基于深度学习的西门塔尔肉牛面部识别的研究
发布时间：2021-04-25 13:58
肉牛的身份识别是对肉牛登记、溯源、监控的关键,也是智能牧场的主要组成部分。现阶段的肉牛识别技术主要是通过RFID技术实现,该方法耗时长,会给牛带来极大的痛苦,而且标签易丢失,识别率低。因此针对国内牧场养殖肉牛数量最多的西门塔尔肉牛,本文提出了基于深度学习和牛脸面部特征的肉牛身份识别算法,具体工作如下所述。首先基于可以用于肉牛身份识别的生物特征的研究,在河北盛源肉牛养殖基地采集了50头肉牛总共130段视频,每头牛大约2-3段,使用Free Studio软件将视频片段分解成帧图片,通过标记面部关键点截取面部图像,应用SSIM图像评估算法去掉连续帧图像中相似度过大的图像,得到西门塔尔肉牛的牛脸数据集。然后使用迁移学习思想,将在LFW Face人脸数据集上训练得到的VGGFace网络识别本文设计的牛脸数据集中的肉牛,保持提取特征层（卷积层）参数不变,在全连接层进行微调,取得了91.6%的准确率。接着本文利用Keras深度学习框架搭建了用于牛脸识别的神经网络模型CFR NET（CowFaceRecogniti...
【文章来源】：内蒙古大学内蒙古自治区 211工程院校
【文章页数】：61 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 选题背景及意义
1.2 国内外研究现状
1.3 本文研究的主要内容
第二章 相关理论基础
2.1 动物的生物特征
2.1.1 视网膜特征
2.1.2 虹膜特征
2.1.3 鼻纹特征
2.1.4 脸部特征
2.2 人工神经网络
2.2.1 神经元
2.2.2 激活函数
2.2.3 BP神经网络
2.2.4 误差反向传播算法
2.3 卷积神经网络（CNN）
2.3.1 卷积过程
2.3.2 池化
2.3.3 全连接层
2.4 softmax分类回归
2.5 小结
第三章 西门塔尔肉牛图像信息采集及处理
3.1 数据集制作
3.2 数据集处理
3.2.1 数据集增强
3.2.2 数据集归一化
3.2.3 数据集扩展
3.3 本章小结
第四章 基于深度学习的西门塔尔肉牛个体识别方法
4.1 基于VGG-16网络的迁移学习
4.1.1 网络结构
4.1.2 识别结果及分析
4.2 本文设计的牛脸识别神经网络模型
4.2.1 神经网络结构
4.2.2 神经网络优化
4.2.3 识别结果及分析
4.3 本章小结
第五章 总结与展望
5.1 工作总结
5.2 后续工作展望
参考文献
致谢
附件 攻读硕士学位期间取得的研究成果
【参考文献】：
期刊论文
[1]基于改进的卷积神经网络脑电信号情感识别[J]. 田莉莉,邹俊忠,张见,卫作臣,汪春梅. 计算机工程与应用. 2019(22)
[2]CLAHE算法在不同彩色空间中的图像增强效果评估[J]. 刘黎明. 舰船电子对抗. 2016(06)
[3]时隔12年 美国牛肉重返中国餐桌[J]. 马琤琤. 中国食品. 2016(20)
[4]基于卷积神经网络的奶牛个体身份识别方法[J]. 赵凯旋,何东健. 农业工程学报. 2015(05)
[5]中国肉牛产业发展的阶段识别及时空分异特征[J]. 王国刚,王明利,杨春. 经济地理. 2014(10)
[6]基于BP人工神经网络电力负荷预测[J]. 郭龙钢. 洛阳理工学院学报(自然科学版). 2013(01)
博士论文
[1]基于迁移学习与深度卷积特征的图像标注方法研究[D]. 宋光慧.浙江大学 2017
[2]奶牛数字化管理关键技术的研究[D]. 郭卫.河北农业大学 2010
硕士论文
[1]基于集成卷积神经网络的交通标志识别研究[D]. 易亿.重庆邮电大学 2019
[2]基于深度学习的自然场景文本检测[D]. 袁琪.大连理工大学 2019
[3]基于神经网络的奶牛识别方法研究[D]. 葛超.重庆邮电大学 2019
[4]基于卷积神经网络的交通标志识别方法研究[D]. 陈玉婷.东北师范大学 2018
[5]基于卷积神经网络的交通标志分类与识别研究[D]. 宋灵杰.湖南大学 2018
[6]基于卷积神经网络的人脸识别系统设计与实现[D]. 曹东旭.南京邮电大学 2017
[7]稀疏表示理论及其应用研究[D]. 谢浪雄.广东工业大学 2015
本文编号：3159508
【文章来源】：内蒙古大学内蒙古自治区 211工程院校
【文章页数】：61 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 选题背景及意义
1.2 国内外研究现状
1.3 本文研究的主要内容
第二章 相关理论基础
2.1 动物的生物特征
2.1.1 视网膜特征
2.1.2 虹膜特征
2.1.3 鼻纹特征
2.1.4 脸部特征
2.2 人工神经网络
2.2.1 神经元
2.2.2 激活函数
2.2.3 BP神经网络
2.2.4 误差反向传播算法
2.3 卷积神经网络（CNN）
2.3.1 卷积过程
2.3.2 池化
2.3.3 全连接层
2.4 softmax分类回归
2.5 小结
第三章 西门塔尔肉牛图像信息采集及处理
3.1 数据集制作
3.2 数据集处理
3.2.1 数据集增强
3.2.2 数据集归一化
3.2.3 数据集扩展
3.3 本章小结
第四章 基于深度学习的西门塔尔肉牛个体识别方法
4.1 基于VGG-16网络的迁移学习
4.1.1 网络结构
4.1.2 识别结果及分析
4.2 本文设计的牛脸识别神经网络模型
4.2.1 神经网络结构
4.2.2 神经网络优化
4.2.3 识别结果及分析
4.3 本章小结
第五章 总结与展望
5.1 工作总结
5.2 后续工作展望
参考文献
致谢
附件 攻读硕士学位期间取得的研究成果
【参考文献】：
期刊论文
[1]基于改进的卷积神经网络脑电信号情感识别[J]. 田莉莉,邹俊忠,张见,卫作臣,汪春梅. 计算机工程与应用. 2019(22)
[2]CLAHE算法在不同彩色空间中的图像增强效果评估[J]. 刘黎明. 舰船电子对抗. 2016(06)
[3]时隔12年 美国牛肉重返中国餐桌[J]. 马琤琤. 中国食品. 2016(20)
[4]基于卷积神经网络的奶牛个体身份识别方法[J]. 赵凯旋,何东健. 农业工程学报. 2015(05)
[5]中国肉牛产业发展的阶段识别及时空分异特征[J]. 王国刚,王明利,杨春. 经济地理. 2014(10)
[6]基于BP人工神经网络电力负荷预测[J]. 郭龙钢. 洛阳理工学院学报(自然科学版). 2013(01)
博士论文
[1]基于迁移学习与深度卷积特征的图像标注方法研究[D]. 宋光慧.浙江大学 2017
[2]奶牛数字化管理关键技术的研究[D]. 郭卫.河北农业大学 2010
硕士论文
[1]基于集成卷积神经网络的交通标志识别研究[D]. 易亿.重庆邮电大学 2019
[2]基于深度学习的自然场景文本检测[D]. 袁琪.大连理工大学 2019
[3]基于神经网络的奶牛识别方法研究[D]. 葛超.重庆邮电大学 2019
[4]基于卷积神经网络的交通标志识别方法研究[D]. 陈玉婷.东北师范大学 2018
[5]基于卷积神经网络的交通标志分类与识别研究[D]. 宋灵杰.湖南大学 2018
[6]基于卷积神经网络的人脸识别系统设计与实现[D]. 曹东旭.南京邮电大学 2017
[7]稀疏表示理论及其应用研究[D]. 谢浪雄.广东工业大学 2015
本文编号：3159508
本文链接：https://www.wllwen.com/shoufeilunwen/zaizhiyanjiusheng/3159508.html
教材专著
