基于深度图像的肉鸡生长模型拟合方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 前言 | 第8-16页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外相关研究概况 | 第9-13页 |
| 1.2.1 信息技术在家禽行为上的研究现状 | 第10-11页 |
| 1.2.2 信息技术在家禽体重监测上的研究现状 | 第11-12页 |
| 1.2.3 信息技术在禽舍环境控制上的研究现状 | 第12-13页 |
| 1.3 研究主要内容、目的及意义 | 第13-14页 |
| 1.3.1 研究主要内容 | 第13-14页 |
| 1.3.2 研究目的及意义 | 第14页 |
| 1.4 论文章节结构 | 第14-16页 |
| 2 肉鸡称重装置及图像获取系统的设计 | 第16-25页 |
| 2.1 深度图像 | 第16页 |
| 2.2 总体系统装置设计 | 第16-18页 |
| 2.3 系统硬件介绍 | 第18-23页 |
| 2.3.1 Kinect介绍 | 第18-22页 |
| 2.3.2 工业电脑介绍 | 第22-23页 |
| 2.3.3 电子秤介绍 | 第23页 |
| 2.4 本章小结 | 第23-25页 |
| 3 深度图像预处理及特征提取 | 第25-34页 |
| 3.1 深度图像预处理 | 第25-30页 |
| 3.1.1 深度图像挑选及裁剪 | 第26页 |
| 3.1.2 深度图像滤波 | 第26-27页 |
| 3.1.3 深度图像分割 | 第27-29页 |
| 3.1.4 深度图像形态学处理 | 第29-30页 |
| 3.2 特征提取 | 第30-33页 |
| 3.2.1 日龄特征提取 | 第30-31页 |
| 3.2.2 图像二维特征提取 | 第31-32页 |
| 3.2.3 图像三维特征提取 | 第32-33页 |
| 3.3 本章小结 | 第33-34页 |
| 4 肉鸡体重分级及估测 | 第34-49页 |
| 4.1 肉鸡体重分级 | 第34-40页 |
| 4.1.1 实验设计 | 第34-35页 |
| 4.1.2 支持向量机分类 | 第35-36页 |
| 4.1.3 RBF神经网络分类 | 第36-37页 |
| 4.1.4 分类结果 | 第37-39页 |
| 4.1.5 分类结果讨论与分析 | 第39-40页 |
| 4.2 肉鸡体重估测 | 第40-48页 |
| 4.2.1 实验设计 | 第40-41页 |
| 4.2.2 BP神经网络建模及评价指标 | 第41-44页 |
| 4.2.3 BP神经网络建模结果 | 第44-46页 |
| 4.2.4 建模结果讨论与分析 | 第46-48页 |
| 4.3 本章小结 | 第48-49页 |
| 5 肉鸡生长曲线的拟合及选取 | 第49-54页 |
| 5.1 实验设计 | 第49页 |
| 5.2 生长曲线拟合方法 | 第49-50页 |
| 5.2.1 拟合曲线模型 | 第49-50页 |
| 5.2.2 数据统计及处理 | 第50页 |
| 5.3 生长曲线拟合结果 | 第50-52页 |
| 5.3.1 估测体重结果 | 第50-51页 |
| 5.3.2 与三种模型拟合结果 | 第51-52页 |
| 5.4 拟合结果讨论与分析 | 第52-53页 |
| 5.5 本章小结 | 第53-54页 |
| 6 结论 | 第54-56页 |
| 6.1 全文总结 | 第54-55页 |
| 6.2 论文的创新点 | 第55页 |
| 6.3 论文的不足之处 | 第55-56页 |
| 7 展望 | 第56-57页 |
| 8 参考文献 | 第57-62页 |
| 9 攻读硕士学位期间发表论文情况 | 第62-63页 |
| 10 致谢 | 第63页 |
