基于深度学习的农作物病害识别方法
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题的背景及意义 | 第9-11页 |
| 1.1.1 课题背景 | 第9-10页 |
| 1.1.2 选题意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 研究内容 | 第13页 |
| 1.4 文章架构 | 第13-15页 |
| 第2章 深度学习理论知识和相关工作 | 第15-32页 |
| 2.1 深度学习理论 | 第15-16页 |
| 2.2 图像识别概述 | 第16-18页 |
| 2.2.1 图像分割 | 第16页 |
| 2.2.2 特征提取 | 第16-17页 |
| 2.2.3 图像分类识别 | 第17-18页 |
| 2.3 卷积神经网络概述 | 第18-23页 |
| 2.3.1 神经网络 | 第18-19页 |
| 2.3.2 前向传播算法 | 第19-20页 |
| 2.3.3 BP神经网络 | 第20-21页 |
| 2.3.4 卷积神经网络 | 第21-23页 |
| 2.4 Tensorflow框架 | 第23-25页 |
| 2.5 数据集制作 | 第25-31页 |
| 2.6 章节小结 | 第31-32页 |
| 第3章 基于ResNet网络的农作物病害识别 | 第32-40页 |
| 3.1 ResNet网络结构概述 | 第32-35页 |
| 3.2 ResNet网络训练 | 第35-37页 |
| 3.2.1 系统设计及实现 | 第35页 |
| 3.2.2 模型训练 | 第35-37页 |
| 3.3 实验结果及分析 | 第37-39页 |
| 3.4 章节小结 | 第39-40页 |
| 第4章 基于迁移学习的农作物病害识别 | 第40-51页 |
| 4.1 Inception_v3神经网络结构概述 | 第40-43页 |
| 4.1.1 Inception结构的发展进程 | 第40-41页 |
| 4.1.2 Inception_v3结构 | 第41-42页 |
| 4.1.3 迁移学习下的Inception_v3 | 第42-43页 |
| 4.2 网络训练 | 第43-46页 |
| 4.2.1 系统设计及实现 | 第43-44页 |
| 4.2.2 网络训练 | 第44-46页 |
| 4.3 实验结果及分析 | 第46-50页 |
| 4.4 章节小结 | 第50-51页 |
| 第5章 搭建测试服务器 | 第51-56页 |
| 5.1 使用Django的MTV模型搭建服务器 | 第51-54页 |
| 5.1.1 Django框架 | 第51页 |
| 5.1.2 MTV模型 | 第51-52页 |
| 5.1.3 服务器搭建 | 第52-54页 |
| 5.2 测试服务器 | 第54页 |
| 5.3 章节小结 | 第54-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 申请学位期间的研究成果及发表的学术论文 | 第64页 |
| 发表论文 | 第64页 |
