【摘 要】
：
生猪产业是中国畜牧业中最重要的产业之一,人工智能技术的应用推动着生猪养殖业逐渐向智能化、规模化发展。在养殖场的日常管理中,传统人工计数或电子标签的生猪数量盘点方法效率低下、计数精度不高,且会对猪体造成一定程度的损伤。基于视频图像的智能检测与计数方法能够在无接触的情况下实时对猪场进行监控,自动盘点生猪数目,有利于提高计数效率,实现养殖场的安全高效管理。本文针对养殖场生猪盘点中计数效率低,计数不准确等
论文部分内容阅读
生猪产业是中国畜牧业中最重要的产业之一,人工智能技术的应用推动着生猪养殖业逐渐向智能化、规模化发展。在养殖场的日常管理中,传统人工计数或电子标签的生猪数量盘点方法效率低下、计数精度不高,且会对猪体造成一定程度的损伤。基于视频图像的智能检测与计数方法能够在无接触的情况下实时对猪场进行监控,自动盘点生猪数目,有利于提高计数效率,实现养殖场的安全高效管理。本文针对养殖场生猪盘点中计数效率低,计数不准确等问题,通过结合YOLOv5高精度目标检测器,使用改进的Deep SORT算法实现目标跟踪,并提出一种带移动方向判断的向量矢能计数方法,实现了动态生猪的实时高精度计数。本文的主要研究内容如下:（1）在生猪养殖场实地采集了大量生猪动态视频序列,筛选较有代表性的视频并用Label Img工具构建了一个包含2797张生猪图像的目标检测数据集;此外,在视频中挑选了6个生猪运动较集中的序列,通过Darklabel标注工具制作了一个包含160个生猪的目标跟踪数据集,为后面开展生猪目标检测与跟踪计数研究提供了基本数据支持,也对生猪智能养殖领域的研究提供了数据参考;（2）提出一种深度残差生猪特征提取模型,解决生猪目标跟踪过程中由于目标挤压遮挡导致的跟踪不连续的问题。首先通过YOLOv5算法对视频中的生猪实现高精度检测,通过Deep SORT算法对检测到的目标进行轨迹关联。跟踪过程中使用重训练的生猪特征提取模型,结合卡尔曼滤波预测的位置信息与特征提取的外观信息实现生猪的动态跟踪以及目标被遮挡再出现时的身份恢复;（3）提出一种带移动方向判断的向量矢能计数方法,对同一目标经过虚拟计数线时的移动方向进行判断,实现相应方向计数值统计以及总数的计算,解决了生猪在计数线附近来回移动造成的计数误差,通过实验验证了本文的跟踪计数方法平均准确率可达到98.36%,平均实时帧率可达每秒28.35帧;（4）针对本文所提出的智能生猪检测与计数系统,采用Py Qt5进行GUI界面设计,实现了离线模式和在线模式的实时高精度检测与计数功能,并添加调速功能与重计数功能,便于在目标密集时检查误检漏检情况以及提高计数结果的可靠性。
其他文献
卷积神经网络是深度学习算法中一个重要的研究分支,已经在智慧医疗和智能门禁等应用中取得巨大成功。随着各行各业智能化革新的推进和深化,在智能安防、自动驾驶等高速AIo T应用的终端设备上实现端侧智能计算成为大势所趋。如何在成本和功耗受限的物端设备上实现高速卷积神经网络推理成为亟待解决的难题。研究卷积神经网络轻量化算法和设计突破冯式架构的卷积神经网络专用加速器是实现低成本高速卷积神经网络端侧计算的关键方
疲劳驾驶作为诱发交通事故的主要因素之一,其造成的交通事故占总交通事故的20%左右,占特大交通事故的40%以上,危害性极大。基于面部特征的疲劳检测方法无需与驾驶员进行接触,具有成本低、受限小且精度高等优点。如何通过面部特征快速、准确地检测驾驶员的疲劳状态具有重要的研究意义和应用价值。目前,基于面部特征的疲劳检测方法未能融合图像的多尺度特征及多层次信息,在复杂多变的驾驶环境下难以满足实时性和准确性两方
当今无线通信系统为了获得更快的信息传输速率,其调制信号的带宽与峰均功率比均不断增加,通信频带的分布也越来越碎片化,这对无线通信系统中的核心部件之一功率放大器的性能的要求越来越高。如何高效的放大宽带高峰均功率比信号一直是众多学者关心问题。本文针对宽带、大回退范围效率提升两个应用场景,分别对双模三路Doherty功率放大器以及负载调制平衡式功率放大器进行了研究。本文的主要内容与创新点如下:1、提出了一
交通运输现在已经成为国家经济发展中最重要的行业之一。为缓解交通运输安全和拥堵日益增长的压力,需要对车联网通信的可靠性和时延提出更高的要求,在长期演进的车对路基础设施（Long Term Evolution-Vehicle to Infrastructure,LTE-V2I）通信中,接收端的信号处理通过信道估计和均衡技术来提高通信性能。但信号在V2I场景下传播会受到噪声和衰落的影响,导致接收端不能正
近年来无线通信技术快速发展,静止场景下的无线通信需求得到了很好的满足。但高速移动场景中信号传播会经历时频双选择性衰落,导致通信系统性能恶化。目前广泛采用正交频分复用技术在快时变信道中需要大量的导频符号提高信道估计准确性,数据传输速率较低。正交时频空（Orthogonal Time Frequency Space,OTFS）调制是新一代的调制技术,通过辛傅里叶变换和逆辛傅里叶变换两个变换对,将时频域
在海量机器通信（massive machine type communications,m MTC）中,大量设备需要通过带宽受限的无线信道接入网络。海量设备接入网络会造成频繁信道争用;同时传统基于调度来获取信道资源的通信方式会带来巨大的信令开销。以上挑战给海量接入系统的性能提升带来了极大的困难。传统基于调度来获取信道资源的通信方式将迎来重大改变。在此基础上,免授权的海量接入技术通过避免终端与基站之
新兴的压缩感知（compressed sensing,CS）技术突破了奈奎斯特-香农采样定理的局限性,为同时采样与压缩提供了新的模式。根据CS理论,如果信号在某个变换域中具有稀疏性,则可以利用线性测量值高概率地恢复信号。CS以其新颖的性质引起了人们广泛关注,已被应用于磁共振成像、遥感成像和认知无线电通信等领域。然而,传统的CS方法往往性能较差,基于深度学习的CS方法需要大型训练数据,并且当应用场景
随着通信技术的发展,数据传输速率的需求日益增长,无线通信系统中往往采用更加复杂的调制方式,因此信号通常具有较大的峰均比,这通常要求功率放大器（功放）工作在输出功率回退区域。许多具有高回退效率的功放架构被提了出来,其中负载调制类功放（包括Doherty功放和有源负载调制平衡式功放（LMBA）等架构）被研究人员大量关注。另一方面,由于发射机对带宽和输出功率的需求持续增长,其增益平坦度通常呈现“多峰值”
在雷达、通信和测控领域中,高速采集系统是连接射频系统与信号处理系统之间的桥梁。随着电子技术的快速发展,相控阵技术已经大规模应用于雷达、通信和测控中。随之而来的是带宽的提升和阵元数的增加,采集系统逐步向着高采样率和多通道的方向前行。本文首先研究了采集系统中量化噪声和孔径抖动对模数转换的影响。其次设计并测试了一款宽带数字阵列收发系统。本文主要研究内容如下:（1）建立了量化噪声的基本模型,重点分析了量化
随着人们用水需求的增加与基础设施建设的推进,供水体系规模日渐庞大。供水厂作为城市供水体系的核心部分,其合理高效的运作是满足城市用水的关键。但目前多数供水厂仍然依靠传统的人工经验进行调度,不能根据实际的流量需求确定泵机的合理运行工况,使水厂的工作效率较低,人力监管成本较大。因此,如何在满足用水需求的前提下优化泵机调度方法以减少人力开支和调度成本尤为重要。本文针对这一问题,通过分析供水厂历史供水趋势建