智慧牧业中基于深度学习的羊分娩场景识别算法应用研究

发布时间：2021-07-06 20:12

　　畜牧业在内蒙古地区国民经济中占有极其重要的地位,而养羊业在草地畜牧业中占有重要的地位。目前,国内外对于母羊分娩的处理办法仍停留在人工发现人工处理阶段。人工操作不能保证及时准确地检测到初生羔羊,稍有延误,就会造成不可逆转的损失。如果使用以人工智能为核心的计算机系统来代替人工进行检测,可以避免很多不必要的损失。既降低了初生羔羊的死亡率,也减少了人力消耗,对实现智慧牧业有很大帮助。本课题从计算机视觉角度来研究羊分娩场景,采用深度学习的方法训练神经网络模型,使模型最终可以检测出羊分娩场景中的初生羔羊。课题选择Faster-RCNN神经网络模型来完成羊分娩场景下初生羔羊的检测任务,由于缺乏针对羊分娩场景的大型公开数据集,故通过采集羊分娩原始数据、筛选可用实验数据、扩充实验数据、标注实验数据来自制羊分娩场景数据集。使用自制的羊分娩场景数据集分别训练基于不同特征提取网络、基于不同覆盖域阈值、基于不同检测框合并算法的Faster-RCNN神经网络模型,通过实验结果以及检测可视化结果的对比,选取针对羊分娩场景中初生羔羊检测效果较好的Faster-RCNN神经网络模型。最后将针对羊分娩场景中初生羔羊检测效... 

【文章来源】：内蒙古工业大学内蒙古自治区

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

随机角度旋转Fig.3-3RandomAngleRotation

图 3-4 色彩抖动Fig. 3-4 Color Jittering噪声扰动（Noise）是通过对图像做高斯噪声处理来生成新图片的一种方法，如 3-5 所示，左一为原图，右二、三为通过噪声扰动生成的新图片。图 3-5 噪声扰动Fig. 3-5 Noise Disturbance由于采集到的夜间分娩图片画面偏暗，我们通过增强图片亮度的方式对夜间分

图 3-5 噪声扰动Fig. 3-5 Noise Disturbance由于采集到的夜间分娩图片画面偏暗，我们通过增强图片亮度的方式对夜间分图片进行处理，如图 3-6 所示，左一为原图，右二、三为亮度增强后的图片。图 3-6 亮度增强Fig. 3-6 Brightness Enhancement针对日间羊分娩图片，本课题采用随机角度旋转、对图像进行颜色抖动、对图进行高斯噪声处理以及亮度增强、锐度增强、对比度增强等方法，将原本的 243日间羊分娩图片扩大到 10449 张。由于羊在分娩时惧光，所以采集到的夜间分娩图片大多偏暗，针对画面偏暗的

【参考文献】：
期刊论文
[1]基于改进Faster R-CNN识别深度视频图像哺乳母猪姿态[J]. 薛月菊,朱勋沐,郑婵,毛亮,杨阿庆,涂淑琴,黄宁,杨晓帆,陈鹏飞,张南峰.  农业工程学报. 2018(09)
[2]母羊产前行为特征分析与识别—基于可穿戴检测装置构架[J]. 刘艳秋,武佩,张丽娜,邢小琛,宣传忠.  农机化研究. 2017(09)
[3]基于视频分析的犊牛基本行为识别[J]. 何东健,孟凡昌,赵凯旋,张昭.  农业机械学报. 2016(09)
[4]哺乳母猪高危动作识别方法研究[J]. 闫丽,沈明霞,谢秋菊,刘龙申,陆明洲,刘桂阳.  农业机械学报. 2016(01)
[5]基于视频分析的奶牛呼吸频率与异常检测[J]. 赵凯旋,何东健,王恩泽.  农业机械学报. 2014(10)
[6]基于简化脉冲耦合神经网络的人脸识别[J]. 聂仁灿,姚绍文,周冬明.  计算机科学. 2014(02)
[7]基于机器视觉的母猪分娩检测方法研究[J]. 刘龙申,沈明霞,柏广宇,周波,陆明洲,杨晓静.  农业机械学报. 2014 (03)
[8]基于神经网络的奶牛发情行为辨识与预测研究[J]. 田富洋,王冉冉,刘莫尘,王震,李法德,王中华.  农业机械学报. 2013(S1)
[9]深度学习的昨天、今天和明天[J]. 余凯,贾磊,陈雨强,徐伟.  计算机研究与发展. 2013(09)
[10]多尺度特征和神经网络相融合的手写体数字识别[J]. 赵元庆,吴华.  计算机科学. 2013(08)



本文编号：3268897