| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.3 论文组织结构 | 第15-17页 |
| 第二章 成熟草莓图像采集与预处理 | 第17-27页 |
| 2.1 高架草莓图像采集 | 第17-19页 |
| 2.1.1 采集影响因素分析 | 第17-18页 |
| 2.1.2 草莓图像采集 | 第18-19页 |
| 2.2 图像预处理 | 第19-24页 |
| 2.2.1 噪声抑制 | 第19-22页 |
| 2.2.2 图像分割 | 第22-24页 |
| 2.3 样本制作 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 基于滑动窗口的草莓现场检测方法的研究 | 第27-37页 |
| 3.1 目标检测 | 第27-28页 |
| 3.2 基于HOG特征的草莓目标检测方法 | 第28-33页 |
| 3.2.1 SVM原理 | 第28-30页 |
| 3.2.2 基于HOG特征的草莓检测算法的设计 | 第30-33页 |
| 3.3 对比实验与结果分析 | 第33-36页 |
| 3.3.1 实验设置 | 第33-34页 |
| 3.3.2 结果分析 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 成熟草莓识别算法的研究 | 第37-47页 |
| 4.1 目标识别 | 第37-38页 |
| 4.2 基于SVM成熟草莓识别算法的研究 | 第38-40页 |
| 4.3 基于深度学习的成熟草莓识别方法的研究 | 第40-43页 |
| 4.3.1 CaffeNet | 第40-41页 |
| 4.3.2 成熟草莓的CaffeNet识别网络配置 | 第41-42页 |
| 4.3.3 CaffeNet训练 | 第42-43页 |
| 4.4 对比实验与结果分析 | 第43-46页 |
| 4.4.1 实验设置 | 第43-44页 |
| 4.4.2 结果分析 | 第44-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 采摘中的成熟草莓分级方法的研究 | 第47-65页 |
| 5.1 成熟草莓外观等级设定 | 第47-52页 |
| 5.1.1 成熟草莓分级指标设计 | 第47-49页 |
| 5.1.2 人工分级的验证 | 第49-52页 |
| 5.2 基于BP神经网络的草莓分级方法的研究 | 第52-56页 |
| 5.2.1 BP神经网络原理 | 第52-54页 |
| 5.2.2 草莓分级的BP神经网络设计 | 第54-56页 |
| 5.3 基于深度学习的草莓分级方法的研究 | 第56-59页 |
| 5.3.1 GoogleNet | 第56-57页 |
| 5.3.2 成熟草莓的CaffeNet和GoogleNet分级网络配置 | 第57-59页 |
| 5.4 对比实验与结果分析 | 第59-64页 |
| 5.4.1 实验设置 | 第59-60页 |
| 5.4.2 结果分析 | 第60-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士期间的研究成果 | 第73页 |