基于Android平台的茄二十八星瓢虫检测系统的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题研究背景及意义 | 第9页 |
| 1.2. 害虫检测国内外研究现状 | 第9-11页 |
| 1.2.1 国内研究现状 | 第10页 |
| 1.2.2 国外研究现状 | 第10-11页 |
| 1.3 拟解决的问题 | 第11页 |
| 1.4 本论文主要工作内容和安排 | 第11-12页 |
| 1.4.1 本文主要工作内容 | 第11-12页 |
| 1.4.2 本文组织 | 第12页 |
| 1.5 本章小结 | 第12-13页 |
| 第二章 Android操作系统系统及图像检测 | 第13-19页 |
| 2.1 智能手机平台 | 第13-14页 |
| 2.2 Android系统平台架构 | 第14-15页 |
| 2.3 图像检测相关算法 | 第15-18页 |
| 2.3.1 图形检测检测相关算法 | 第16-17页 |
| 2.3.2 特征提取 | 第17-18页 |
| 2.4 图像检测的分类方法 | 第18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 AdaBoost茄二十八星瓢虫检测算法 | 第19-32页 |
| 3.1 特征与特征值计算 | 第19-23页 |
| 3.1.1 Haar-like矩形特征 | 第19-20页 |
| 3.1.2 积分图 | 第20-23页 |
| 3.2 AdaBoost分类器 | 第23-31页 |
| 3.2.1 PAC学习模型 | 第23-24页 |
| 3.2.2 弱学习与强学习 | 第24页 |
| 3.2.3 AdaBoost算法 | 第24-27页 |
| 3.2.4 训练和选取弱分类器 | 第27-28页 |
| 3.2.5 级联分类器 | 第28-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第四章 系统设计与实现 | 第32-49页 |
| 4.1 开发环境搭建 | 第32-36页 |
| 4.1.1 Opencv训练分类器 | 第32页 |
| 4.1.2 训练分类器 | 第32-36页 |
| 4.2 整体设计 | 第36-37页 |
| 4.3 系统实现 | 第37-44页 |
| 4.3.1 样本创建 | 第38-40页 |
| 4.3.2 茄二十八星瓢虫检测 | 第40-44页 |
| 4.4 实验环境和结果 | 第44-47页 |
| 4.4.1 实验环境 | 第44-45页 |
| 4.4.2 实验结果 | 第45-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第五章 结论与展望 | 第49-51页 |
| 5.1 结论 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55页 |
