基于卷积神经网络的烟草病害自动识别研究
| 中文摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 引言 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 图像识别概述 | 第10-13页 |
| 1.2.1 图像特征的提取 | 第11-12页 |
| 1.2.2 图像的识别方法 | 第12-13页 |
| 1.3 深度学习的发展和研究现状 | 第13-15页 |
| 1.3.1 深度学习的发展 | 第13-14页 |
| 1.3.2 深度学习在各领域的研究现状 | 第14-15页 |
| 1.4 卷积神经网络的发展 | 第15-17页 |
| 1.5 本文的主要工作和安排 | 第17-18页 |
| 1.6 技术路线 | 第18-19页 |
| 2 烟草病害的采集及预处理 | 第19-24页 |
| 2.1 烟草病害的概述 | 第19-20页 |
| 2.2 烟草病害图像的采集 | 第20-21页 |
| 2.3 烟草病害图像的预处理 | 第21-23页 |
| 2.3.1 灰度化处理 | 第21-22页 |
| 2.3.2 实验结果 | 第22-23页 |
| 2.4 数据归一化 | 第23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 卷积神经网络的结构及算法 | 第24-36页 |
| 3.1 人工神经网络概述 | 第24-27页 |
| 3.1.1 人工神经网络模型 | 第24-25页 |
| 3.1.2 BP神经网络 | 第25-26页 |
| 3.1.3 BP神经网络的缺点 | 第26-27页 |
| 3.2 卷积神经网络 | 第27-30页 |
| 3.3 卷积神经网络模型的反向传播算法 | 第30-33页 |
| 3.4 分类器 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 基于卷积神经网络的烟草病害识别 | 第36-46页 |
| 4.1 卷积神经网络模型的结构 | 第36-38页 |
| 4.2 卷积神经网络实现 | 第38-39页 |
| 4.3 卷积神经网络的一些相关问题 | 第39-40页 |
| 4.3.1 算法的学习速率 | 第39页 |
| 4.3.2 收敛条件 | 第39-40页 |
| 4.4 卷积神经网络模型识别实验 | 第40-42页 |
| 4.5 实验结果及分析 | 第42-45页 |
| 4.5.1 实验设置及结果 | 第42-43页 |
| 4.5.2 迭代次数对分类结果的影响 | 第43-44页 |
| 4.5.3 不同分辨率对分类结果的影响 | 第44-45页 |
| 4.6 本章小结 | 第45-46页 |
| 5 烟草病害识别应用设计 | 第46-50页 |
| 5.1 Web网页设计 | 第46-47页 |
| 5.2 诊断系统实现 | 第47-48页 |
| 5.3 系统的性能实现 | 第48-49页 |
| 5.4 本章小结 | 第49-50页 |
| 6 总结与展望 | 第50-52页 |
| 6.1 总结 | 第50页 |
| 6.2 展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 研究生期间发表的论文及专利情况 | 第56-57页 |
| 附录Ⅰ 测试过程部分程序代码 | 第57-60页 |
| 附录Ⅱ 训练过程部分程序代码 | 第60-61页 |
