排序方式： 共有4条查询结果，搜索用时 15 毫秒
1
1.
【目的】传统的猪只体重测量通常需要将猪只单独拖入称重设备中,费时费力,并且容易造成猪只的应激反应,影响其生长发育。而融入机器视觉技术,可以实现非接触式的猪只体重测量,大大提高测量效率和准确性。【方法】课题组以基于机器视觉技术的猪只体重测量为研究对象,运用文献调查法,总结了猪只体重检测的重要性及现有的检测方法,综述了基于机器视觉的猪只体重检测的技术原理及学者们现有的研究成果。最后,展望了未来基于机器视觉技术的研究趋势及挑战。【结果与结论】目前,研究者们主要采用两种方法进行基于机器视觉的猪只体重检测：第一种方法是基于体尺测量的机器视觉技术,另一种方法是基于行为识别的机器视觉技术。两种方法各有利弊,未来还需要进一步优化,可以从提高机器视觉技术的准确性和稳定性、拓展机器视觉技术的应用范围、解决数据隐私和信息安全等问题方面入手,不断克服技术和应用方面的挑战。 相似文献
2.
肝片形吸虫病是牛羊的主要寄生虫病之一，是由肝片吸虫和大片吸虫寄生于牛羊的肝脏胆管所致。本病能引起急性或慢性肝炎和胆管炎，并伴发全身性中毒现象和营养障碍。幼畜常因此病导致大批死亡。慢性和隐性症状的患畜可因消瘦、发育不良及毛、乳产量显著降低而造成严重损失。1病原属片形属吸虫。有两个种：肝片吸虫，大片吸虫。肝片吸虫外观呈叶状，新鲜虫体呈棕红色，长20～40mm，宽10～13mm，前部突出呈锥形，口吸盘位于锥形前端；锥形后，虫体左右展开形成“肩”。腹吸盘位于腹面中线上的肩水平位置，虫体中部最宽，向后逐渐变窄，两根高度分支的肠管沿虫体两侧分布，与褐色的卯黄腺相重叠。睾丸高度分支， 相似文献
3.
【目的】为在养殖场实现非接触对病死、死因不明或染疫猪猪头进行目标检测。【方法】课题组提出了一种基于YOLOv3的病死猪猪头的识别方法,将采集的病死猪图片通过处理制成数据集,并按一定比例分成训练验证集与测试集,通过YOLOv3模型训练,得到预训练权重参数,用评价指标对模型检测效果进行评估,从而获得最优模型的训练测试比。【结果】在训练测试比为8∶2时,YOLOv3算法模型对病死猪猪头的识别平均精度值达91.74%,准确率达95.56%,召回率达89.58%,满足目标检测精度要求,且该模型的平均准确率、准确率、召回率均高于SSD和FasterR-CNN算法模型。【结论】YOLOv3算法模型有助于在对病死猪进行无害化处理时,为机械手提供抓取目标,实现处理设备的智能化、无人化发展。 相似文献
4.
【目的】实时监控猪舍内猪只状态以及在出栏前对猪只进行计数满足“动物福利化”养殖需求,而实现实时监控与计数的前提条件之一是对图像进行分割。【方法】图像分割方式有传统阈值分割以及引入深度学习概念的语义分割和实例分割。课题组介绍了语义分割的DeepLab V3+模型,作为语义分割中较晚出现的模型,DeepLab V3+模型在分割精度上相较于之前的模型有了巨大的提升,但分割速度仍较慢,无法满足实时监控的需求。基于此,课题组提出用Mobilenet V2主干网络替代原有Xception网络来改进模型,并引入了通道注意力机制以及空间注意力机制,然后分别利用原始模型和改进后的模型进行了试验。【结果】在精度上,改进后的V2模型稍弱于原始模型,加入注意力机制后的模型又优于V2模型0.48%而弱于原始模型2.97%,但在响应速度上,改进后的模型速度提升了38.77%。在分割效果上,三个模型的差异不大。【结论】相较于原始模型,改进后的模型精度略有下降,但是响应速度大幅提升,从而大大提高了模型分割的速度,满足了猪舍监控分割速度快的需求。 相似文献
1