基于Android的黄瓜病虫害检测系统
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 课题的研究背景及意义 | 第7页 |
| 1.2 国内外发展现状和趋势 | 第7-9页 |
| 1.3 主要研究内容 | 第9-10页 |
| 1.4 本文的主要工作和结构 | 第10-11页 |
| 第二章 系统设计与关建技术 | 第11-26页 |
| 2.1 图像的矩阵表示 | 第11页 |
| 2.2 图像处理关键技术 | 第11-16页 |
| 2.3 图像分割 | 第16-20页 |
| 2.4 系统设计 | 第20-26页 |
| 第三章 黄瓜病虫害图片预处理研究 | 第26-36页 |
| 3.1 病叶和健康叶片的标准设定 | 第26页 |
| 3.2 图像预处理方案说明 | 第26-27页 |
| 3.3 黄瓜图片采集及处理 | 第27-29页 |
| 3.4 算法实现预处理 | 第29-36页 |
| 第四章 深度神经网络方法分类研究 | 第36-53页 |
| 4.1 TF-SLIM分割再分类 | 第37-39页 |
| 4.2 卷积神经网络特征提取 | 第39-41页 |
| 4.3 病害程度分类 | 第41-47页 |
| 4.4 分类训练 | 第47-53页 |
| 第五章 软件设计与实现 | 第53-57页 |
| 5.1 软件设计 | 第53页 |
| 5.2 软件设计流程 | 第53-54页 |
| 5.3 可行性分析 | 第54-55页 |
| 5.4 需求分析 | 第55页 |
| 5.5 软件实现 | 第55-57页 |
| 第六章 实验结果与分析 | 第57-59页 |
| 6.1 图片预处理结果及分析 | 第57页 |
| 6.2 TF-SLIM处理结果及分析 | 第57页 |
| 6.3 CNN卷积分类结果及分析 | 第57-59页 |
| 第七章 总结与展望 | 第59-60页 |
| 7.1 研究内容总结 | 第59页 |
| 7.2 研究展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录 | 第64-66页 |
| 致谢 | 第66-67页 |
| 个人简介及攻读硕士学位期间论文发表情况 | 第67页 |
