基于Android平台的苹果叶部病害远程识别系统研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究目的与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-15页 |
| 1.3 主要存在问题 | 第15页 |
| 1.4 研究内容 | 第15-16页 |
| 1.5 研究方法与技术路线 | 第16页 |
| 1.5.1 研究方法 | 第16页 |
| 1.5.2 技术路线 | 第16页 |
| 1.6 论文组织结构 | 第16-18页 |
| 第二章 远程诊断系统架构及供试图像样本获取方法 | 第18-23页 |
| 2.1 需求分析 | 第18页 |
| 2.2 系统整体架构 | 第18-19页 |
| 2.3 客户端流程及关键技术 | 第19-20页 |
| 2.3.1 客户端流程 | 第19页 |
| 2.3.2 客户端关键技术 | 第19-20页 |
| 2.4 服务器端流程及关键技术 | 第20-22页 |
| 2.4.1 服务器流程 | 第21页 |
| 2.4.2 服务器关键技术 | 第21-22页 |
| 2.5 供试图像样本获取 | 第22页 |
| 2.6 本章小结 | 第22-23页 |
| 第三章 病害图像预处理与分割方法研究 | 第23-35页 |
| 3.1 病害图像预处理 | 第23-28页 |
| 3.1.1 病害图像特点分析 | 第23页 |
| 3.1.2 预处理方法分析 | 第23-25页 |
| 3.1.3 预处理试验结果及分析 | 第25-28页 |
| 3.2 病害分割 | 第28-34页 |
| 3.2.1 病斑分割方法分析 | 第28-30页 |
| 3.2.2 分割试验结果及分析 | 第30-34页 |
| 3.2.3 分割图像的后续处理 | 第34页 |
| 3.3 本章小结 | 第34-35页 |
| 第四章 病斑特征提取及识别方法研究 | 第35-55页 |
| 4.1 苹果叶部病斑分析 | 第35页 |
| 4.2 病斑特征提取 | 第35-47页 |
| 4.2.1 颜色特征提取方法分析 | 第35-37页 |
| 4.2.2 纹理特征提取方法分析 | 第37-40页 |
| 4.2.3 形状特征提取方法分析 | 第40-41页 |
| 4.2.4 特征优选试验及结果分析 | 第41-47页 |
| 4.3 病斑识别 | 第47-53页 |
| 4.3.1 病斑识别方法 | 第48-49页 |
| 4.3.2 识别试验及结果分析 | 第49-51页 |
| 4.3.3 深度信念网络识别模型 | 第51-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第五章 系统设计与实现 | 第55-64页 |
| 5.1 客户端设计与实现 | 第55-58页 |
| 5.1.1 获取图像 | 第55-56页 |
| 5.1.2 手机端数据库 | 第56-58页 |
| 5.2 服务器端设计与实现 | 第58页 |
| 5.3 服务器与客户端通信设计实现 | 第58-59页 |
| 5.4 系统功能与测试 | 第59-63页 |
| 5.4.1 系统功能 | 第59页 |
| 5.4.2 系统测试与评价 | 第59-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第六章 结论与展望 | 第64-66页 |
| 6.1 结论 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 作者简介 | 第71页 |
