论文部分内容阅读
奶牛体况评分是评价奶牛健康水平的重要手段,它可以合理、准确的评估奶牛个体的能量储备,预测奶牛的多种疾病,辅助畜牧养殖场的管理。奶牛体况评分是对奶牛的体内脂肪评估打分,低分值代表过于消瘦,高分值代表过于肥胖。奶牛长期处于过于消瘦或过于肥胖的状况时,就会引发各种生理以及心理疾病,造成产奶量、产奶质量下降,给畜牧养殖场的生产性能、经济效益造成负面影响。定期的为每头奶牛进行体况评分评估非常重要,但是目前奶牛体况评分大多还是人工评分,这种评分方式对不但准确率低,效率低,而且需要大量的时间训练评分员,费时费力,所以开发自动化奶牛体况评分系统,消除主观误差,解放人力,非常重要。本文通过深度学习技术来进行奶牛体况评分,深度学习技术是数据驱动技术,需要大量的图片资源,本文通过网络摄像头拍摄大量视频,并详细挑选大量图像作为数据集,并邀请专家进行评分作为数据集的类标。本文主要通过卷积神经网络进行图片分类和目标检测得到奶牛体况分数,主要研究内容和创新点有:(1)通过图像分类进行奶牛体况评分时,将不同的分数作为不同类别,通过卷积神经网络进行分类。本文利用9种性能优秀的分类网络训练数据集,利用迁移学习、数据增强技术提升网络性能。通过比较它们的准确率与推理速度,挑选出最适合奶牛体况评分的分类网络。(2)通过目标检测进行奶牛体况评分时,首先利用定位技术将奶牛的关键部位提取出来,然后利用分类技术对其进行分类。本文利用7种流行的目标检测网络训练数据集,权衡它们的速度与准确率,挑选出最适合进行奶牛体况评分的目标检测网络。(3)通过比较图像分类技术与目标检测技术,得到它们的优点与不足,挑选出最适合奶牛体况评分的网络,并利用它开发自动化奶牛体况评分系统。