論文-基于紅外熱成像技術(shù)的豬體溫檢測與關(guān)鍵測溫部位識別63頁摘要 實現(xiàn)豬體溫測量自動化有利于實時監(jiān)測豬的健康狀況、母豬發(fā)情和排卵檢測等 生理健康狀況。本文采用紅外熱成像儀采集豬的紅外熱圖像，引入化學(xué)計量學(xué)建模 方法建立體表溫度、環(huán)境溫度與直腸溫度間的多元校正模型，同時提出兩種關(guān)鍵測 溫部位的自動檢測方法。主要結(jié)論總結(jié)如下： (1)建立了母豬體表溫度、環(huán)境溫度與母豬體溫之間的一元和多元線性回歸模型。研 究發(fā)現(xiàn)， 9個身體區(qū)域提取的體表溫度與直腸溫度呈正相關(guān)(產(chǎn)O．34～0．68)，其中， 基于耳根區(qū)域體表溫度平均值建立的一元回歸方程效果最優(yōu)，預(yù)測集相關(guān)系數(shù)RP與 均方根誤差RMSEP分別為0．66和0．420c。全特征模型相比一元線性回歸方程有更 好的預(yù)測效果，RP和RMSEP分別為0．76和O．370C。此外，應(yīng)用特征選擇方法LARS． Lasso確定了7個重要特征建立簡化模型，其校正集和預(yù)測集的R分別為0．80和 0．80，RMSEs分別為0．30和0．350C。 (2)將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于生豬主要測溫部位(眼睛和耳朵區(qū)域)的直接分割。利用 python構(gòu)建了四種不同結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)模型FCN一1 6s、FCN．8s、U．Net一3和U． Net．4。對比分析4種卷積神經(jīng)網(wǎng)絡(luò)模型的性能，結(jié)果表明U-Net．4網(wǎng)絡(luò)結(jié)構(gòu)的分割 效果最優(yōu)，平均區(qū)域重合度最高為78．75％。然而，當計算設(shè)備的計算力不夠時，可 以選用U．Net一3模型以達到較好的分割效果。 (3)提出豬只眼睛及耳根區(qū)域關(guān)鍵點的識別方法，將豬只主要測溫部位的檢測問題 轉(zhuǎn)變?yōu)橹饕獪y溫部位的定位問題。設(shè)計具有不同深度的卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)A．E，得 出架構(gòu)E最優(yōu)。且當Dropout概率設(shè)置為0．6時模型效果最好，驗證集平均誤差和 預(yù)測集平均誤差分別為1．96％和2．65％。測試集單張豬臉關(guān)鍵點的預(yù)測誤差小于5％ 和10％的比例分別為89．5％和97．4％。模型能夠很好的定位豬臉關(guān)鍵點，用于豬只 體溫測量。 本文采用紅外熱像儀測量母豬體表溫度，通過化學(xué)計量學(xué)建模為非接觸母豬直 腸溫度測量提供了更準確、可靠的方法，同時提出兩種關(guān)鍵測溫部位的自動檢測方 法，有助于實現(xiàn)母豬體溫測量自動化，為生豬健康管理提供參考。
標簽：
紅外熱成像技術(shù)
上傳時間：
2022-02-13
上傳用戶：jiabin
