基于卷积神经网络的玉米冠层图像分割与生育期鉴定方法
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 玉米图像分割研究现状 | 第9-10页 |
| 1.2.2 玉米生育期识别研究现状 | 第10-11页 |
| 1.3 论文结构安排 | 第11-13页 |
| 第二章 卷积神经网络 | 第13-22页 |
| 2.1 深度学习概述 | 第13-14页 |
| 2.2 卷积神经网络 | 第14-18页 |
| 2.2.1 卷积神经网络的结构 | 第14-15页 |
| 2.2.2 卷积 | 第15-16页 |
| 2.2.3 池化 | 第16-17页 |
| 2.2.4 权值共享和局部连接 | 第17-18页 |
| 2.3 卷积神经网络训练过程 | 第18-19页 |
| 2.3.1 前向传播阶段 | 第18页 |
| 2.3.2 代价函数 | 第18页 |
| 2.3.3 反向传播阶段 | 第18-19页 |
| 2.4 支持向量机 | 第19-20页 |
| 2.5 本章小结 | 第20-22页 |
| 第三章 实验数据获取 | 第22-29页 |
| 3.1 玉米冠层图像数据采集系统 | 第22页 |
| 3.2 玉米生育期冠层图像数据集 | 第22-23页 |
| 3.3 玉米冠层图像分割数据集 | 第23-27页 |
| 3.3.1 人工监督软件 | 第24-26页 |
| 3.3.2 人工分割结果 | 第26-27页 |
| 3.4 实验配置 | 第27-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第四章 基于编解码卷积神经网络的玉米冠层图像分割 | 第29-43页 |
| 4.1 基于编解码的卷积神经网络的图像分割方法 | 第29-31页 |
| 4.2 网络结构设计 | 第31-34页 |
| 4.2.1 激活函数 | 第31-32页 |
| 4.2.2 批标准化 | 第32-33页 |
| 4.2.3 上采样 | 第33-34页 |
| 4.3 优化网络参数 | 第34-37页 |
| 4.3.1 激活函数的优化 | 第34-35页 |
| 4.3.2 池化函数的优化 | 第35-36页 |
| 4.3.3 BN对模型的影响 | 第36-37页 |
| 4.3.4 模型训练结果 | 第37页 |
| 4.4 结果与分析 | 第37-41页 |
| 4.4.1 测试集玉米冠层覆盖度 | 第37-38页 |
| 4.4.2 评价标准 | 第38-39页 |
| 4.4.3 试验结果及分析 | 第39-41页 |
| 4.5 本章小结 | 第41-43页 |
| 第五章 基于卷积神经网络的玉米生育期鉴定 | 第43-55页 |
| 5.1 深度卷积神经网络 | 第43-45页 |
| 5.2 优化网络参数 | 第45-50页 |
| 5.2.1 特征可视化 | 第45-48页 |
| 5.2.2 Dropout优化 | 第48-50页 |
| 5.3 基于支持向量机玉米生育期鉴定 | 第50-54页 |
| 5.3.1 玉米生育期特征提取 | 第50-53页 |
| 5.3.2 基于支持向量机玉米生育期鉴定 | 第53-54页 |
| 5.4 结果与分析 | 第54页 |
| 5.5 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |
