基于叶表图片的番茄病虫害自动检测
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-19页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 本文使用图库 | 第12-17页 |
| 1.4 本文的主要工作及内容安排 | 第17-18页 |
| 本章小结 | 第18-19页 |
| 第二章 卷积神经网络概述 | 第19-30页 |
| 2.1 引言 | 第19页 |
| 2.2 卷积神经网络概念 | 第19-22页 |
| 2.3 卷积神经网络结构原理 | 第22-27页 |
| 2.3.1 网络结构 | 第22-25页 |
| 2.3.2 反向传播算法 | 第25-27页 |
| 2.4 卷积神经网络的发展历史 | 第27-29页 |
| 本章小结 | 第29-30页 |
| 第三章 基于卷积神经网络的番茄叶表病虫害检测 | 第30-44页 |
| 3.1 引言 | 第30页 |
| 3.2 构建卷积神经网络 | 第30-33页 |
| 3.3 训练与测试过程 | 第33-34页 |
| 3.4 实验 | 第34-43页 |
| 3.4.1 实验设置 | 第34-35页 |
| 3.4.2 数据增强 | 第35-37页 |
| 3.4.3 实验结果分析 | 第37-43页 |
| 本章小结 | 第43-44页 |
| 第四章 基于迁移学习的番茄叶表病虫害检测 | 第44-59页 |
| 4.1 引言 | 第44页 |
| 4.2 VGG16结构模型 | 第44-45页 |
| 4.3 基于VGG16迁移学习算法 | 第45-48页 |
| 4.3.1 VGG16特征+SVM方法 | 第46页 |
| 4.3.2 Fine-tuning方法 | 第46-48页 |
| 4.4 实验结果分析 | 第48-57页 |
| 4.4.1 实验设置 | 第48-49页 |
| 4.4.2 多层特征提取 | 第49-54页 |
| 4.4.3 VGG16特征+SVM方法测试结果 | 第54-55页 |
| 4.4.4 Fine-tuning方法测试结果 | 第55-57页 |
| 4.4.5 三种方案实验结果对比 | 第57页 |
| 本章小结 | 第57-59页 |
| 第五章 基于安卓的番茄病虫害检测 | 第59-69页 |
| 5.1 引言 | 第59页 |
| 5.2 环境搭建 | 第59-60页 |
| 5.2.1 安装TensorFlow | 第59-60页 |
| 5.2.2 安装AndroidStudio | 第60页 |
| 5.3 安卓移植 | 第60-66页 |
| 5.3.1 PC端训练pb文件 | 第61-62页 |
| 5.3.2 Androidstudio创建项目 | 第62-64页 |
| 5.3.3 配置动态链接库 | 第64页 |
| 5.3.4 创建接口并调用 | 第64-66页 |
| 5.4 编译Apk | 第66-67页 |
| 5.5 测试结果 | 第67页 |
| 本章小结 | 第67-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69页 |
| 6.2 展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
