目录
摘 要 I
ABSTRACT II
第一章 绪论 1
1.1 研究背景及意义 1
1.2 国内外研究现状 2
1.2.1 图像分割研究现状 2
1.2.2 基于机器视觉的猪只行为检测研究现状 3
1.3 本文研究的主要内容 4
第二章 猪只视频采集及预处理 6
2.1 猪只视频采集与处理 6
2.2 猪只图像的预处理 8
2.2.1 图像增强 8
2.2.2 图像滤波 9
第三章 基于占领指数的采食行为预判断 11
3.1 图像分割 11
3.2 基于占领指数的判断方法 12
第四章 基于YOLOV4算法的采食行为精准识别 14
4.1 猪只采食行为识别检测数据集制作 14
4.1.1 图片获取 14
4.1.2 数据清洗 14
4.1.3 数据标注 15
4.1.4 划分数据集 16
4.1.5 数据集格式化 16
4.2 深度卷积神经网络YOLOV4算法介绍 17
4.2.1 YOLOV4的网络架构 17
4.2.2 YOLOV4的损失函数 18
4.3 YOLOV4猪只采食行为识别模型的训练 19
4.3.1 模型训练参数 19
4.3.2模型训练后的结果 19
第五章 结论与展望 22
5.1 结论 22
5.2 展望 22
参考文献 23
致 谢 25
基于图像处理的猪采食行为自动识别系统研究
摘 要
随着目前生猪养殖业向着智能化不断地发展，智能视频监控技术也逐渐被运用到实际生产中。能够对猪舍中猪只的采食状况进行实时的监测不仅对于猪只的正常生长及提高其福利有重要意义，还能够减少饲养员的工作量并提高养殖场的经济效益。且近年来图像处理技术飞速发展，相对于运用传统的RFID技术对其进行识别时，存在对猪只需要佩戴耳标从而会对其造成 *51今日免费论文网|www.51jrft.com +Q: *351916072* 
不良影响的缺点，运用到机器视觉技术的方法，能够采取非接触式检测和识别猪只的采食行为，尽可能的减少了对猪只的影响。本文提出了基于图像处理和深度学习的猪只采食行为识别方法，通过MATLAB对图像进行处理将其二值化以实现从背景中将猪只轮廓提取出来,接着提出了基于占领指数的采食行为判断的方法，通过计算在采食区域中猪只所占领的面积来完成采食行为的判断,得出的准确率为92%；同时建立猪只采食行为的图像数据库，使用YOLOv4深度学习网络对其采食行为进行更为精准的检测。实验选取了训练集4218张，测试集301张，对猪只采食行为的平均检测精度（mAP）达到99.82%。比较了两种方法之间的准确度差异，得出使用深度学习模型能够在更复杂的条件下对采食行为进行更为精准的判定。
目录

原文链接：http://www.jxszl.com/dzxx/dzdq/609049.html