书目详细信息
： 基于机器学习的版纳微型猪行为识别方法研究
书目信息 机读格式(MARC)
| ISBN/价格： | CNY20.00 (估\呈缴)学位论文 |
|---|---|
| 作品语种： | chi |
| 出版国别： | CN 530000 |
| 题名责任者项： | 基于机器学习的版纳微型猪行为识别方法研究/.张鸿宇著/.张佳进指导 |
| 出版发行项： | 2023.5.23 |
| 载体形态项： | 53页:;+图表:;+30cm |
| 一般附注： | 机电工程学院, 学号2020210044 |
| 提要文摘： | 版纳微型猪作为一种有着重要生物医学与异种器官移植研究价值的纯种系近亲繁殖猪，其养殖模式及行为意义一直以来都受到科研人员的重点关注。但长久以来，版纳微型猪的生理状态监测与行为识别主要依靠人工巡检以及主观判断的传统模式。在版纳微型猪行为识别过程中，基于摄像设备的计算机视觉识别技术对于减轻研究人员工作量、提高工作效率以及减少误判、漏判而言是一种有效的解决方案。同时对于版纳微型猪站立行走、进食、爬栏探究以及躺卧四种基础行为的识别，也有助于养殖人员对版纳微型猪个体行为与群体行为差异情况的关注。为此，本研究提出一种RC-YOLO v4目标检测算法及行为识别系统，主要研究内容如下： （1）版纳微型猪行为数据样本均衡化。针对行为类别数据中训练样本分布不均衡可能导致模型训练中出现过拟合现象的问题，本研究提出一种NGD-DCGAN生成对抗网络的数据扩增方法，实现随机生成版纳微型猪爬栏探究行为图片并完成对数据集的补充，一方面使样本数量达到相对均衡，另一方面可以避免模型训练中的过拟合问题。 （2）提出一种基于YOLO v4改进的目标检测算法。分析基于机器学习的目标检测算法，通过结合残差网络ResNet、通道空间注意力机制与YOLO v4提出了一种ResC-HS-Net特征提取网络与完整的RC-YOLO v4目标检测算法，该方法在减少网络参量的同时也保证了模型对版纳微型猪行为动作的特征提取能力，提高了算法的识别效率。 （3）迁移学习的应用。对版纳微型猪图像进行了先验框的聚类优化，采用基于参数共享的迁移学习方法，调整网络模型的参数权重，一方面加快了模型训练过程中的收敛速度，另一方面减少了模型训练所需要的时间。 （4）版纳微型猪行为识别系统的开发。利用PyQt5工具开发了可视化识别系统，并结合本研究提出的RC-YOLO v4目标检测算法，设计了适用于版纳微型猪的行为识别系统。经检验，该系统可以实现版纳微型猪行为识别结果与行为信息的正确输出。 实验结果表明，通过与Faster-RCNN、SSD、YOLO v4算法相比，本文提出的RC-YOLO v4目标检测算法有效地平衡了检测精度及检测效率，在轻微遮挡条件下识别效果也较为理想。表明了本研究提出的目标检测算法具有较好的鲁棒性。在对比实验中mAP达到了93.97%，且召回率为96.27%、精确率为89.86%、F1评分为0.95都高于用于对比的其他算法，表明该目标检测算法具有一定的可行性。 |
| 并列题名： | Research on Behavior Recognition Method of Banna Mini Pig Based on Machine Learning |
| 题名主题： | 版纳微型猪 机器学习 目标检测 行为识别 学位论文 |
| 中图分类： | TP391.41-533 |
| 个人名称等同： | 张鸿宇 著 |
| 个人名称次要： | 张佳进 指导 |
| 团体名称等同： | 云南农业大学 授予 |
| 记录来源： | CN YNAUL 20240301 |