基于深度学习的猪B超图像脂肪含量检测

发布时间：2023-02-06 13:24

　　猪肉脂肪含量检测对于猪种选育的畜牧商具有重要意义,另外中国国民对于猪肉的质量要求也越来越高。比较各类被用于猪肌内脂肪(intramuscular fat,IMF)含量的检测方法,传统采用屠宰养猪后通过人工或物理化学等检测方式,破坏性强、员工技术要求高,无法达到无损检测。最近几年,深度学习作为机器学习的一个分支,是计算机视觉领域的研究热点,尤其卷积神经网络作为深度学习主要研究算法之一,在目标检测和图像处理任务上取得了突破性的进展。卷积神经网络为利用深度学习算法对猪B超图像进行肌内脂肪含量检测提供了思路,通过分析猪肉的移动B超图像方法实现脂肪含量无损检测。本论文研究以135组猪眼肌B超图像以及理化检测数据作为实验样本,采用深度学习技术来研究猪眼肌B超图像脂肪含量检测的无损检测方法。研究目标是建立卷积网络预测模型从猪B超图像中预测猪眼肌区域肌内脂肪含量。论文以猪眼肌B超图像以及该图像对应的脂肪含量标签为出发点,建立了预测回归模型,实现了猪眼肌B超图像脂肪含量检测。然后,针对预测效率低及空间连续性差问题,针对卷积神经网络预测模型存在的不足,以及目前级联网络思想不断被提出,论文将两者结合,提出基...

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景及研究意义
        1.1.1 猪脂肪含量检测的研究背景
        1.1.2 猪脂肪含量检测的研究意义
    1.2 国内外研究现状
        1.2.1 超声波检测技术的研究现状
        1.2.2 支持向量机检测技术的研究现状
        1.2.3 深度学习的图像检测研究现状
    1.3 论文主要研究内容
    1.4 论文章节安排
2 猪眼肌B超图像数据预处理研究
    2.1 数据来源
    2.2 图像增强
        2.2.1 灰度直方图处理
        2.2.2 线性变换处理
        2.2.3 直方图正规化处理
        2.2.4 伽马变换处理
        2.2.5 全局直方图均衡化处理
        2.2.6 限制对比度的自适应直方图均衡化处理
    2.3 数据增强
    2.4 本章小结
3 基于深度学习的猪B超图像脂肪含量检测
    3.1 引言
    3.2 基于CNN卷积神经网络在图像处理中的应用
    3.3 CNN卷积神经网络的猪B超脂肪含量检测模型实验
        3.3.1 基于CNN卷积神经网络的猪B超脂肪含量检测的方法描述
        3.3.2 CNN卷积神经网络的模型设计与训练
    3.4 实验结果及分析
        3.4.1 训练结果分析
        3.4.2 实验对比与分析
    3.5 本章小结
4 基于深度级联网络的猪B超图像脂肪含量检测
    4.1 引言
    4.2 基于深度级联网络在图像处理中的应用
        4.2.1 深度级联网络在人脸检测中的应用
        4.2.2 深度级联网络在医学图像中的应用
        4.2.3 图像分割
    4.3 基于深度级联网络的猪B超脂肪含量检测模型实验
        4.3.1 基于深度级联网络的猪B超脂肪含量检测的方法描述
        4.3.2 深度级联网络的模型设计与分析
    4.4 实验结果对比及分析
        4.4.1 训练结果分析
        4.4.2 实验对比与分析
    4.5 本章小结
5 基于深度学习的猪B超脂肪含量检测系统
    5.1 开发背景
    5.2 需求分析
        5.2.1 系统开发工具
        5.2.2 系统需求分析
    5.3 系统设计
        5.3.1 系统架构介绍
        5.3.2 系统功能设计
        5.3.3 系统界面设计
    5.4 本章小结
6 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
个人简历、在学期间发表的学术论文及取得的研究成果



本文编号：3736079