论文-基于红外热成像技术的猪体温检测与关键测温部位识别63页摘要 实现猪体温测量自动化有利于实时监测猪的健康状况、母猪发情和排卵检测等 生理健康状况。本文采用红外热成像仪采集猪的红外热图像，引入化学计量学建模 方法建立体表温度、环境温度与直肠温度间的多元校正模型，同时提出两种关键测 温部位的自动检测方法。主要结论总结如下： (1)建立了母猪体表温度、环境温度与母猪体温之间的一元和多元线性回归模型。研 究发现， 9个身体区域提取的体表温度与直肠温度呈正相关(产O．34～0．68)，其中， 基于耳根区域体表温度平均值建立的一元回归方程效果最优，预测集相关系数RP与 均方根误差RMSEP分别为0．66和0．420C。全特征模型相比一元线性回归方程有更 好的预测效果，RP和RMSEP分别为0．76和O．370C。此外，应用特征选择方法LARS． Lasso确定了7个重要特征建立简化模型，其校正集和预测集的R分别为0．80和 0．80，RMSEs分别为0．30和0．350C。 (2)将卷积神经网络应用于生猪主要测温部位(眼睛和耳朵区域)的直接分割。利用 python构建了四种不同结构的卷积神经网络模型FCN一1 6s、FCN．8s、U．Net一3和U． Net．4。对比分析4种卷积神经网络模型的性能，结果表明U-Net．4网络结构的分割 效果最优，平均区域重合度最高为78．75％。然而，当计算设备的计算力不够时，可 以选用U．Net一3模型以达到较好的分割效果。 (3)提出猪只眼睛及耳根区域关键点的识别方法，将猪只主要测温部位的检测问题 转变为主要测温部位的定位问题。设计具有不同深度的卷积神经网络架构A．E，得 出架构E最优。且当Dropout概率设置为0．6时模型效果最好，验证集平均误差和 预测集平均误差分别为1．96％和2．65％。测试集单张猪脸关键点的预测误差小于5％ 和10％的比例分别为89．5％和97．4％。模型能够很好的定位猪脸关键点，用于猪只 体温测量。 本文采用红外热像仪测量母猪体表温度，通过化学计量学建模为非接触母猪直 肠温度测量提供了更准确、可靠的方法，同时提出两种关键测温部位的自动检测方 法，有助于实现母猪体温测量自动化，为生猪健康管理提供参考。
标签： 红外热成像技术
上传时间： 2022-02-13
上传用户：jiabin
之前用到DB15封装尺寸，两排的封装居然找不到，要不找到的也是明显的有错误。最后找供应商要了一份，给大家共享一下。文档里面包含DB15两排针脚和三排针脚的两种封装尺寸数据，分为公头和母头，制作封装的时候注意区分。
标签： 封装
上传时间： 2022-06-29
上传用户：kingwide
NIPPON_插板式高压电解电容(RoHS)
上传时间： 2013-04-15
上传用户：eeworm
改善WEDM－HS 加工表面粗糙度值的工艺探讨
上传时间： 2013-04-15
上传用户：eeworm
直下式、侧入式LED背光模组结构分析
上传时间： 2013-07-31
上传用户：eeworm
180篇发烧功放制作学习资料 pdf
上传时间： 2013-04-15
上传用户：eeworm
游戏机实用技术.07年7B.总180.UCG
上传时间： 2013-07-12
上传用户：eeworm
GB-T4677.5-1984 印制板翘曲度测试方法
上传时间： 2013-06-12
上传用户：eeworm
GB6109.10-1990漆包圆绕组线 第10部分：180级聚酯亚胺 聚酰胺复合漆包铜圆线
上传时间： 2013-04-15
上传用户：eeworm
GB6109.9-1989漆包圆绕组线 第9部分：热粘合或溶剂粘合直焊性聚氨酯漆包圆铜线
上传时间： 2013-06-01
上传用户：eeworm
