基于多传感器的奶牛个体信息感知与体况评分方法研究
发布时间：2023-10-29 14:15
随着我国奶牛养殖的规模化发展,利用计算机、传感器等信息化手段实现精准养殖越来越受到广泛关注。精准养殖要求对奶牛个体信息实时获取,其中身份信息、运动量和体况评分尤为重要。奶牛体况评分(Body Condition Score,BCS)是以奶牛身体脂肪沉淀为依据,用于评价奶牛能量积蓄和营养健康状况的一种实用工具。目前,体况评分普遍以人工评判为主,其存在主观误差且效率低下。利用传统数字图像处理技术难以提取和分割身体各关键部位,且受光照复杂多变的影响,分类器在一定程度上难以建模。另外,从牛群BCS到个体的映射,完成集奶牛身份信息、运动量和体况监控为一体的健康管理系统,是当前奶牛精准养殖领域亟待解决的问题。针对上述问题,本文综合利用图像和可穿戴设备两种传感器数据,围绕奶牛身体关键部位检测和跟踪、体况评分方法、个体信息感知等关键问题开展研究,具体工作如下:1.构建了奶牛图像数据自动采集平台,并在此平台上获得8972张奶牛背部俯视图像。图像包含了奶牛臀部两侧、坐骨结节、尾根、腰角和部分脊椎,这些部位与BCS之间存在密切的关系。数据经兽医专家手工标注,为神经网络训练提供数据集。2.针对原有SSD算法没...
【文章页数】：126 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 选题背景及研究意义
1.2 国内外研究现状与分析
1.2.1 体况评分方法的研究现状分析
1.2.2 基于深度学习方法的目标检测技术研究现状
1.2.3 奶牛个体信息感知技术研究现状与分析
1.2.4 现阶段存在的主要问题
1.3 本文的工作
1.3.1 研究内容
1.3.2 研究方法
1.4 论文的组织结构
第二章 理论基础与实验平台搭建
2.1 奶牛BCS图像识别原理
2.1.1 BCS测定方法
2.1.2 BCS特征图
2.2 深度学习理论基础
2.2.1 神经元
2.2.2 激活函数
2.2.3 损失与优化
2.2.4 深度神经网络
2.3 实验平台构建
2.3.1 网络摄像机
2.3.2 摄相机部署
2.3.3 远程监控系统
2.4 数据集
2.4.0 图像预处理
2.4.1 图像标注
2.4.2 数据分布
2.5 本章小结
第三章 奶牛尾部图像检测方法研究
3.1 基于卷积神经网络的目标检测原理
3.1.1 图像目标检测
3.1.2 卷积神经网络
3.2 改进的SSD算法用于奶牛尾部检测
3.2.1 基本的SSD算法
3.2.2 网络连接稠密化
3.2.3 增大感受野
3.2.4 改进SSD模型的网络结构
3.3 目标检测算法性能评价指标
3.4 实验与结果分析
3.4.1 实验设计
3.4.2 结果与分析
3.5 本章小结
第四章 奶牛尾部跟踪方法及自动计数
4.1 视频图像目标跟踪原理
4.1.1 跟踪过程概述
4.1.2 坐标系及其变换
4.1.3 目标运动建模
4.2 状态估计算法
4.2.1 卡尔曼滤波
4.2.2 粒子滤波
4.2.3 改进的滤波算法
4.3 自动计数
4.4 实验与结果分析
4.4.1 实验设计
4.4.2 跟踪结果及分析
4.4.3 计数结果及分析
4.5 本章小结
第五章 奶牛体况评分方法研究
5.1 多任务深度学习原理
5.1.1 多任务网络
5.1.2 分类器设计
5.2 体况评分方法
5.2.1 基于Faster RCNN模型的评分方法
5.2.2 基于YOLO网络模型的评分方法
5.2.3 基于SSD模型的评分方法及其改进
5.3 算法评价指标
5.4 体况评分实验与分析
5.4.1 实验设计
5.4.2 结果分析
5.5 本章小结
第六章 奶牛个体信息感知与系统集成
6.1 计步器的功能概述
6.2 计步器设计
6.2.1 计步器电路设计
6.2.2 外壳封装
6.3 信息感知
6.3.1 数据报文
6.3.2 测试系统
6.3.3 实验结果
6.4 系统集成
6.5 本章小结
第七章 结论与展望
7.1 结论
7.2 工作展望
参考文献
致谢
发表的论文与取得的研究成果
本文编号：3858243
【文章页数】：126 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 选题背景及研究意义
1.2 国内外研究现状与分析
1.2.1 体况评分方法的研究现状分析
1.2.2 基于深度学习方法的目标检测技术研究现状
1.2.3 奶牛个体信息感知技术研究现状与分析
1.2.4 现阶段存在的主要问题
1.3 本文的工作
1.3.1 研究内容
1.3.2 研究方法
1.4 论文的组织结构
第二章 理论基础与实验平台搭建
2.1 奶牛BCS图像识别原理
2.1.1 BCS测定方法
2.1.2 BCS特征图
2.2 深度学习理论基础
2.2.1 神经元
2.2.2 激活函数
2.2.3 损失与优化
2.2.4 深度神经网络
2.3 实验平台构建
2.3.1 网络摄像机
2.3.2 摄相机部署
2.3.3 远程监控系统
2.4 数据集
2.4.0 图像预处理
2.4.1 图像标注
2.4.2 数据分布
2.5 本章小结
第三章 奶牛尾部图像检测方法研究
3.1 基于卷积神经网络的目标检测原理
3.1.1 图像目标检测
3.1.2 卷积神经网络
3.2 改进的SSD算法用于奶牛尾部检测
3.2.1 基本的SSD算法
3.2.2 网络连接稠密化
3.2.3 增大感受野
3.2.4 改进SSD模型的网络结构
3.3 目标检测算法性能评价指标
3.4 实验与结果分析
3.4.1 实验设计
3.4.2 结果与分析
3.5 本章小结
第四章 奶牛尾部跟踪方法及自动计数
4.1 视频图像目标跟踪原理
4.1.1 跟踪过程概述
4.1.2 坐标系及其变换
4.1.3 目标运动建模
4.2 状态估计算法
4.2.1 卡尔曼滤波
4.2.2 粒子滤波
4.2.3 改进的滤波算法
4.3 自动计数
4.4 实验与结果分析
4.4.1 实验设计
4.4.2 跟踪结果及分析
4.4.3 计数结果及分析
4.5 本章小结
第五章 奶牛体况评分方法研究
5.1 多任务深度学习原理
5.1.1 多任务网络
5.1.2 分类器设计
5.2 体况评分方法
5.2.1 基于Faster RCNN模型的评分方法
5.2.2 基于YOLO网络模型的评分方法
5.2.3 基于SSD模型的评分方法及其改进
5.3 算法评价指标
5.4 体况评分实验与分析
5.4.1 实验设计
5.4.2 结果分析
5.5 本章小结
第六章 奶牛个体信息感知与系统集成
6.1 计步器的功能概述
6.2 计步器设计
6.2.1 计步器电路设计
6.2.2 外壳封装
6.3 信息感知
6.3.1 数据报文
6.3.2 测试系统
6.3.3 实验结果
6.4 系统集成
6.5 本章小结
第七章 结论与展望
7.1 结论
7.2 工作展望
参考文献
致谢
发表的论文与取得的研究成果
本文编号：3858243
本文链接：https://www.wllwen.com/shoufeilunwen/nykjbs/3858243.html
