基于深度学习的牛体尺测量方法研究

目录

声明

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 牛体尺测量的发展现状

1.2.2 深度学习的发展现状

1.2.3 目标检测的发展现状

1.2.4 边缘检测的发展现状

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 课题的研究内容及章节安排

1.4.1 课题的研究内容

1.4.2 章节安排

2 基于深度学习的牛体尺测量系统方案

2.1 牛体尺测量系统整体研究方案

2.1.1 体尺参数的研究方案

2.1.2 数据集的研究方案

2.1.3 深度学习模型的研究方案

2.1.4 牛体尺测点的研究方案

2.1.5 牛体尺纠偏计算的研究方案

2.2 牛体尺测量系统整体测量方法

2.3 本章小结

3 基于深度学习的牛体尺特征部位检测

3.1牛体尺参数测量系统实验环境

3.1.1 牛体尺测量系统硬件结构

3.1.2 牛体尺测量系统软件结构

3.2深度学习模型训练与测试数据准备

3.2.1 LabelImg标定工具

3.2.2 XML标定文件

3.2.3 CABM-SET数据集

3.3 卷积神经网络的基本结构

3.4 深度学习目标检测模型对比

3.4.1 YOLO目标检测模型

3.4.2 SSD目标检测模型

3.4.3 Faster RCNN目标检测模型

3.4.4 3种目标检测模型理论分析对比

3.5 基于Faster RCNN的牛特征部位检测

3.5.1 Faster RCNN模型参数优化

3.5.2 Faster RCNN模型训练

3.5.3 Faster RCNN模型检测

3.5.4 实验结果及分析

3.6 本章小结

4 牛体尺测点检测算法

4.1 边缘检测算法对比

4.1.1 Roberts 边缘检测算法

4.1.2 Sobel边缘检测算法

4.1.3 Canny边缘检测算法

4.1.4 3种边缘检测算法理论分析对比

4.2 牛局部特征部位边缘轮廓曲线拟合

4.3 牛局部特征部位体尺测点识别与确定

4.3.1 牛肩端点的识别与确定

4.3.2 牛坐骨端点的识别与确定

4.3.3 牛两前蹄中点的识别与确定

4.3.4 牛髻甲点的识别与确定

4.4 本章小结

5 牛体尺参数测量系统设计及实验结果与分析

5.1 牛体尺参数测量系统整体架构

5.2 牛体尺参数测量系统功能模块设计

5.2.1 牛体尺参数测量地面标定参数集设计

5.2.2 牛体尺参数测量站姿纠偏模块设计

5.2.3 牛体尺参数计算模块设计

5.3 牛体尺参数测量实验结果与分析

5.4 本章小结

结论

参考文献

在学研究成果

致谢