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

基于深度学习的农业害虫图像智能识别系统的研究与实现

摘要第4-6页
Abstract第6-7页
第一章 绪论第10-17页
    1.1 研究背景、目的与意义第10-11页
        1.1.1 研究背景第10-11页
        1.1.2 目的与意义第11页
    1.2 国内外研究现状第11-14页
        1.2.1 基于经典模式识别的农业害虫识别方法研究第11-12页
        1.2.2 基于深度学习的农业害虫识别方法研究第12-13页
        1.2.3 农业害虫智能识别应用现状第13-14页
    1.3 论文研究内容第14-15页
    1.4 技术路线第15-16页
    1.5 论文安排第16-17页
第二章 基于Andriod平台的农业害虫智能识别客户端的设计与实现第17-33页
    2.1 程序架构设计第17-20页
        2.1.1 MVC与MVP架构模式第17-19页
        2.1.2 程序项目结构分析第19-20页
    2.2 Android开源库第20-22页
        2.2.1 OkHttp网络通信框架第20-21页
        2.2.2 Glide图片加载框架第21-22页
    2.3 程序界面与功能开发第22-32页
        2.3.1 登录界面设计第22-24页
        2.3.2 主界面设计第24-25页
        2.3.3 农业害虫信息查询模块第25-27页
        2.3.4 农业害虫地图分布模块第27-29页
        2.3.5 农业害虫智能诊断模块第29-31页
        2.3.6 专家远程诊断模块第31-32页
    2.4 本章小结第32-33页
第三章 云服务平台的设计与实现第33-41页
    3.1 服务端开发设计第33-36页
        3.1.1 应用程序服务器搭建第33-34页
        3.1.2 二进制流解析与图片压缩第34-35页
        3.1.3 基于深度学习的农业害虫识别算法的调用第35-36页
        3.1.4 云服务器部署第36页
    3.2 数据库搭建第36-40页
        3.2.1 数据库的访问与优化第36-38页
        3.2.2 数据库表设计第38-40页
    3.3 本章小结第40-41页
第四章 基于深度学习的农业害虫图像识别算法的研究第41-46页
    4.1 Caffe深度学习框架的搭建第41-42页
    4.2 基于深度卷积神经网络的农业害虫识别模型的训练与测试第42-45页
        4.2.1 农业害虫识别模型的训练第42-43页
        4.2.2 农业害虫识别模型的测试第43-45页
    4.3 本章小结第45-46页
第五章 基于深度学习的农业害虫图像智能识别系统的测试与分析第46-51页
    5.1 测试环境第46页
    5.2 系统测试与分析第46-49页
        5.2.1 功能测试第46-48页
        5.2.2 性能测试第48页
        5.2.3 识别响应时间第48-49页
        5.2.4 系统依赖库测试第49页
    5.3 本章小结第49-51页
第六章 总结与展望第51-53页
    6.1 总结第51-52页
    6.2 展望第52-53页
参考文献第53-58页
致谢第58-59页
攻读硕士学位期间的科研成果第59页

论文共59页,点击 下载论文
上一篇:未来时间洞察力与预期后悔对当代女大学生职业决策过程的影响
下一篇:YIG-P(VDF-TrFE)多铁性复合薄膜的磁电耦合效应及光学特性研究