基于深度學習的西門塔爾肉牛面部識別的研究
發(fā)布時間：2021-04-25 13:58
肉牛的身份識別是對肉牛登記、溯源、監(jiān)控的關鍵,也是智能牧場的主要組成部分�，F階段的肉牛識別技術主要是通過RFID技術實現,該方法耗時長,會給牛帶來極大的痛苦,而且標簽易丟失,識別率低。因此針對國內牧場養(yǎng)殖肉牛數量最多的西門塔爾肉牛,本文提出了基于深度學習和牛臉面部特征的肉牛身份識別算法,具體工作如下所述。首先基于可以用于肉牛身份識別的生物特征的研究,在河北盛源肉牛養(yǎng)殖基地采集了50頭肉�？偣�130段視頻,每頭牛大約2-3段,使用Free Studio軟件將視頻片段分解成幀圖片,通過標記面部關鍵點截取面部圖像,應用SSIM圖像評估算法去掉連續(xù)幀圖像中相似度過大的圖像,得到西門塔爾肉牛的牛臉數據集。然后使用遷移學習思想,將在LFW Face人臉數據集上訓練得到的VGGFace網絡識別本文設計的牛臉數據集中的肉牛,保持提取特征層（卷積層）參數不變,在全連接層進行微調,取得了91.6%的準確率。接著本文利用Keras深度學習框架搭建了用于牛臉識別的神經網絡模型CFR NET（CowFaceRecogniti...
【文章來源】：內蒙古大學內蒙古自治區(qū) 211工程院校
【文章頁數】：61 頁
【學位級別】：碩士
【文章目錄】：
摘要
abstract
第一章 緒論
1.1 選題背景及意義
1.2 國內外研究現狀
1.3 本文研究的主要內容
第二章 相關理論基礎
2.1 動物的生物特征
2.1.1 視網膜特征
2.1.2 虹膜特征
2.1.3 鼻紋特征
2.1.4 臉部特征
2.2 人工神經網絡
2.2.1 神經元
2.2.2 激活函數
2.2.3 BP神經網絡
2.2.4 誤差反向傳播算法
2.3 卷積神經網絡（CNN）
2.3.1 卷積過程
2.3.2 池化
2.3.3 全連接層
2.4 softmax分類回歸
2.5 小結
第三章 西門塔爾肉牛圖像信息采集及處理
3.1 數據集制作
3.2 數據集處理
3.2.1 數據集增強
3.2.2 數據集歸一化
3.2.3 數據集擴展
3.3 本章小結
第四章 基于深度學習的西門塔爾肉牛個體識別方法
4.1 基于VGG-16網絡的遷移學習
4.1.1 網絡結構
4.1.2 識別結果及分析
4.2 本文設計的牛臉識別神經網絡模型
4.2.1 神經網絡結構
4.2.2 神經網絡優(yōu)化
4.2.3 識別結果及分析
4.3 本章小結
第五章 總結與展望
5.1 工作總結
5.2 后續(xù)工作展望
參考文獻
致謝
附件 攻讀碩士學位期間取得的研究成果
【參考文獻】：
期刊論文
[1]基于改進的卷積神經網絡腦電信號情感識別[J]. 田莉莉,鄒俊忠,張見,衛(wèi)作臣,汪春梅. 計算機工程與應用. 2019(22)
[2]CLAHE算法在不同彩色空間中的圖像增強效果評估[J]. 劉黎明. 艦船電子對抗. 2016(06)
[3]時隔12年 美國牛肉重返中國餐桌[J]. 馬琤琤. 中國食品. 2016(20)
[4]基于卷積神經網絡的奶牛個體身份識別方法[J]. 趙凱旋,何東健. 農業(yè)工程學報. 2015(05)
[5]中國肉牛產業(yè)發(fā)展的階段識別及時空分異特征[J]. 王國剛,王明利,楊春. 經濟地理. 2014(10)
[6]基于BP人工神經網絡電力負荷預測[J]. 郭龍鋼. 洛陽理工學院學報(自然科學版). 2013(01)
博士論文
[1]基于遷移學習與深度卷積特征的圖像標注方法研究[D]. 宋光慧.浙江大學 2017
[2]奶牛數字化管理關鍵技術的研究[D]. 郭衛(wèi).河北農業(yè)大學 2010
碩士論文
[1]基于集成卷積神經網絡的交通標志識別研究[D]. 易億.重慶郵電大學 2019
[2]基于深度學習的自然場景文本檢測[D]. 袁琪.大連理工大學 2019
[3]基于神經網絡的奶牛識別方法研究[D]. 葛超.重慶郵電大學 2019
[4]基于卷積神經網絡的交通標志識別方法研究[D]. 陳玉婷.東北師范大學 2018
[5]基于卷積神經網絡的交通標志分類與識別研究[D]. 宋靈杰.湖南大學 2018
[6]基于卷積神經網絡的人臉識別系統(tǒng)設計與實現[D]. 曹東旭.南京郵電大學 2017
[7]稀疏表示理論及其應用研究[D]. 謝浪雄.廣東工業(yè)大學 2015
本文編號：3159508
【文章來源】：內蒙古大學內蒙古自治區(qū) 211工程院校
【文章頁數】：61 頁
【學位級別】：碩士
【文章目錄】：
摘要
abstract
第一章 緒論
1.1 選題背景及意義
1.2 國內外研究現狀
1.3 本文研究的主要內容
第二章 相關理論基礎
2.1 動物的生物特征
2.1.1 視網膜特征
2.1.2 虹膜特征
2.1.3 鼻紋特征
2.1.4 臉部特征
2.2 人工神經網絡
2.2.1 神經元
2.2.2 激活函數
2.2.3 BP神經網絡
2.2.4 誤差反向傳播算法
2.3 卷積神經網絡（CNN）
2.3.1 卷積過程
2.3.2 池化
2.3.3 全連接層
2.4 softmax分類回歸
2.5 小結
第三章 西門塔爾肉牛圖像信息采集及處理
3.1 數據集制作
3.2 數據集處理
3.2.1 數據集增強
3.2.2 數據集歸一化
3.2.3 數據集擴展
3.3 本章小結
第四章 基于深度學習的西門塔爾肉牛個體識別方法
4.1 基于VGG-16網絡的遷移學習
4.1.1 網絡結構
4.1.2 識別結果及分析
4.2 本文設計的牛臉識別神經網絡模型
4.2.1 神經網絡結構
4.2.2 神經網絡優(yōu)化
4.2.3 識別結果及分析
4.3 本章小結
第五章 總結與展望
5.1 工作總結
5.2 后續(xù)工作展望
參考文獻
致謝
附件 攻讀碩士學位期間取得的研究成果
【參考文獻】：
期刊論文
[1]基于改進的卷積神經網絡腦電信號情感識別[J]. 田莉莉,鄒俊忠,張見,衛(wèi)作臣,汪春梅. 計算機工程與應用. 2019(22)
[2]CLAHE算法在不同彩色空間中的圖像增強效果評估[J]. 劉黎明. 艦船電子對抗. 2016(06)
[3]時隔12年 美國牛肉重返中國餐桌[J]. 馬琤琤. 中國食品. 2016(20)
[4]基于卷積神經網絡的奶牛個體身份識別方法[J]. 趙凱旋,何東健. 農業(yè)工程學報. 2015(05)
[5]中國肉牛產業(yè)發(fā)展的階段識別及時空分異特征[J]. 王國剛,王明利,楊春. 經濟地理. 2014(10)
[6]基于BP人工神經網絡電力負荷預測[J]. 郭龍鋼. 洛陽理工學院學報(自然科學版). 2013(01)
博士論文
[1]基于遷移學習與深度卷積特征的圖像標注方法研究[D]. 宋光慧.浙江大學 2017
[2]奶牛數字化管理關鍵技術的研究[D]. 郭衛(wèi).河北農業(yè)大學 2010
碩士論文
[1]基于集成卷積神經網絡的交通標志識別研究[D]. 易億.重慶郵電大學 2019
[2]基于深度學習的自然場景文本檢測[D]. 袁琪.大連理工大學 2019
[3]基于神經網絡的奶牛識別方法研究[D]. 葛超.重慶郵電大學 2019
[4]基于卷積神經網絡的交通標志識別方法研究[D]. 陳玉婷.東北師范大學 2018
[5]基于卷積神經網絡的交通標志分類與識別研究[D]. 宋靈杰.湖南大學 2018
[6]基于卷積神經網絡的人臉識別系統(tǒng)設計與實現[D]. 曹東旭.南京郵電大學 2017
[7]稀疏表示理論及其應用研究[D]. 謝浪雄.廣東工業(yè)大學 2015
本文編號：3159508
本文鏈接：http://www.sikaile.net/shoufeilunwen/zaizhiyanjiusheng/3159508.html
最近更新
教材專著
