| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第10-15页 |
| 1.1 研究背景和意义 | 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页 |
| 1.2.3 植物叶片识别在Android平台的发展 | 第12-13页 |
| 1.3 主要研究内容与论文组织形式 | 第13-14页 |
| 1.3.1 主要研究内容 | 第13-14页 |
| 1.3.2 论文组织形式 | 第14页 |
| 1.4 本章小结 | 第14-15页 |
| 第2章 植物叶片识别相关技术 | 第15-34页 |
| 2.1 引言 | 第15页 |
| 2.2 预处理 | 第15-23页 |
| 2.2.1 图像降噪 | 第15-17页 |
| 2.2.2 灰度化 | 第17页 |
| 2.2.3 图像分割 | 第17-23页 |
| 2.3 卷积神经网络技术 | 第23-33页 |
| 2.3.1 引言 | 第23-24页 |
| 2.3.2 神经网络思想 | 第24-27页 |
| 2.3.3 卷积神经网络 | 第27-30页 |
| 2.3.4 卷积神经网络的训练 | 第30-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 基于Android平台的植物叶片识别系统设计 | 第34-46页 |
| 3.1 开发平台环境配置 | 第34-39页 |
| 3.1.1 Android平台 | 第34-37页 |
| 3.1.2 OpenCV | 第37-38页 |
| 3.1.3 CNTK | 第38-39页 |
| 3.2 系统整体框架设计 | 第39-41页 |
| 3.3 Android客户端设计 | 第41-42页 |
| 3.4 云端服务器设计 | 第42-43页 |
| 3.5 网络通信 | 第43-45页 |
| 3.5.1 图像上传 | 第43-44页 |
| 3.5.2 长连接 | 第44-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 基于Android平台的植物叶片识别系统实现 | 第46-61页 |
| 4.1 引言 | 第46页 |
| 4.2 Android端系统实现 | 第46-55页 |
| 4.2.1 预处理 | 第46-47页 |
| 4.2.2 Grab Cut交互式前景提取算法的Android实现 | 第47-50页 |
| 4.2.3 基于颜色域的叶片前景提取算法实现 | 第50-51页 |
| 4.2.4 系统UI | 第51-55页 |
| 4.3 云端服务器实现 | 第55-57页 |
| 4.3.1 负载均衡节点搭建 | 第55-56页 |
| 4.3.2 服务端具体实现 | 第56-57页 |
| 4.4 网络结构和实验结果 | 第57-60页 |
| 4.4.1 网络结构 | 第57-59页 |
| 4.4.2 实验结果 | 第59-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第5章 工作总结与展望 | 第61-62页 |
| 5.1 工作总结 | 第61页 |
| 5.2 后续工作展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66页 |
