随着计算机应用技术的快速发展,运用智能化和现代化的技术来管理牲畜养殖企业,这对于一个企业来说改变了传统的管理模式,给企业在人力和财力方面都带来了很大的利益。本文基于卷积神经网络对奶牛自动检测算法及其系统实现进行研究,高效、准确的对奶牛在挤奶环境中实现了实时的目标检测任务。当下,由于在研究奶牛个体识别方面没有标准的数据集,目前,所有公开项目都通过纯手工方式制作实验所用数据集。因而该论文的目的之一是为了能够实现样本数据集的自动采集。此外,自动采集样本数据集还能够极大地提高目标检测和识别系统的自动化水平、在系统集成、示范推广过程中,进一步提高工程实施效率。本文的主要研究内容如下:(1)奶牛视频的采集。为了研究算法对奶牛视频的目标检测效果,进行了奶牛实地视频图像采集。在视频采集的过程中,为了尽可能的避免给奶牛养殖场的日常生产工作减少不必要的麻烦,同时也由于奶牛场环境的复杂性和不确定性因素,于是研制了一套如何获取奶牛视频图像的方案,采集了单一背景下奶牛在通过挤奶台转盘时的奶牛正脸视频。(2)技术方案。通过研究对比了传统目标检测算法和基于深度学习目标检测算法的特点,最后采用基于深度学习的回归目标检测算法作为本课题研究的思路。并且使用深度学习网络模型SSD为基础,以改进的VGG16作为数据训练的框架。由于研究奶牛目标检测方面并没有标准的数据集,所以完全由自己纯手工制作了实验所用的数据集。通过实验结果表明该方案能够有效的对奶牛在挤奶台环境下进行实时的目标检测。(3)系统设计与实现。在算法研究的相关基础上,本文以windows10作为平台,基于PyQt5自主开发了一款图形界面,通过图形界面来实时显示当前对奶牛进行目标检测的结果,并且设计和实现了将检测到的目标自动提取出来,生成样本数据集的技术。本系统界面能够很好的将相关算法转换为可视化的图形操作界面,经测试表明该图形界面实用性很好。
基本信息
题目 | 基于视频的牛脸目标检测及样本数据自动提取算法设计与系统实现 |
文献类型 | 硕士论文 |
作者 | 曾光华 |
作者单位 | 北方民族大学 |
导师 | 张春梅,陈华 |
文献来源 | 北方民族大学 |
发表年份 | 2020 |
学科分类 | 农业科技,信息科技 |
专业分类 | 畜牧与动物医学,计算机软件及计算机应用 |
分类号 | S823;TP391.41 |
关键词 | 目标检测,卷积神经网络,深度学习,算法 |
总页数: | 58 |
文件大小: | 3791K |
论文目录
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 研究现状 |
1.3 研究难点 |
1.4 论文的内容结构 |
第二章 相关技术理论和算法 |
2.1 引言 |
2.2 深度学习与卷积神经网络 |
2.3 深度学习框架 |
2.4 目标检测算法概述 |
2.5 PyQt |
2.6 本章小结 |
第三章 基于卷积神经网络对牛脸视频进行自动目标检测 |
3.1 引言 |
3.2 奶牛牛脸视频图像的获取 |
3.3 制作数据集 |
3.4 奶牛目标检测及目标对象提取算法的实现 |
3.5 回归器优化设计 |
3.6 实验与结果分析 |
3.7 准确率与召回率分析 |
3.8 本章小结 |
第四章 奶牛检测系统设计与实现 |
4.1 引言 |
4.2 系统可行性分析 |
4.3 系统设计 |
4.4 系统功能模块 |
4.5 系统实现与测试 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 论文总结 |
5.2 未来展望 |
参考文献 |
致谢 |
个人简介 |
附件 |
参考文献
[1] 基于深度学习的目标检测算法综述[J]. 传感器与微系统 2021(02) |
[2] 特征增强的小目标检测算法[J]. 山西大同大学学报(自然科学版) 2020(06) |
[3] 密集场景的双通道耦合目标检测算法[J]. 中国惯性技术学报 2020(05) |
[4] 目标检测算法在交通场景中应用综述[J]. 计算机工程与应用 2021(06) |
[5] 基于改进的特征提取网络的目标检测算法[J]. 激光与光电子学进展 2019(23) |
[6] 电力监控系统中运动目标检测算法研究[J]. 数字技术与应用 2019(12) |
[7] 基于变周期梯形毫米波二维配对多目标检测算法[J]. 微波学报 2020(02) |
[8] 基于卷积神经网络的目标检测算法综述[J]. 苏州科技大学学报(自然科学版) 2020(02) |
[9] 基于四旋翼无人机平台的实时多目标检测算法[J]. 计算机仿真 2020(04) |
[10] 基于深度学习的目标检测算法研究综述[J]. 计算机与现代化 2020(05) |
[11] 基于遮挡标记的目标检测算法[J]. 中南民族大学学报(自然科学版) 2020(03) |
[12] 基于深度学习的单阶段目标检测算法研究综述[J]. 航空兵器 2020(03) |
[13] 基于有效感受野的目标检测算法[J]. 山西大同大学学报(自然科学版) 2020(04) |
[14] 深度卷积神经网络的目标检测算法综述[J]. 计算机工程与应用 2020(17) |
[15] 基于关键点的目标检测算法综述[J]. 信息技术与标准化 2020(06) |
[16] 深度学习目标检测算法在货运列车车钩识别中的应用[J]. 铁道科学与工程学报 2020(10) |
[17] 多分支卷积块的目标检测算法[J]. 赤峰学院学报(自然科学版) 2020(10) |
[18] 基于回归与深度强化学习的目标检测算法[J]. 软件导刊 2018(12) |
[19] 特征显著性的车辆目标检测算法[J]. 河南科技大学学报(自然科学版) 2017(01) |
[20] 一种基于数据聚类的目标检测算法[J]. 机电产品开发与创新 2016(06) |
[21] 目标检测算法研究述评[J]. 河南广播电视大学学报 2021(01) |
[22] 一种改进的单步多框目标检测算法[J]. 西安交通大学学报 2021(04) |
[23] 基于显著图和稳定区域融合的小目标检测算法[J]. 光电子·激光 2020(11) |
[24] 基于非对称沙漏网络结构的目标检测算法[J]. 计算机应用 2020(12) |
[25] 目标检测算法及其在无人驾驶领域应用研究[J]. 电子制作 2021(04) |
[26] 室内Wi-Fi网络下的被动式运动目标检测算法[J]. 计算机应用研究 2021(03) |
[27] 一种基于深度学习的遥感图像目标检测算法[J]. 计算机工程与科学 2019(12) |
[28] 重点区域注意力学习的空对地目标检测算法[J]. 激光与光电子学进展 2020(04) |
[29] 基于深度卷积神经网络的小目标检测算法[J]. 计算机工程与科学 2020(04) |
[30] 基于注意力机制和特征融合改进的小目标检测算法[J]. 计算机应用与软件 2020(05) |
相似文献
[1]基于深度学习的目标检测算法的研究[D]. 张书林.广东工业大学2020 |
[2]室内外场景下的目标检测算法应用研究[D]. 刘丽.厦门大学2019 |
[3]基于深度学习的目标检测算法及其应用研究[D]. 尚浩.湖南大学2019 |
[4]基于深度学习的蝴蝶种类识别研究[D]. 曹嘉文.陕西师范大学2019 |
[5]基于视频的煤矿井下人形目标检测[D]. 张静.西安科技大学2019 |
[6]基于深度学习的动车关键部位故障图像检测[D]. 张江勇.电子科技大学2019 |
[7]基于道路视频的运动目标检测算法研究[D]. 杨庆彪.杭州电子科技大学2016 |
[8]基于视觉的车辆智能检测技术的研究[D]. 王威.电子科技大学2019 |
[9]基于深度学习的汽车门板焊点识别算法研究及应用[D]. 曾健.华南理工大学2019 |
[10]基于深度学习的输电线路目标检测方法研究[D]. 刘业鹏.华北电力大学2019 |
基于视频的人脸目标检测与自动样本数据提取算法设计与系统实现
下载Doc文档