| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 引言 | 第9-19页 |
| 1.1 研究目的和意义 | 第9-10页 |
| 1.2 研究进展 | 第10-19页 |
| 1.2.1 基于图像处理技术的植物识别 | 第10-12页 |
| 1.2.2 基于深度学习和SVM的植物叶片识别的关键技术 | 第12-19页 |
| 2 研究方法 | 第19-29页 |
| 2.1 技术路线 | 第19页 |
| 2.2 植物叶片识别系统的基本步骤 | 第19-26页 |
| 2.2.1 图像预处理 | 第20-21页 |
| 2.2.2 imagenet-vgg-verydeep-16网络模型 | 第21-26页 |
| 2.2.3 SVM分类器设计 | 第26页 |
| 2.3 植物叶片识别系统的功能与界面设计 | 第26-28页 |
| 2.3.1 植物叶片识别系统流程图 | 第26-27页 |
| 2.3.2 植物叶片识别系统界面功能图 | 第27-28页 |
| 2.4 数据处理 | 第28-29页 |
| 3 结果与分析 | 第29-55页 |
| 3.1 系统的开发环境 | 第29页 |
| 3.2 植物叶片识别系统的代码实现 | 第29-34页 |
| 3.3 系统界面的操作流程图 | 第34-37页 |
| 3.4 测试与结果 | 第37-55页 |
| 3.4.1 数据库 | 第37-39页 |
| 3.4.2 自然环境图像数据库测试结果 | 第39-45页 |
| 3.4.3 特定环境图像数据库测试与结果 | 第45-55页 |
| 4 讨论与结论 | 第55-58页 |
| 4.1 讨论 | 第55-56页 |
| 4.2 结论 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 作者简介 | 第65页 |