基于深度残差网络的农作物叶片病症识别研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 缩略语表 | 第7-10页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究的背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国内研究现状 | 第11-13页 |
| 1.2.2 国外研究现状 | 第13-14页 |
| 1.3 论文主要工作和论文结构 | 第14-16页 |
| 1.3.1 主要工作 | 第14页 |
| 1.3.2 论文结构 | 第14-16页 |
| 2 相关理论与技术 | 第16-26页 |
| 2.1 深度学习 | 第16-17页 |
| 2.2 卷积神经网络 | 第17-20页 |
| 2.2.1 卷积神经网络的发展历程 | 第17页 |
| 2.2.2 卷积神经网络的结构 | 第17-20页 |
| 2.3 残差神经网络 | 第20-24页 |
| 2.3.1 残差块 | 第20-21页 |
| 2.3.2 残差神经网络结构 | 第21-24页 |
| 2.4 数据增强 | 第24页 |
| 2.5 SVD | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 3 单种类农作物病害识别算法 | 第26-38页 |
| 3.1 引言 | 第26页 |
| 3.2 基于SVD的残差神经网络 | 第26-30页 |
| 3.2.1 数据处理 | 第26-28页 |
| 3.2.2 模型优化 | 第28-30页 |
| 3.3 实验 | 第30-37页 |
| 3.3.1 实验环境 | 第30-31页 |
| 3.3.2 实验数据 | 第31-32页 |
| 3.3.3 衡量标准 | 第32页 |
| 3.3.4 结果分析 | 第32-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 多种类农作物细粒度病害识别算法 | 第38-48页 |
| 4.1 引言 | 第38页 |
| 4.2 多维特征补偿残差神经网络 | 第38-41页 |
| 4.3 实验 | 第41-47页 |
| 4.3.1 实验准备 | 第41页 |
| 4.3.2 实验数据 | 第41-43页 |
| 4.3.3 衡量标准 | 第43页 |
| 4.3.4 结果分析 | 第43-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 总结与展望 | 第48-50页 |
| 5.1 全文总结 | 第48-49页 |
| 5.2 未来展望 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 在学研究成果 | 第55-56页 |
| 致谢 | 第56页 |
