首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

水稻害虫图像远程实时采集系统的研制和自动识别技术的研究

摘要第6-7页
ABSTRACT第7-8页
第一章 绪论第9-17页
    1.1 研究背景、目的及意义第9-11页
        1.1.1 研究背景第9-10页
        1.1.2 研究目的及意义第10-11页
    1.2 国内外研究动态第11-13页
        1.2.1 虫害监测的现状第11-13页
        1.2.2 卷积神经网络的发展现状第13页
    1.3 本文的研究内容与技术路线第13-15页
        1.3.1 本文的研究内容第13-14页
        1.3.2 技术路线第14-15页
    1.4 本章小结第15-17页
第二章 图像采集系统的设计第17-37页
    2.1 图像采集系统总体设计第17-18页
    2.2 图像采集机械装置第18-20页
        2.2.1 机械装置整体设计第18-19页
        2.2.2 滚珠丝杠装置的设计第19页
        2.2.3 机械装置的参数验算第19-20页
    2.3 控制核心PLC第20-24页
        2.3.1 PLC的选型第20-21页
        2.3.2 PLC的定时启动第21-23页
        2.3.3 PLC控制的总体设计第23-24页
    2.4 拍摄装置第24-30页
        2.4.1 工业相机第24-28页
        2.4.2 镜头第28-29页
        2.4.3 环形光源和光源控制器第29-30页
    2.5 伺服驱动装置第30-33页
        2.5.1 伺服驱动器及伺服电机第30页
        2.5.2 伺服驱动器的接线第30-32页
        2.5.3 伺服驱动系统的控制第32-33页
    2.6 野外图像采集结果第33-36页
    2.7 本章小结第36-37页
第三章 远程实时传输系统第37-45页
    3.1 TCP/IP协议与Socket第37-38页
    3.2 传输系统总体设计第38-40页
    3.3 客户端和服务器的设计第40-43页
        3.3.1 客户端的设计第40-42页
        3.3.2 服务器的设计第42-43页
    3.4 本章小结第43-45页
第四章 基于卷积神经网络的昆虫图像分类第45-63页
    4.1 图像分类方法第45-46页
    4.2 反向传播算法第46-49页
    4.3 卷积神经网络第49-54页
        4.3.1 局部感知域和共享权重第49-50页
        4.3.2 卷积神经网络的前向传播运算第50-51页
        4.3.3 卷积神经网络的反向传播运算第51-52页
        4.3.4 回归模型SofMax第52-54页
    4.4 本文卷积神经网络结构的设计第54-56页
    4.5 图像分类及结果第56-61页
        4.5.1 提取目标样本第56-57页
        4.5.2 分类过程及结果第57-61页
    4.6 本章小结第61-63页
第五章 总结和展望第63-65页
    5.1 总结第63页
    5.2 展望第63-65页
参考文献第65-69页
致谢第69-71页
攻读学位期间发表的学术论文目录第71页

论文共71页,点击 下载论文
上一篇:密集型WLAN中协作MAC协议研究
下一篇:基于叶绿素荧光的作物信息快速获取与检测方法研究