基于深度学习的母猪行为检测方法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 符号列表 | 第14-17页 |
| 第一章 绪论 | 第17-28页 |
| 1.1 课题研究背景和意义 | 第17-20页 |
| 1.1.1 课题的研究背景 | 第17-18页 |
| 1.1.2 母猪行为的检测方法 | 第18-20页 |
| 1.2 国内外研究现状 | 第20-25页 |
| 1.2.1 基于机器视觉的生猪行为检测 | 第21-23页 |
| 1.2.2 基于深度学习的图像分割研究 | 第23-25页 |
| 1.3 研究内容与技术路线 | 第25-28页 |
| 1.3.1 研究内容 | 第25-26页 |
| 1.3.2 章节安排 | 第26页 |
| 1.3.3 技术路线 | 第26-28页 |
| 第二章 实验材料和方法 | 第28-39页 |
| 2.1 实验材料 | 第28-30页 |
| 2.2 图像采集系统 | 第30-33页 |
| 2.3 图像处理系统 | 第33-34页 |
| 2.4 图像预处理 | 第34-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第三章 母猪图像分割方法 | 第39-62页 |
| 3.1 分割模型与数据集 | 第39-43页 |
| 3.1.1 所用模型原理介绍 | 第39-41页 |
| 3.1.2 数据集 | 第41-43页 |
| 3.2 分割模型的结果分析 | 第43-47页 |
| 3.3 数据集优化 | 第47-50页 |
| 3.4 精分割算法与存在的问题 | 第50-61页 |
| 3.4.1 基于区域分割的精分割算法 | 第50-52页 |
| 3.4.2 基于区域生长的精分割算法 | 第52-55页 |
| 3.4.3 基于边缘检测的精分割算法 | 第55-57页 |
| 3.4.4 精分割结果及分析 | 第57-61页 |
| 3.5 本章小结 | 第61-62页 |
| 第四章 母猪行为检测 | 第62-76页 |
| 4.1 母猪头尾检测 | 第62-68页 |
| 4.1.1 轮廓提取与长短轴定位 | 第62-64页 |
| 4.1.2 头尾识别方法与结果分析 | 第64-68页 |
| 4.2 母猪立卧姿态检测 | 第68-71页 |
| 4.3 视频检测结果 | 第71-72页 |
| 4.4 分娩前母猪行为检测与分析 | 第72-75页 |
| 4.5 本章小结 | 第75-76页 |
| 第五章 总结与展望 | 第76-78页 |
| 5.1 研究结论 | 第76-77页 |
| 5.2 研究创新点 | 第77页 |
| 5.3 研究局限与展望 | 第77-78页 |
| 参考文献 | 第78-84页 |
| 作者简历 | 第84-85页 |
