| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究的背景、目的与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.2.1 国外研究现状 | 第12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 研究内容与技术路线 | 第13-16页 |
| 1.3.1 研究内容 | 第13-15页 |
| 1.3.2 技术路线 | 第15-16页 |
| 1.4 章节安排 | 第16-17页 |
| 第二章 卷积神经网络基础 | 第17-26页 |
| 2.1 历史与发展 | 第17-18页 |
| 2.2 基本网络结构 | 第18-23页 |
| 2.3 高级网络结构 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 草莓叶片数据集 | 第26-31页 |
| 3.1 数据的采集 | 第26页 |
| 3.2 数据集的建立 | 第26-27页 |
| 3.3 数据增强技术 | 第27-29页 |
| 3.3.1 基础数据增强技术 | 第27-28页 |
| 3.3.2 高级数据增强技术 | 第28-29页 |
| 3.4 数据增强策略 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 基于迁移学习的病害识别模型研究 | 第31-46页 |
| 4.1 迁移学习 | 第31-33页 |
| 4.2 基于迁移学习的网络模型设计 | 第33-36页 |
| 4.2.1 特征提取器的选择 | 第33页 |
| 4.2.2 分类器的设计 | 第33-35页 |
| 4.2.3 DA网络模型结构 | 第35-36页 |
| 4.3 试验结果与分析 | 第36-45页 |
| 4.3.1 迁移学习试验结果分析 | 第36-38页 |
| 4.3.2 特征提取器比较分析 | 第38-41页 |
| 4.3.3 分类器比较分析 | 第41-44页 |
| 4.3.4 GAP与 GMP信息提取能力比较分析 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 基于GAIN的病斑定位研究 | 第46-53页 |
| 5.1 相关技术 | 第46-50页 |
| 5.1.1 全局平均池化 | 第46-47页 |
| 5.1.2 Class Activation Mapping | 第47页 |
| 5.1.3 Guided Attention Inference Network | 第47-50页 |
| 5.2 基于GAIN的病斑定位模型设计 | 第50-51页 |
| 5.3 试验结果与分析 | 第51-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第六章 基于REST架构的诊断系统设计与实现 | 第53-63页 |
| 6.1 相关技术 | 第53-56页 |
| 6.1.1 REST | 第53-55页 |
| 6.1.2 Flask | 第55页 |
| 6.1.3 Redis | 第55-56页 |
| 6.2 需求分析 | 第56-57页 |
| 6.3 系统设计与实现 | 第57-62页 |
| 6.3.1 体系结构设计 | 第57页 |
| 6.3.2 功能模块设计 | 第57-59页 |
| 6.3.3 数据库设计 | 第59页 |
| 6.3.4 开发环境与系统实现 | 第59-62页 |
| 6.4 本章小结 | 第62-63页 |
| 第七章 结论与展望 | 第63-65页 |
| 7.1 结论 | 第63-64页 |
| 7.2 展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 攻读学位论文期间发表文章 | 第69-70页 |