检验值对模型进行评价。以下是3种检验值公式：
晏?积V、后背宽W、日龄D共9个节点为预测模型输入层，选取体质量T一个节点为输出层，隐含层神经元个数q和输入层神经元个数M之间近似关系为q=2M+1，因此确定隐含层共19个节点，BP结构为9-19-1，建立起BP神经网络预测模型，网络结构图如图2所示。BP神经网络训练前，为减弱各主控因素不同量纲的数据对网络模型训练与预测值的影响，对各输入层的数据做归一化处理。并按照图3进行进一步建立体质量模型。图2BP神经网络结构图Fig.2StructureofBPneuralnetwork图3BP神经网络流程图Fig.3FlowchartofBPneuralnetwork1.6建模评价指标为了衡量计算偏差以及检验模型，采用决定系数R2，均方根误差RMSE以及平均相对误差MRE这3种检验值对模型进行评价。以下是3种检验值公式：
【作者单位】： 国家农业信息化工程技术研究中心/农业部农业信息技术重点实验室/北京市农业物联网工程技术研究中心;天津科技大学电子信息与自动化学院;
【基金】：国家自然科学基金青年基金项目(61601034) 国家重点研发计划课题(2016YFD0700202)
【分类号】：S831;TP391.41
【参考文献】
相关期刊论文 前10条
1 王开云;黄瑞森;钟日开;邹平;耿玮;陈君梅;;鸡采食和体重自动记录设备设计和试验[J];现代农业装备;2016年02期
2 李卓;杜晓冬;毛涛涛;滕光辉;;基于深度图像的猪体尺检测系统[J];农业机械学报;2016年03期
3 曹姗姗;孙伟;刘鹏举;唐小明;;基于GA-BP神经网络的灌木生物量估测模型[J];西北农林科技大学学报(自然科学版);2015年12期
4 李卓;毛涛涛;刘同海;滕光辉;;基于机器视觉的猪体质量估测模型比较与优化[J];农业工程学报;2015年02期
5 沈明霞;刘龙申;闫丽;陆明洲;姚文;杨晓静;;畜禽养殖个体信息监测技术研究进展[J];农业机械学报;2014年10期
6 刘波;朱伟兴;杨建军;马长华;;基于深度图像和生猪骨架端点分析的生猪步频特征提取[J];农业工程学报;2014年10期
7 郭浩;马钦;张胜利;苏伟;朱德海;郜允兵;;基于三维重建的动物体尺获取原型系统[J];农业机械学报;2014年05期
8 郭浩;王鹏;马钦;朱德海;张胜利;郜允兵;;基于深度图像的奶牛体型评定指标获取技术[J];农业机械学报;2013年S1期
9 刘同海;李卓;滕光辉;罗城;;基于RBF神经网络的种猪体重预测[J];农业机械学报;2013年08期
10 张洁;张登辉;;国内外动物福利现状比较及思考[J];畜牧兽医杂志;2013年01期
相关博士学位论文 前3条
1 李卓;基于立体视觉技术的生猪体重估测研究[D];中国农业大学;2016年
2 郭浩;动物体表三维数据获取与处理算法研究[D];中国农业大学;2015年
3 刘同海;基于双目视觉的猪体体尺参数提取算法优化及三维重构[D];中国农业大学;2014年
相关硕士学位论文 前4条
1 李璐一;基于Kinect的物体分割与识别算法研究[D];重庆大学;2014年
2 赵旭;Kinect深度图像修复技术研究[D];大连理工大学;2013年
3 陈理;Kinect深度图像增强算法研究[D];湖南大学;2013年
4 赵子光;饲养方式对肉鸡福利状况的影响[D];东北农业大学;2011年
【共引文献】
相关期刊论文 前10条
1 张光跃;刘龙申;沈明霞;张宏;OKINDA Cedrick Sean;陈光炜;;基于超声波的母猪产前行为监测系统设计[J];中国农业大学学报;2017年08期
2 王丹;杨小艳;郑剑;陈龙高;高卫东;;基于主成分-BP神经网络的建设用地规模预测──以连云港市为例[J];中国农学通报;2017年21期
3 王琳;孙传恒;李文勇;吉增涛;张翔;王以忠;雷鹏;杨信廷;;基于深度图像和BP神经网络的肉鸡体质量估测模型[J];农业工程学报;2017年13期
4 王琳;吉增涛;李文勇;孙传恒;杨信廷;;信息技术在家禽精细养殖应用中的研究进展[J];中国家禽;2017年12期
5 张萌;钟南;刘莹莹;;基于生猪外形特征图像的瘦肉率估测方法[J];农业工程学报;2017年12期
6 顾静秋;王志海;高荣华;吴华瑞;;基于融合图像与运动量的奶牛行为识别方法[J];农业机械学报;2017年06期
7 陈莉;钱同惠;张仕臻;章光旭;;基于无线传感器网络的生猪体征和养殖环境监测系统设计[J];自动化技术与应用;2017年05期
8 于洪源;管雪梅;;基于改进的神经网络预测气候因子对大青杨早材纤维壁厚度和生长速率的影响[J];西南林业大学学报(自然科学);2017年03期
9 张凯;王春光;刘涛;康飞龙;;基于计算机视觉技术育肥猪体重分析研究[J];农机化研究;2017年05期
10 李颀;王志鹏;窦轩;季雨薇;;基于无线传感器网络的产前母猪行为监测系统[J];家畜生态学报;2017年03期
相关博士学位论文 前2条
1 陈红茜;基于物联网和流式计算的蛋鸡设施养殖数字化初探[D];中国农业大学;2017年
2 李卓;基于立体视觉技术的生猪体重估测研究[D];中国农业大学;2016年
相关硕士学位论文 前10条
1 何m榱
本文编号：2519478
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2519478.html
