| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 选题的背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 农作物病害图像识别研究现状 | 第12-14页 |
| 1.2.2 迁移学习研究现状 | 第14-16页 |
| 1.2.3 迁移学习在农业图像识别中的应用研究 | 第16-17页 |
| 1.3 研究目标及内容 | 第17-18页 |
| 1.3.1 研究目标 | 第17页 |
| 1.3.2 研究内容 | 第17-18页 |
| 1.4 论文创新及结构 | 第18-21页 |
| 1.4.1 论文创新 | 第18页 |
| 1.4.2 论文结构 | 第18-21页 |
| 第二章 本文相关理论与技术 | 第21-37页 |
| 2.1 引言 | 第21页 |
| 2.2 图像分割和特征提取方法介绍 | 第21-24页 |
| 2.2.1 图像分割 | 第21-23页 |
| 2.2.2 特征提取 | 第23-24页 |
| 2.3 图像识别方法介绍 | 第24-31页 |
| 2.3.1 图像识别概述 | 第24页 |
| 2.3.2 支持向量机 | 第24-26页 |
| 2.3.3 人工神经网络 | 第26-28页 |
| 2.3.4 卷积神经网络 | 第28-30页 |
| 2.3.5 贝叶斯分类器 | 第30-31页 |
| 2.4 迁移学习基本理论 | 第31-34页 |
| 2.4.1 迁移学习概述 | 第31-33页 |
| 2.4.2 迁移学习研究内容 | 第33页 |
| 2.4.3 迁移学习类型 | 第33-34页 |
| 2.6 本章小结 | 第34-37页 |
| 第三章 基于实例迁移的农作物病害图像识别 | 第37-47页 |
| 3.1 引言 | 第37页 |
| 3.2 病害图像处理 | 第37-40页 |
| 3.2.1 图像获取 | 第37-38页 |
| 3.2.2 病斑分割 | 第38页 |
| 3.2.3 特征提取 | 第38-40页 |
| 3.3 训练集优化的改进TrAdaBoost算法 | 第40-42页 |
| 3.3.1 TrAdaBoost算法分析及改进思路 | 第40-41页 |
| 3.3.2 训练集优化及改进模型 | 第41-42页 |
| 3.4 实验结果与分析 | 第42-46页 |
| 3.4.1 实验准备 | 第43页 |
| 3.4.2 评价指标 | 第43页 |
| 3.4.3 结果分析 | 第43-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于参数迁移的农作物病害图像识别 | 第47-59页 |
| 4.1 引言 | 第47-48页 |
| 4.2 病害图像预处理 | 第48-49页 |
| 4.3 改进的CNN模型 | 第49-52页 |
| 4.3.1 CNN模型分析及改进思路 | 第49-51页 |
| 4.3.2 模型改进与优化 | 第51-52页 |
| 4.4 实验结果与分析 | 第52-57页 |
| 4.4.1 实验准备 | 第52-53页 |
| 4.4.2 评价指标 | 第53页 |
| 4.4.3 结果分析 | 第53-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 工作总结 | 第59-60页 |
| 5.2 研究展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-69页 |
| 在校期间发表的学术论文与取得的其他研究成果 | 第69页 |