基于多媒体传感器网络的仔猪窝均重监测关键技术研究
摘要 | 第1-10页 |
ABSTRACT | 第10-13页 |
第一章 绪论 | 第13-28页 |
·课题研究背景 | 第13-14页 |
·课题来源 | 第13页 |
·研究背景 | 第13-14页 |
·国内外相关技术研究现状综述 | 第14-19页 |
·信息技术在仔猪养殖中的应用 | 第14-15页 |
·WMSN图像压缩方法 | 第15-17页 |
·传感器非线性补偿方法 | 第17-18页 |
·粘连图像分割方法 | 第18-19页 |
·课题研究主要内容 | 第19-22页 |
·研究目标 | 第19-20页 |
·研究内容 | 第20-21页 |
·技术路线 | 第21-22页 |
·小结 | 第22页 |
参考文献 | 第22-28页 |
第二章 基于WMSN的仔猪窝均重监测系统整体结构 | 第28-37页 |
·引言 | 第28页 |
·WMSN-PWS总体结构 | 第28-29页 |
·WMSN-PWS智能型仔猪保温箱 | 第29-34页 |
·保温板 | 第30页 |
·自动称重模块 | 第30-32页 |
·图像采集模块 | 第32-34页 |
·本章小结 | 第34-35页 |
参考文献 | 第35-37页 |
第三章 仔猪窝均重监测WMSN图像节点设计 | 第37-49页 |
·引言 | 第37页 |
·图像节点硬件设计 | 第37-40页 |
·节点需求 | 第37-38页 |
·节点硬件设计 | 第38-40页 |
·图像节点软件设计 | 第40-43页 |
·节点初始化 | 第40-41页 |
·节点休眠与唤醒 | 第41页 |
·图像采集 | 第41-43页 |
·图像传输 | 第43页 |
·图像节点测试 | 第43-45页 |
·本章小结 | 第45页 |
参考文献 | 第45-49页 |
第四章 WMSN仔猪图像压缩方法研究 | 第49-78页 |
·引言 | 第49页 |
·图像节点上的仔猪图像压缩 | 第49-57页 |
·小波图像压缩基本流程 | 第49-50页 |
·图像压缩中的小波变换 | 第50-51页 |
·逐行小波变换方法 | 第51-57页 |
·仔猪图像小波系数量化 | 第57-60页 |
·量化标准 | 第57-58页 |
·低内存量化方法 | 第58-60页 |
·仔猪图像小波系数比特平面二值算术编码 | 第60-72页 |
·二值自适应算术编码 | 第60-66页 |
·比特平面二值自适应算术编码 | 第66-72页 |
·算法验证及性能分析 | 第72-75页 |
·逐行小波图像压缩方法验证 | 第72-73页 |
·算法性能分析 | 第73-75页 |
·本章小结 | 第75页 |
参考文献 | 第75-78页 |
第五章 粘连仔猪图像分割方法研究 | 第78-101页 |
·引言 | 第78页 |
·椭圆拟合方法 | 第78-81页 |
·Hough变换方法 | 第78-79页 |
·直接最小二乘法 | 第79-80页 |
·最小平方中值法 | 第80-81页 |
·基于椭圆拟合方法的仔猪自动计数 | 第81-98页 |
·仔猪图像拟合椭圆参数阈值设置 | 第81-85页 |
·多仔猪图像椭圆拟合 | 第85-98页 |
·算法性能 | 第98页 |
·本章小结 | 第98页 |
参考文献 | 第98-101页 |
第六章 称重传感器片上温度补偿及原型系统测试 | 第101-124页 |
·引言 | 第101页 |
·压阻式称重传感器原理 | 第101-106页 |
·传感器结构 | 第101-103页 |
·传感器非线性误差校正措施 | 第103-106页 |
·基于ANN的传感器非线性输出片上校正方法 | 第106-117页 |
·BP神经网络算法 | 第106-107页 |
·称重传感器的ANN校正 | 第107-115页 |
·基于ANN的片上温度补偿实现 | 第115-117页 |
·原型系统测试 | 第117-122页 |
·原型系统结构 | 第117-121页 |
·原型系统测试 | 第121-122页 |
·本章小结 | 第122页 |
参考文献 | 第122-124页 |
第七章 结论与展望 | 第124-129页 |
·结论 | 第124-125页 |
·主要创新点 | 第125-126页 |
·后续研究展望 | 第126-129页 |
致谢 | 第129-131页 |
攻读博士学位期间发表的论文及申请的专利 | 第131页 |