基于深度学习的虫草智能化分拣系统研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 1 绪论 | 第12-16页 |
| 1.1 课题研究的背景与意义 | 第12-13页 |
| 1.2 国内外研究现状分析 | 第13-15页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 论文研究内容及章节安排 | 第15-16页 |
| 2 虫草识别分拣关键技术分析及方案构建 | 第16-24页 |
| 2.1 系统关键技术研究与分析 | 第16-21页 |
| 2.1.1 深度学习发展概况 | 第16-17页 |
| 2.1.2 深度学习应用研究 | 第17-18页 |
| 2.1.3 深度学习模型分析 | 第18-21页 |
| 2.2 系统基本功能分析及设计需求 | 第21-22页 |
| 2.2.1 基本功能分析 | 第21-22页 |
| 2.2.2 系统设计需求 | 第22页 |
| 2.3 系统整体方案构建 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 系统硬件选型与设计 | 第24-36页 |
| 3.1 系统硬件功能分析及总体结构设计 | 第24页 |
| 3.2 图像采集识别模块设计 | 第24-30页 |
| 3.2.1 图像采集平台设计 | 第25-28页 |
| 3.2.2 图像采集卡设计 | 第28-29页 |
| 3.2.3 红外检测模块设计 | 第29-30页 |
| 3.3 分拣控制模块设计 | 第30-35页 |
| 3.3.1 微处理器选型与最小系统设计 | 第30-32页 |
| 3.3.2 舵机模块设计 | 第32-34页 |
| 3.3.3 显示屏模块设计 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 系统软件设计 | 第36-55页 |
| 4.1 软件设计整体方案构建 | 第36页 |
| 4.2 图像采集模块软件设计 | 第36-41页 |
| 4.3 图像识别模块软件设计 | 第41-48页 |
| 4.3.1 软件平台搭建 | 第41-42页 |
| 4.3.2 图像识别软件流程设计 | 第42-46页 |
| 4.3.3 上位机软件平台设计与开发 | 第46-48页 |
| 4.4 分拣控制模块软件设计 | 第48-54页 |
| 4.4.1 串口通信模块软件设计 | 第49页 |
| 4.4.2 红外检测模块软件设计 | 第49-50页 |
| 4.4.3 舵机分拣模块软件设计 | 第50-53页 |
| 4.4.4 显示屏模块软件设计 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 5 图像预处理及深度学习算法研究 | 第55-79页 |
| 5.1 图像预处理分析 | 第55-64页 |
| 5.1.1 灰度化 | 第55-56页 |
| 5.1.2 图像滤波 | 第56-59页 |
| 5.1.3 图像增强 | 第59-61页 |
| 5.1.4 边缘检测 | 第61-64页 |
| 5.2 虫草识别算法改进 | 第64-75页 |
| 5.2.1 卷积神经网络分析 | 第64-70页 |
| 5.2.2 卷积神经网络模型构建与优化 | 第70-75页 |
| 5.3 改进算法结果分析 | 第75-78页 |
| 5.4 本章小结 | 第78-79页 |
| 6 总结与展望 | 第79-81页 |
| 6.1 工作总结 | 第79-80页 |
| 6.2 未来工作与展望 | 第80-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-87页 |
| 攻读硕士学位期间取得的成果 | 第87-88页 |
