基于计算机视觉的牛个体身份识别方法研究

发布时间：2023-04-19 18:16

　　当今社会,科学技术迅猛发展,计算机技术与互联网技术正在不断渗透到国民经济的各个领域,将全世界紧密相连。与此同时,“互联网+”模式对人们的生产生活方式产生了巨大的影响,并加速改造着传统产业,特别是在畜牧业领域,由传统模式正向智能化、精准化、规模化发展。牲畜个体的身份识别作为精准畜牧业的核心内容,本文对此利用非接触式的图像识别方式,提出了一种基于计算机视觉的牛个体身份识别方法,对于中小型牧场环境下牛的个体身份识别该方法显示出极大的优越性,值得推广。本文的研究方案主要包含三部分:数据集的制作,基于YOLO v3的牛脸部位检测模型的设计以及基于字典学习的牛个体身份识别模型的设计。首先是数据集的制作,本课题实地采集了内蒙古自治区察哈尔地区以及苏尼特地区牧场的牛只图像数据,分别建立了用于检测模型的牛脸部位检测数据集以及用于识别模型的牛脸图像数据集。其次,利用深度学习技术结合目标检测理论进行牛脸部位的检测,通过对比不同模型的检测效果,选择在基于YOLO v3检测网络的基础上加以改进,在建立的牛脸部位检测数据集上训练目标检测模型,通过分析对实验结果进行了总结。然后,将字典学习理论应用到牛的个体身份识别...

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题研究背景
    1.2 课题相关领域发展现状
        1.2.1 牲畜身份识别国内外发展现状
        1.2.2 计算机视觉研究现状
        1.2.3 字典学习研究现状
    1.3 选题的目的及意义
        1.3.1 选题的目的
        1.3.2 选题的意义
    1.4 论文研究内容
    1.5 论文结构
2 基于计算机视觉的牛个体识别研究方案
    2.1 研究需求分析
    2.2 课题研究方案
        2.2.1 整体研究方案
        2.2.2 数据集的制作
        2.2.3 牛脸目标检测模型的设计
        2.2.4 牛个体身份识别模型的设计
    2.3 本章小结
3 基于深度学习的牛脸图像检测
    3.1 卷积神经网络概述
    3.2 基于回归预测的目标检测模型
        3.2.1 YOLO概述
        3.2.2 SSD概述
        3.2.3 YOLOv3概述
    3.3 牛脸部位检测数据集的准备
        3.3.1 数据集的采集
        3.3.2 数据集的标定
    3.4 基于改进YOLOv3的牛脸目标检测
        3.4.1 模型选取
        3.4.2 算法改进
    3.5 实验结果与分析
    3.6 本章小结
4 基于图像多通道K-SVD算法的牛个体身份识别
    4.1 稀疏表示理论
    4.2 K-SVD算法
        4.2.1 稀疏编码阶段
        4.2.2 字典更新阶段
    4.3 图像多通道K-SVD算法
    4.4 牛脸图像数据集IMCFR20的准备
    4.5 实验与分析
    4.6 本章小结
5 基于增强字典学习的牛个体身份识别
    5.1 D-KSVD算法
    5.2 LC-KSVD算法
    5.3 CTDLC-KSVD算法
        5.3.1 卡通-纹理分解
        5.3.2 CTDLC-KSVD模型
        5.3.3 CTDLC-KSVD的优化
        5.3.4 CTDLC-KSVD的初始化
        5.3.5 CTDLC-KSVD的分类
    5.4 牛脸图像数据集IMCFR50的准备
        5.4.1 数据集的采集
        5.4.2 数据集的制作
    5.5 实验与分析
        5.5.1 IMCFR50实验结果分析
        5.5.2 小样本数据实验结果分析
    5.6 牲畜个体身份识别系统的设计
        5.6.1 整体方案
        5.6.2 实验效果
    5.7 本章小结
结论
参考文献
在学研究成果
致谢



本文编号：3793962