基于图像分析的蔬菜食叶害虫识别技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究目的与意义 | 第10-11页 |
| ·计算机视觉技术在农业上的应用 | 第11页 |
| ·国内外害虫自动检测识别研究概况 | 第11-14页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12-14页 |
| ·国内外害虫检测技术的发展趋势 | 第14页 |
| ·本文主要工作 | 第14-15页 |
| ·本文创新点 | 第15页 |
| ·本章小结 | 第15-16页 |
| 第二章 虫害菜叶图像获取及预处理 | 第16-26页 |
| ·菜叶虫害识别的一般过程 | 第16页 |
| ·菜叶图像的获取 | 第16-18页 |
| ·菜叶图像获取条件 | 第16-17页 |
| ·虫害菜叶的处理 | 第17页 |
| ·菜叶图像的获取方法 | 第17页 |
| ·图像获取与存储 | 第17-18页 |
| ·虫害菜叶图像的预处理 | 第18-23页 |
| ·灰度化 | 第18-19页 |
| ·中值滤波 | 第19-20页 |
| ·图像分割 | 第20-23页 |
| ·图像的形态学处理 | 第23-24页 |
| ·膨胀 | 第23-24页 |
| ·腐蚀 | 第24页 |
| ·图像的标记 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 虫害菜叶特征的提取和特征优选 | 第26-29页 |
| ·图像特征值的提取 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 第四章 基于BP 神经网络的识别方法设计 | 第29-37页 |
| ·模式识别概述及识别方法的选取 | 第29-31页 |
| ·统计模式识别 | 第29页 |
| ·结构模式识别 | 第29-30页 |
| ·模糊识别方法 | 第30页 |
| ·智能模式识别 | 第30页 |
| ·识别方法的选取 | 第30-31页 |
| ·BP 网络模型算法分析 | 第31-32页 |
| ·BP 网络基本理论 | 第31页 |
| ·识别系统流程图 | 第31-32页 |
| ·BP 算法的程序实现 | 第32页 |
| ·BP 网络在虫害图像分类中的应用 | 第32-35页 |
| ·隐含层数的选取 | 第32页 |
| ·节点数的选取 | 第32页 |
| ·BP 网络应用于叶菜虫害分类 | 第32-33页 |
| ·BP 网络的创建 | 第33页 |
| ·识别网络的建立 | 第33-35页 |
| ·试验结果的分析 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第五章 系统实现 | 第37-39页 |
| ·系统实现界面 | 第37页 |
| ·系统功能模块 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第六章 结论与设想 | 第39-41页 |
| ·结论 | 第39页 |
| ·进一步研究设想 | 第39-41页 |
| 参考文献 | 第41-44页 |
| 致谢 | 第44-45页 |
| 作者简介 | 第45页 |
