基于深度学习的奶牛体况评分方法研究

发布时间：2023-03-28 11:30

　　奶牛体况评分是评价奶牛健康水平的重要手段,它可以合理、准确的评估奶牛个体的能量储备,预测奶牛的多种疾病,辅助畜牧养殖场的管理。奶牛体况评分是对奶牛的体内脂肪评估打分,低分值代表过于消瘦,高分值代表过于肥胖。奶牛长期处于过于消瘦或过于肥胖的状况时,就会引发各种生理以及心理疾病,造成产奶量、产奶质量下降,给畜牧养殖场的生产性能、经济效益造成负面影响。定期的为每头奶牛进行体况评分评估非常重要,但是目前奶牛体况评分大多还是人工评分,这种评分方式对不但准确率低,效率低,而且需要大量的时间训练评分员,费时费力,所以开发自动化奶牛体况评分系统,消除主观误差,解放人力,非常重要。本文通过深度学习技术来进行奶牛体况评分,深度学习技术是数据驱动技术,需要大量的图片资源,本文通过网络摄像头拍摄大量视频,并详细挑选大量图像作为数据集,并邀请专家进行评分作为数据集的类标。本文主要通过卷积神经网络进行图片分类和目标检测得到奶牛体况分数,主要研究内容和创新点有:(1)通过图像分类进行奶牛体况评分时,将不同的分数作为不同类别,通过卷积神经网络进行分类。本文利用9种性能优秀的分类网络训练数据集,利用迁移学习、数据增强技...

【文章页数】：80 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 研究内容及目标
    1.4 论文结构
    1.5 本章小结
第二章 相关理论与准备工作
    2.1 卷积神经网络
        2.1.1 卷积神经网络概述
        2.1.2 卷积层
        2.1.3 池化层
        2.1.4 全连接层
        2.1.5 激活函数
        2.1.6 损失函数
        2.1.7 优化器
        2.1.8 Batch Normalization
    2.2 图像分类
        2.2.1 图像分类概述
        2.2.2 传统图像分类算法
        2.2.3 基于深度学习的图像分类
    2.3 目标检测
        2.3.1 目标检测概述
        2.3.2 传统目标检测算法
        2.3.3 基于深度学习的目标检测算法
    2.4 迁移学习
    2.5 数据集获取与处理
        2.5.1 奶牛数据获取
        2.5.2 图像去噪
        2.5.3 预处理
        2.5.4 数据增强
    2.6 本章小结
第三章 基于图像分类的奶牛体况评分
    3.1 常用的深度学习分类模型
        3.1.1 VGG
        3.1.2 ResNet
        3.1.3 Inception
        3.1.4 DenseNet
        3.1.5 NASNet
    3.2 实验
        3.2.1 训练设置
        3.2.2 实验结果及分析
    3.3 本章小结
第四章 基于目标检测的奶牛体况评分
    4.1 常用的深度学习分类模型
        4.1.1 Faster RCNN
        4.1.2 SSD
        4.1.3 YOLO
        4.1.4 RetinaNet
        4.1.5 RefineDet
        4.1.6 CenterNet
        4.1.7 FCOS
    4.2 实验
        4.2.1 训练设置
        4.2.2 实验结果及分析
    4.3 本章小结
第五章 智能评分系统设计与开发
    5.1 网络选择
    5.2 离线版(单机版)奶牛体况智能评分系统
    5.3 在线版(网络版)奶牛体况智能评分系统
    5.4 本章小结
第六章 总结与展望
    6.1 总结全文
    6.2 研究展望
参考文献
致谢
在读期间发表的学术论文与取得的其他研究成果



本文编号：3772886