论文部分内容阅读
随着现代科学技术的发展和物联网技术的普及,涌现出越来越多的智能家居产品,宠物饲养的智能化也成为了可能。宠物猫的日常饲养,主要需要照顾的地方就是其日常“吃、喝、拉、撒”,对宠物猫排泄物、进食量和饮水量进行监测是识别和判断其健康状况的最佳方法,识别宠物猫排泄物的类型和排泄的次数可判断其排泄状况和规律,从而可以初步推断宠物目前的健康状态。因此,在宠物智能家居系统中,如何使宠物猫的健康状况诊断快捷、方便、准确、智能,有效的宠物猫排泄物图像的识别和分类是至关重要的。卷积神经网络这一深度学习技术可以不依赖图像特定特征进行图像识别,且可以得到较好的识别效果。本文将卷积神经网络技术应用于宠物猫排泄物图像的识别,并设计了一个基于安卓操作系统的宠物猫智能家居系统。本文研究的主要内容如下:1.综述了基于深度学习的图像分类技术研究现状,系统介绍了卷积神经网络的基本理论。2.针对缺乏公开且足够大的宠物猫排泄物图像数据集的问题,本文通过人工采集的方式收集数据,建立了CATFP宠物排泄物图像数据集,共包含宠物猫排泄物图像10000幅。3.受Inception和ResNet神经网络结构的启发,经多次实验后本文提出了一种新的卷积神经网络结构,即MRX卷积神经网络结构。MRX卷积神经网络是结合了Inception和ResNet网络的优点设计出的一个深度浅,网络训练参数少,识别率高的神经网络。通过与几种经典神经网络模型LeNet5、AlexNet、GoogLeNet、ResNet-50、Xception对比,MRX卷积神经网络对CATFP图像数据集的识别率高于以上几种神经网络结构。其在CATFP宠物排泄物图像数据集中的分类准确率达到了93.028%,AUC值达到0.979。4.设计并实现了一个基于安卓系统的宠物猫智能家居系统,鉴于宠物猫智能系统是基于多个硬件产品多角度综合监测宠物猫健康状况的,本文不对硬件部分做阐述,主要研究其软件部分,由硬件采集并传输的数据,在此系统中改为手动模拟输入。这部分的研究主要是宠物猫排泄物图像识别系统的具体实现,包括深度学习模型的转换,如何把模型嵌入到安卓应用软件中,图像的预处理,图像识别等。该系统结合宠物猫排泄物的分类结果和进水量、进食量等参数可以判定其健康状况。