声明
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究概况
1.2.1 基于电子设备的奶牛识别方法
1.2.2 基于计算机视觉的奶牛识别方法
1.2.3 存在问题
1.3 研究内容
1.4.1 研究方法
1.4.2 技术路线
1.5 论文组织结构
第二章 奶牛视频采集系统与供试图像获取
2.1 奶牛日常挤奶情况
2.2 奶牛视频采集与传输系统
2.2.1 奶牛背部视频采集平台
2.2.2 奶牛视频处理平台
2.2.3 视频样本获取
2.3 视频图像预处理
2.3.1 图像去噪处理
2.3.2 图像增强处理
2.4 摄像机标定
2.5 供试数据
2.5.1 奶牛数据集选取
2.5.2 奶牛数据集扩充
2.5.3 奶牛数据集标注
2.6 本章小结
第三章 基于深度学习的奶牛个体识别模型与方法
3.1 基于YOLO v3 的奶牛个体识别模型与方法
3.1.1 YOLO v3 网络结构
3.1.2 YOLO v3 网络原理
3.1.3 损失函数
3.1.4 YOLO v3 模型的改进
3.1.5 基于改进YOLO v3的奶牛个体识别模型训练
3.1.6 获取最优模型
3.2 基于Faster R-CNN的奶牛个体识别模型与方法
3.2.1 Faster R-CNN网络原理
3.2.2 Faster R-CNN网络结构
3.2.3 Faster R-CNN损失函数
3.2.4 基于Faster R-CNN的奶牛个体识别模型的训练
3.3 本章小结
第四章 奶牛个体识别试验与结果分析
4.1.1 奶牛个体识别试验
4.1.2 实际识别结果及分析
4.1.3 不同体斑颜色的对比试验
4.1.4 不同光照条件的对比试验
4.1.5 误识别分析
4.2 与其他模型/算法的比较分析
4.3 本章小结
第五章 结论与展望
5.1 结论
5.2 创新点
5.3 展望
参考文献
致谢
作者简介
西北农林科技大学;