ibb娱乐彩票
上海代寫論文網專業提供代寫畢業論文、代寫本科論文服務
您現在的位置:首頁 > 農業論文 > 畜牧獸醫論文 >
奶牛個體精準識別中牛臉識別的運用
發布時間:2020-07-03

  摘    要: 奶牛養殖戶對每頭奶牛的信息的傳統記錄方式需要耗費大量的人力物力,不足以適應現代發展的需求。本文以卷積神經網絡為特征提取牛臉輪廓模型,用牛臉圖像訓練并測試提高算法的精度和效率,對奶牛個體實現精準識別,建立高效的奶牛信息統計系統。從而實現奶牛養殖環境下面部輪廓自動提取的算法創新、平臺實現創新。

  關鍵詞: 牛臉識別; 卷積神經網絡; 研究;

  1 、概述

  1.1 、研究背景與意義

  隨著社會的進步,傳統的養殖方式難以科學有效地對牛群進行照看和管理。人工智能的興起,對奶牛養殖業的輔助指導產生了重要的影響。而人臉識別、神經網絡等技術與養殖業的融合,提高了養殖場的管理效率和經濟效益,促進了養殖過程精準化、自動化、智能化,為其他智能畜牧養殖業的發展提供了技術支持。

  1.2、 研究現狀

  1.2.1、 項目研究現狀

  利用人工智能技術識別牲畜個體及其生活情況、習性等的應用在農業生產中變得越來越廣泛。Xia等提出一種基于局部二值模式(local binary patterns,LBP)紋理特征的臉部描述模型[1]。Cai等在人臉識別方法的基礎上對LBP進行改進,提出了基于LBP改進后的牛臉模型[2]。但遺憾的是,這兩種方法均無法應用在真實的個體牛養殖環境中。

  1.2.2 、算法研究現狀

  基于人工智能的牛臉識別的關鍵是奶牛的面部檢測,而神經網絡算法的使用有利于牛臉的檢測研究。RENS.Q.等在前人的基礎上,將檢測算法中region proposal的選取算法SS(selective search)改為RPN(region proposal network)網絡,進一步提升了檢測性能[3]。
 

奶牛個體精準識別中牛臉識別的運用
 

  1.3 、研究目的

  本次研究旨在建立一個奶牛信息統計儲備系統。奶牛養殖人員可通過此牛臉識別系統對奶牛建立個體檔案,統計奶牛的年齡,性別,健康狀況,過往疾病史,每天飼料使用量和產出牛奶的量和奶牛的質量等情況。在每天的養殖過程中,養殖人員用具有該系統的設備,對奶牛進行面部識別,從而進行精準檔案錄入,并生成對應的數據分析報告反饋給管理者,進行智能養殖。從而便于管理者獲取奶牛個體的詳細信息,迅速了解牧場情況,降低人工成本,提高管理效率為奶牛養殖主增加經濟收益。

  2 、研究內容及研究成果

  2.1、 研究內容

  本文在人臉識別算法的基礎上,以卷積神經網絡為特征提取模型,根據牛的五官和花紋特征,定義牛臉輪廓模型,用牛臉圖像訓練并測試提高算法的精度和效率,通過機器視覺技術對奶牛個體進行更加精準的識別,從而提高養殖場的管理效率和經濟效益。

  2.2、 研究方法

  卷積神經網絡是一類包含卷積計算且具有深度結構的前饋神經網絡,是深度學習的代表算法之一[4]。層積神經網絡仿造生物的視覺和知覺機制建造,可以進行監督學習,并使用BP框架進行學習,其計算流程在Le Cun(1989)中就已經確定[5]。

  本文首先收集牛的面部特征信息,根據牛的五官和花紋特征,定義牛臉輪廓模型,以卷積神經網絡為特征提取模型。

  基于卷積神經網絡的圖像識別具有以下三個過程:卷積操作,池化操作,以及激活函數、全連接層和目標函數。當原始數據輸入到機器之后,會經過多次的卷積池化操作,直到把所有特征都抽取出來。接著,抽取出來的所有特征與全連接層進行對接,得出預測的值,并與目標值進行對比。最后,機器會對二者的差值進行修復,并重新訓練。由于卷積神經網絡具有特征不變性,防止過度擬合和特征降維等特點,在進行識別時具有良好的效果。圖1是卷積神經網絡的主要層次。

  圖1
圖1

  卷積操作是將截取到的圖像建立一個矩陣(如圖5x5的矩陣),并在矩陣中建立一個卷積核(如圖3x3的矩陣),對卷積核中的矩陣進行加權求和放到一個新的矩陣當中,這個新的矩陣被稱作卷積特征。這個卷積特征將作為下一個階段池化操作的輸入。

  圖2
圖2

  在神經元中,圖像經過卷積池化操作后,引入激活函數Re LU函數,增加神經網絡模型的非線性。Re LU函數實際上是一個分段函數,當函數的值小于0時,不管賦值為多少,都會返回0,而函數值大于等于0時,它返回本身(X):

  考慮到牛與牛之間面部特征的差異不是很明顯,在本系統中,我們設立多個卷積層和池化層,用于將每只牛面部的最大特征提取出來,與數據庫中奶牛的面部照片做對比,從而達到牛臉識別的目的。

  最后,利用歐式距離目標函數,通過判斷距離的大小來判斷兩張圖片是否相似,進而實現牛臉識別的功能。

  2.3、 研究成果

  實驗表明,卷積神經網絡在牛臉識別上具有很好的效果。利用卷積神經網絡的特征不變性使得牛臉的圖像在經過多次卷積后,將牛臉的特征提取出來與數據庫中圖像的特征進行比較。利用特征降維舍棄了圖像中一些不重要的特征,節省了計算機的資源,將在復雜的環境中進行的牛臉識別進行了簡化。通過牛臉圖像的多次訓練和測試提高了算法的精度和效率,最終實現了奶牛個體的精準識別。

  3、 結論

  本文以卷積神經網絡為特征提取模型,首先收集錄入每只牛的面部信息。當原始數據輸入到機器之后,經過多次的卷積池化操作,把所有特征都抽取出來。接著,抽取出來的所有特征與全連接層進行對接,得出預測的值,并與目標值進行對比。最后,機器會對二者的差值進行修復,并重新訓練,提高算法的精度和效率,對奶牛個體進行更加精準的識別。此外,本研究通過一定的改良還可以進行豬、羊等牲畜的識別。

  參考文獻

  [1]蔡騁,宋肖肖,何進榮.基于計算機視覺的牛臉輪廓提取算法及實現[J].農業工程學報,2017,33(11):171-177.
  [2]盧宏濤,張秦川.深度卷積神經網絡在計算機視覺中的應用研究綜述[J].數據采集與處理,2016,31(1):1-17.
  [3] REN S Q,HE K M,GIRSHICK R,et al. FasterR-CNN:towards real-time object detection with region proposal networks[C]∥Proceedings of Advances on.Neural Information Processing Systems,2015:91-99.
  [4] Gu,J.,Wang,Z.,Kuen,J.,Ma,L.,Shahroudy,A.,Shuai,B.,Liu,T.,Wang,X.,Wang,L.,Wang,G.andCai,J.,2015.Recent advances in convolutional neural networks.arXiv preprint arXiv:1512.07108.
  [5]LeCun, Y., Boser, B., Denker, J.S., Henderson, D., Howard,R.E., Hubbard, W. and Jackel, L.D., 1989. Backpropagation applied to handwritten zip code recognition. Neural computation,1(4), pp.541-551.

對應分類:
下一篇:沒有了
版權所有:上海論文網專業權威的論文代寫、論文發表的網站,秉承信譽至上、用戶為首的服務理念,服務好每一位客戶
本站部分論文收集于網絡,如有不慎侵犯您的權益,請您及時致電或寫信告知,我們將第一時間處理,郵箱:shlunwen@163.com
ibb娱乐彩票
<meter id="7xttx"></meter>
  1. <code id="7xttx"><delect id="7xttx"><p id="7xttx"></p></delect></code>
  2. <acronym id="7xttx"></acronym>

    <address id="7xttx"></address>
    内江市| 阿坝县| 定州市| 信宜市| 周至县| 祁连县| 孟连| 乌拉特前旗| 黔江区| 五大连池市| 石城县| 平谷区| 桂林市| 怀来县| 吴川市| 靖西县| 资兴市| 章丘市|