基于计算机视觉的智能牧场应用研究

发布时间：2021-06-15 08:34

　　草原畜牧业作为中国的一种传统产业,近年来面临着很多挑战。随着规模化,集约化养殖业的发展,在健康养殖的概念下,找到适应现代化、规模化的养殖场的监控方案,对规模化养殖场实施有效的监控管理,及时发现养殖场存在的问题和采取措施具有重要的意义。本文主要基于视频图像处理技术以及计算机视觉技术进行智能牧场应用研究,提高养殖场的信息化管理水平,提高养殖场的经济效益以及促进健康养殖。本文智能牧场的应用研究主要包含对牛的自动跟踪和羊的数量检测两部分。本文制作了5600张牛图像数据集和5000张羊图像数据集。利用YOLOv3目标检测算法检测图像中牛和羊的位置信息,结合Deep SORT目标跟踪算法对检测目标进行跟踪。在对牛的自动跟踪应用方面,利用检测跟踪算法确定摄像头的云台移动方向,与PID算法相结合,控制云台摄像头的移动速度,实现摄像头对单只、多只牛的自动跟踪,以及指定跟踪单只牛的功能。在羊的数量检测应用方面,通过检测跟踪算法建立羊的头部目标跟踪模型,采用双线计数法,选取跟踪效果较好的区域,对羊通道中进入计数区域的羊开始计数,离开计数区域,计数结束,实现羊的自动计数功能。本文研究的应用在苏尼特左旗合作牧场... 

【文章来源】：内蒙古科技大学内蒙古自治区

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

基于计算机视觉的智能牧场总体方案图

数据集制作流程

YOLOv1网络结构

【参考文献】：
期刊论文
[1]基于多特征融合的核相关滤波目标跟踪算法[J]. 王殿伟,许春香,刘颖.  计算机工程与设计. 2019(12)
[2]基于FAST和SURF的特征点快速匹配算法[J]. 产叶林,胡新平.  计算机工程与设计. 2019(12)
[3]基于多特征匹配跟踪的深海发光浮游生物自动计数方法[J]. 徐娇,赵其杰,张君绍,张曦.  海洋科学. 2019(05)
[4]基于YOLO和嵌入式系统的车流量检测[J]. 马永杰,宋晓凤.  液晶与显示. 2019(06)
[5]抗遮挡的鸡群优化粒子滤波目标跟踪方法[J]. 曹洁,王振莹,李伟.  微电子学与计算机. 2019(06)
[6]基于核相关滤波算法的青鳉游泳跟踪研究[J]. 杨东海,张胜茂,原作辉,汤先峰.  大连海洋大学学报. 2019(02)
[7]BING: Binarized normed gradients for objectness estimation at 300fps[J]. Ming-Ming Cheng,Yun Liu,Wen-Yan Lin,Ziming Zhang,Paul L.Rosin,Philip H.S.Torr.  Computational Visual Media. 2019(01)
[8]结合神经网络与多列特征图聚合的人群计数[J]. 吴青科,吴晓,袁雨阳,官锌强.  计算机工程与应用. 2020(04)
[9]基于头部图像特征的人流计数方法[J]. 王小鹏,渠燕红,马鹏,张永芳.  铁道学报. 2019(02)
[10]澳大利亚智慧牧场发展现状及启示[J]. 郭雷风,王文生,陈桂鹏,许贝贝.  农业展望. 2018(10)

硕士论文
[1]羊群个数检测系统设计[D]. 田磊.内蒙古大学 2019



本文编号：3230720