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
内蒙古科技大学;