基于深度图像和BP神经网络的肉鸡体质量估测模型

针对现阶段肉鸡称重复杂、福利降低问题,提出了一种基于深度图像的肉鸡体质量估测模型建立方法。该方法首先对深度图像进行图像预处理,再利用数值积分法提取出目标特征,并结合BP神经网络,实现群体肉鸡的体质量估测。估测结果与实际测量结果进行对比,研究结果表明两者的均方根误差为0.048,平均相对误差为3.3%,绝对误差在0.001 0~0.068 2 kg范围内,最优拟合度为0.994 3,具有较好的推广应用价值。该方法较为准确的估测出肉鸡体质量,并为用机器视觉的方法估测肉鸡生长发育规律提供了新的思路。

基于机器视觉的猪体质量估测模型比较与优化

基于机器视觉的猪体质量估测模型较多,但模型缺乏在实用性、准确性的对比,最佳模型没有定论。该文总结了已有的估测算法,基于79组背部图像面积、实际面积、体长、体宽、体高、臀宽、臀高数据,使用线性回归、幂回归、二次回归、主成分线性回归、RBF(radial basis function,径向基函数)神经网络等方法,重建了13种体质量估测模型,并比较了13种模型的估测精度。结果表明,基于体长、体宽、体高、臀宽和臀高的线性回归模型具有较好的估测精度,估测值与真值的相关系数达到了0.996。利用主成分法去掉体尺的共线性,利用曲线回归解决残差不均匀问题,更加符合猪体质量增长趋势,结果表明基于主成分的幂回归模型具有较高的相关系数和较低的标准估计误差,对于97组数据的估测平均相对误差为2.02%。使用猪场实测24组数据验证模型,估测质量与测量值相关系数为0.97,估测平均相对误差为2.26%,标准差为1.78%,优于基于面积和面积体高结合的估测模型,平均绝对误差为2.08 kg,优于面积体高结合方法的平均绝对误差。试验证明使用多个体尺的主成分幂回归体质量估测模型较为精确,可用于机器视觉估测猪体质量的应用中。

基于深层卷积神经网络的肉兔图像分割与体质量估测

针对肉兔饲养管理过程中人工称量造成的应激、体质量信息采集困难等问题,提出了一种基于深层卷积神经网络的肉兔图像分割与体质量估测方法,实现了肉兔养殖管理中的无接触式称量。构建基于Mask RCNN的肉兔图像分割网络,以残差网络ResNet101作为主干网络,利用COCO数据集进行迁移学习以提高训练效率,获取围栏中不受限制的肉兔图像分割结果。提取每个样本掩膜的像素面积,通过引入弯曲度和体长两个特征参数来修正每个样本与对应体质量之间的权重关系。以投影面积、弯曲度、体长和日龄为输入参数,以肉兔体质量为输出参数,构建6神经元的体质量估测神经网络。分别测试肉兔图像分割网络和体质量估测神经网络,结果表明,肉兔图像分割网络在交并比(IoU)为0.5∶0.95时分类准确率为94.5%,对像素分割的精确度为95.1%。体质量估测神经网络的拟合相关系数R为0.99391,验证集均方误差为0.0336,预测体质量和实际体质量平均相差123 g。本文方法对不同日龄和不同姿态下肉兔的预测效果良好。

基于实例分割的白羽肉鸡体质量估测方法

针对白羽肉鸡体质量测量自动化水平低、易造成肉鸡应激的问题,提出一种结合深度学习的非接触式白羽肉鸡体质量估测方法。利用Mask R-CNN和YOLACT(You only look at coefficients)两种实例分割算法获取白羽肉鸡位置与覆盖掩膜,并进行效果对比;采用自适应掩膜随机提取白羽肉鸡身体部分边缘点,并作为观测点进行椭圆拟合,映射白羽肉鸡背部像素投影面积;通过双变量相关性分析验证白羽肉鸡背部投影面积与体质量间的显著相关性,根据白羽肉鸡背部投影面积与背部像素投影面积的线性比例关系,按照最小二乘原则建立白羽肉鸡背部像素投影面积与体质量间的线性回归模型。试验表明,单只鸡体质量估测中以Mask R-CNN进行特征提取的体质量估测平均准确率为97.23%,以YOLACT进行特征提取的体质量估测平均准确率为97.49%,群鸡场景中体质量估测最低准确率为90.50%。

用于体质量估测的黄羽鸡姿态关键帧识别与分析

体质量是评价家禽生长状况的关键指标,但家禽姿态的变化会影响体质量估测精度。本研究提出了一种SE-ResNet18+fLoss网络对平养模式下黄羽鸡姿态关键帧进行识别,融合了注意力机制SE模块和残差结构,并改进了损失函数,通过Focal Loss监督信号来解决样本不平衡问题,同时引入梯度加权类激活图对末端分类规则的合理性进行解释。利用4295幅鸡只图像构建数据集,测试集中鸡只的站立、低头、展翅、梳理羽毛、坐姿和遮挡6类姿态情况识别的F1值分别为94.34%、91.98%、76.92%、93.75%、100%和93.68%;黄羽鸡姿态关键帧的识别精确率为97.38%、召回率为97.22%、F1值为97.26%、识别速度为19.84 f/s,识别精度、召回率和F1值均优于ResNet18、MobileNet18 V2和SE-ResNet18网络,在提高黄羽鸡姿态关键帧识别精度的同时保证了实时性,为准确估测家禽体质量提供了技术支持。

番茄非接触式单果质量估测方法

针对目前非离株番茄果实的非接触式单果质量快速估测困难等问题,提出了一种基于局部点云和卷积神经网络的番茄单果质量估测方法。以浙粉702番茄为试验对象,首先通过深度相机采集50个番茄单果的336块原始点云,并增强至1 344块点云用于构建数据集。通过多种点云分割方法比较,选取三维连续卷积神经网络用于番茄单果分割。于分割后的数据提取点云沿x轴轴向尺寸d_(x)、沿y轴轴向尺寸d_(y)、沿z轴轴向尺寸d_(z)和沿z轴投影最小外接圆直径d共4个空间特征信息,并将其馈送到3层回归网络中,用于训练、确定优化器和学习率达到最优状况下的单果质量估测模型。最后,选取268块增强点云对构建的数学模型进行测试,并进行模型准确性和稳定性评估分析。结果表明,与番茄单果实际质量相比,平均偏差3.7~4.8 g,平均相对误差约3.04%,优于传统图像处理方法。该研究可为其他农畜产品的非接触式单果质量估测提供技术参考。

膀胱充盈后超声检查孕晚期产妇估测胎儿体质量的准确性研究

目的:研究膀胱充盈后超声检查对孕晚期产妇估测胎儿体质量(EFW)测量的准确性及应用价值。方法:选择正常头位单胎产妇108例,均于分娩前1周内于膀胱充盈及未充盈时行产前经腹二维超声检查,观察胎儿生长发育参数,并通过Hadlock公式测量EFW。结果:产妇膀胱充盈时胎儿双顶径及头围的标准切面获取率为(91/108),产妇膀胱未充盈时胎儿双顶径及头围的标准切面获取率为(68/108),2组差异有统计学意义(P<0.01)。胎儿头围和体质量在产妇膀胱充盈、膀胱未充盈及实际出生时差异有统计学意义(P<0.01);胎儿头围和体质量在产妇膀胱充盈时测量值与实际出生时差异无统计学意义(P>0.05),膀胱未充盈时测量值显著低于膀胱充盈时和实际出生时(P<0.01)。结论:孕晚期产妇膀胱充盈后行经腹二维超声检查可有效提高胎儿双顶径及头围的标准切面准确率,EFW更接近出生时实际质量,可以为临床医生判断胎儿体质量提供帮助。

基于超声血流参数评估晚发型胎儿宫内生长受限的研究

目的分析超声血流参数对晚发型胎儿宫内生长受限(FGR)的预测价值。方法选取2020年6月至2022年6月青海大学附属医院收治的82例晚发型FGR孕产妇作为研究对象。根据新生儿妊娠结局分为结局良好组(51例)与结局不良组(31例)。另选取同期在青海大学附属医院产检且胎儿生长正常的32例孕产妇作为对照组。比较3组基线资料及分娩前最后1次超声的大脑中动脉搏动指数(MCA-PI)、脐动脉搏动指数(UA-PI)、脑-胎盘血流比(CPR)、心血管整体评分(CVPS)、Hadlock胎儿体质量估测(EFW),绘制受试者工作特征(ROC)曲线评估上述超声血流参数对晚发型FGR孕产妇不良妊娠结局的预测价值。结果结局不良组新生儿出生体质量均低于结局良好组及对照组,且结局良好组低于对照组,差异均有统计学意义(P<0.05)。结局不良组分娩孕周短于对照组和结局良好组,差异均有统计学意义(P<0.05)。结局不良组MCA-PI、CPR、CVPS、EFW均低于结局良好组及对照组,且结局良好组低于对照组,差异均有统计学意义(P<0.05)。结局不良组UA-PI高于结局良好组及对照组,且结局良好组高于对照组,差异均有统计学意义(P<0.05)。ROC曲线分析结果显示,MCA-PI、UA-PI、CPR、CVPS、EFW单独预测晚发型FGR孕产妇不良妊娠结局的曲线下面积分别为0.667、0.792、0.762、0.820、0.917。结论超声血流参数MCA-PI、UA-PI、CPR、CVPS、EFW均对晚发型FGR孕产妇不良妊娠结局有一定预测价值,其中CVPS及EFW预测价值较高,可为临床治疗及判断分娩时机提供重要依据。

电阻点焊过程智能控制的研究

介绍了 2 0世纪 90年代以来人工神经网络技术、模糊逻辑控制、专家系统在电阻点焊过程控制中的应用 ,分析了这些研究成果的特点及其局限性 ;结合已有的研究成果 ,对有待解决的问题指出了解决途径 ,并展望了该方向的研究前景。为电阻点焊过程智能控制的进一步研究提供了参考依据。

Monitoring Media Velocity Variations with Coda Wave Interferometry

Multiply scattered waves are sensitive to media changes owing to the effect of repeated sampling,superposition and amplification. Based on this characteristic,small-medium changes could be detected by using coda wave interferometry. In recent years,coda wave interferometry has been widely used in estimating velocity variation with high precision in areas such as seismology and non-destructive testing. This paper systematically presents the principle and research status of coda wave interferometry,and especial focus is placed on the research of media velocity variations by using repeating earthquakes,artificial sources,and ambient noise. Applications of coda wave interferometry can contribute to the more subtle understanding of dynamic evolution process in the medium.