基于卷积神经网络的植物叶片识别研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 植物叶片识别的研究现状 | 第9-10页 |
| 1.2.2 卷积神经网络的研究现状 | 第10-11页 |
| 1.3 主要研究内容 | 第11-12页 |
| 1.4 论文结构 | 第12-15页 |
| 2 卷积神经网络 | 第15-22页 |
| 2.1 卷积神经网络概述 | 第15-18页 |
| 2.1.1 神经网络的基本理论 | 第15-16页 |
| 2.1.2 卷积神经网络的特性 | 第16-17页 |
| 2.1.3 卷积神经网络的优缺点 | 第17-18页 |
| 2.2 卷积神经网络的结构 | 第18-21页 |
| 2.2.1 各个网络层 | 第18-19页 |
| 2.2.2 网络层函数 | 第19-20页 |
| 2.2.3 整体网络架构 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 3 叶片图像库和识别模型 | 第22-36页 |
| 3.1 叶片图像库 | 第22-25页 |
| 3.1.1 叶片图像的获取 | 第22-23页 |
| 3.1.2 叶片图像的命名 | 第23页 |
| 3.1.3 叶片图像库的建立 | 第23-25页 |
| 3.2 叶片识别模型的架构 | 第25-30页 |
| 3.2.1 叶片识别模型的参数 | 第25-27页 |
| 3.2.2 叶片识别模型的结构 | 第27-30页 |
| 3.3 叶片识别模型的训练 | 第30-32页 |
| 3.4 叶片识别模型的验证与分析 | 第32-33页 |
| 3.5 与其他植物叶片识别方法的比较 | 第33-34页 |
| 3.6 本章小结 | 第34-36页 |
| 4 叶片识别系统 | 第36-47页 |
| 4.1 叶片识别系统结构 | 第36-37页 |
| 4.2 前端手机应用程序 | 第37-41页 |
| 4.2.1 软件的设计 | 第37-38页 |
| 4.2.2 软件的功能 | 第38-41页 |
| 4.3 后端叶片图像处理系统 | 第41-43页 |
| 4.3.1 叶片图像数据库 | 第41-42页 |
| 4.3.2 叶片图像处理系统 | 第42-43页 |
| 4.4 叶片识别系统验证与分析 | 第43-45页 |
| 4.4.1 验证结果与分析 | 第43-45页 |
| 4.4.2 识别系统的优缺点 | 第45页 |
| 4.5 本章小结 | 第45-47页 |
| 5 总结与展望 | 第47-49页 |
| 5.1 论文总结 | 第47页 |
| 5.2 研究展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53页 |
