基于深度学习的智慧养猪生殖算法研究及实现任务书

题目名称	基于深度学习的智慧养猪生殖算法研究及实现
题目性质	□基础 £应用 5设计 √其它	题目来源	□科研课题 R生产社会实际 □其他
1、课题研究的主要内容及基本要求 本软件是使用深度学习做的针对猪脸的分析与辨别。基于深度学习的分类模型针对猪脸识别，猪只ID识别。将视频处理成图片数据然后对所有图片进行旋转、平移、调亮度、调色度...等等，丰富训练集，处理图片数据，将切割后的猪的图片进行旋转、平移、调亮度、调色度...等等，丰富训练集，将每只猪识别出来根据算法切割后的猪作为输入，进行识别。 (不限开发语言及开发框架)要求算法用深度学习模型采用的是双线性卷积神经网络（Bilinear-CNN），利用在图像特征提取上具有优良效果的VGG-16网络作为特征提取器，捕捉到图像的类别特征，并将不同层次的提取特征做外积融合以形成最终的个体身份特征，最后,利用全连接层对其进行分类，运用卷积神经网络对图像做识别，识别的准确率要求。
2、对毕业设计（论文）成果要求 1）必须独立完成毕业设计论文，不得抄袭（重复率不得超过30%）； 2）论文书写符合规范、文字通顺、图表清晰、数据完整、结论正确； 3）论文包括题名、目录、摘要（包括中、英文摘要，200-300字）、引言（前言）、正文、结论、参考文献组成；论文字数1.5-2万字。 4）论文要求打印2份，交叉评阅及答辩后，学生再根据答辩小组的意见修改论文，改好后，装订成册(1本就可)；同时提交论文电子版。 5）文献综述一份 6）提交所开发的系统，要求系统界面友好、功能较完善并数据处理准确。

本科毕业设计（论文）任务书

（由指导教师填写）

3、主要参考文献 成科扬,孙家傲,毛启容,詹永照.基于加权稀疏低秩组件编码的猪脸识别算法[J].江苏大学学报：自然科学版,2020,41(3):314-320. 秦兴,宋各方.基于双线性卷积神经网络的猪脸识别算法[J].杭州电子科技大学学报：自然科学版,2019,0(2):12-17. Harmandeep Singh Gill,Osamah Ibrahim Khalaf,Youseef Alotaibi,Saleh Alghamdi,Fawaz Alassery. Multi-Model CNN-RNN-LSTM Based Fruit Recognition and Classification[J]. Intelligent Automation & Soft Computing,2022,33(1). Khaled Marji Alresheedi,Suliman Aladhadh,Rehan Ullah Khan,Ali Mustafa Qamar,13. Dates Fruit Recognition: From Classical Fusion to Deep Learning[J]. COMPUTER SYSTEMS SCIENCE AND ENGINEERING,2022,40(1). 吴际,吴恋,廖成华,许云辉.面向防诈骗畜牧养殖保险的猪脸识别系统综述[J].电脑知识与技术：学术版,2020,16(17):175-176. 吴梦茹,谢秋菊,李欣,刘洪贵.基于深度学习的猪脸识别方法研究[J].智慧农业导刊,2021,1(9):1-8. 影子猪脸识别商业化全球首发[J].猪业科学,2018,35(4):18-18. “猪脸识别”降低死猪理赔成本[J].猪业科学,2018,35(1):20-20. 温长吉,张笑然,吴建双,杨策,李卓识,石磊,于合龙.基于多注意力机制级联LSTM模型的猪脸表情识别[J].农业工程学报,2021,37(12):181-190 孙华伟,张小飞.AI养猪现阶段的发展与展望[J].猪业科学,2019,36(4):50-51.
4、毕业设计（论文）工作进程计划
序号	设计（论文）工作进度	日期（起止周数）
1	开题报告	2022.11.20--2022.12.31
2	实施调研/实验阶段	2023.1.1—2023.03.15
3	完成初稿	2023.03.16—2023.04.15
4	修改定稿	2023.04.16—2023.05.10
5	答    辩	2023.05.11—2023.05.27