【摘 要】
：
表型数据是虾育苗优选过程中重要的观测指标,目前主要采用人工方法测定,测量过程不仅效率低,而且采集的表型数据有限。如何高效地获取虾的表型数据一直困扰着育种界。另外,虾类育种优选过程中需要分清楚每只虾的家系,目前只能采用人工方式来进行家系的分类,这严重限制了虾类的育种优选过程。近年来,深度学习算法以优异的性能和应对复杂场景的鲁棒性,在各个工业领域都发挥了巨大作用。因此,本论文以南美白对虾为研究对象,致
论文部分内容阅读
表型数据是虾育苗优选过程中重要的观测指标,目前主要采用人工方法测定,测量过程不仅效率低,而且采集的表型数据有限。如何高效地获取虾的表型数据一直困扰着育种界。另外,虾类育种优选过程中需要分清楚每只虾的家系,目前只能采用人工方式来进行家系的分类,这严重限制了虾类的育种优选过程。近年来,深度学习算法以优异的性能和应对复杂场景的鲁棒性,在各个工业领域都发挥了巨大作用。因此,本论文以南美白对虾为研究对象,致力于研究能够平衡计算消耗与模型准确度的虾体关键点检测以及个体标签识别算法,并以此为基础实现稳定易用的对虾数据智能采集系统。本论文的主要工作和创新成果如下:1.在现有的关键点检测网络模型的基础上,实现沙漏网络的优化和改进,提出了一种平衡模型精度和运行效率的轻量级虾体关键点检测网络。本论文分别对沙漏网络中的瓶颈模块和上采样模块的结构进行重新设计,最终得到的网络模型大小仅为12.76MB,计算量（GFLOPs）仅为原始网络的二十分之一,且模型的准确率只比原始的沙漏网络下降约3个百分点。2.基于虾体的结构和生长特性,设计了基于可视填充硅胶染料的虾尾标记方案,以轻量级关键点检测骨干网络为基础,添加颜色点分类模块,实现了准确、快速的虾类个体标签识别网络,个体识别精度达到了95%。3.采用客户端/服务器（Client/Server,C/S）模式设计并实现了对虾数据智能采集系统。基于虾类育种优选研究人员的应用需求,分别实现了对虾数据智能采集系统的用户登录、用户管理、设备管理、数据查询以及数据采集等功能。
其他文献
卷积神经网络（CNN）已经广泛应用于深度学习应用领域,尤其在耗电量较大的GPU上。而最近有研究表明,设计CNN硬件加速器是一种更高能效的解决方案。但随着深度学习研究的发展,先进的卷积神经网络参数数量不断增多、计算量不断增大,导致神经网络部署时会遇到计算功耗过高与内存大小受限的困难。为了降低计算量,一些研究提出了对CNN权重稀疏化的方法。在CNN训练时随机将网络中小于某一阈值的权重置为零或量化为更少
我国用水资源相对短缺,并且存在大量的城市供水管网漏损现象,这不仅给社会带来了经济损失,也严重影响了居民的正常生活。而对供水管网进行漏损预测,可提前感知漏损事件,有效控制漏失的水量,对我国水资源工作具有重大意义。本论文结合独立计量分区（District Metering Area,DMA）对供水管网的漏损检测进行研究,具体工作如下:（1）本论文对目前常用的城市供水管网漏损预测方法进行了总结。并通过实
随着无人驾驶技术的不断发展,基于完整地图信息的路径规划技术已经发展得较为成熟,但还不能完全满足实际的需求。在现实环境中,我们无法依赖先验地图获得完整的信息,仅能获得地图中的部分静态障碍物信息。当无人车处在存在动态障碍物（例如行人、其他车辆等）的动态环境中时,对很多实际任务,如跟随驾驶与动态避障的能力都提出了更高的要求。本文针对动态环境下无人车的跟随行驶和避障规划进行系统的研究,主要工作与创新如下:
近年来,卷积神经网络技术快速发展,其优异的性能已经在计算机视觉的多个领域得到广泛研究和验证,并取得卓越的效果。然而卷积神经网络也存在着参数量和计算量大、能耗大等缺点,限制了其在实际工业中的推广应用。因此模型的压缩和加速成为当下的一个重要研究方向。本文同时关注计算机视觉中的高级视觉任务和低级视觉任务。针对分类问题,我们提出两种结构化剪枝方法（ACO和ALI）对模型进行压缩。而对于低级视觉任务的超分辨
传统方法一般将通信物理层问题建模成特定的数学模型,使得通信过程具有一定的可解释性。但在有些复杂场景下,通信问题难以精确建模,或者建立的模型过于复杂,增加了算法复杂度,难以支撑低时延的约束。而近年来,基于数据驱动的深度学习技术在通信系统中的应用也逐渐成为当前的研究热点。深度学习技术具有强大的表征能力,可以从大量的训练数据中学习到数据分布间的复杂关系,且分布式和并行计算的架构保证了其高效的计算处理能力
运动捕捉技术是一种将被观察目标的运动姿态信息转化为具体的数字化信息,通过数字化信息还原姿态的技术。可应用于康复训练、智能机器人和虚拟现实等人机交互领域。本文采用基于微机电系统（MEMS,Micro-Electro-Mechanical System）的惯性传感器研究和设计了一套运动捕捉装置,本次设计的运动捕捉装置从结构上分为三部分:传感节点、数据汇聚节点以及计算机终端。整体的数据传输网络结构采用改
人们对通信传输速率和系统容量的需求持续增长,给有限的频谱资源带来了巨大压力。目前主流的解决方案有两种,一种是探索更多的频谱资源,另一种是提高频谱效率。全双工（Full-Duplex,FD）通信技术能够使通信设备在同一频段上同时进行通信,理论上能够实现频谱效率的倍增,在第五代移动通信（The fifth generation mobile communication technology,5G）和未
水声传感器网络（Underwater Acoustic Sensor Networks,UASNs）作为获取大规模海洋信息的重要手段,已广泛应用于海洋监测、资源勘探、灾难预防和战术监视等诸多领域。由于水声信道的长传播时延、高误码率、链路频繁中断等特点,UASNs在数据传输可靠性方面一直面临着重大挑战,传统的传输控制协议/网际协议（Transmission Control Protocol/Inte
集成电路工艺制程十分复杂,在整个制造过程中会出现很多系统性工艺故障,及时地定位和解决这些故障能够保证集成电路的良品率和产品质量。不同的系统性工艺故障会在晶圆图上形成不同的故障图案,因此,可以通过对晶圆图故障图案（Wafer Map Defect Pattern,WMDP）进行分类来定位工艺故障。这也一直是学术界和工业界关注的一个热点,这种方式也被称为晶圆图故障图案识别（Wafer Map defe
近年来,深度卷积神经网络（Convolutional Neural Network,CNN）在计算机视觉任务方面取得了显著的成功。然而,CNN通常会产生大量的计算和存储消耗,从而阻碍其在移动和嵌入式设备上的部署。为了解决这一问题,许多研究工作都集中在压缩CNN的规模上。模型压缩作为一种可以通过降低深度神经网络冗余度来减少网络模型的存储大小、加快其运行速度的新兴研究领域,被广泛应用于诸如物体识别、分