基于卷积神经网络的平菇图像识别研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究的目的与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 蘑菇图像识别研究现状 | 第9页 |
| 1.2.2 卷积神经网络研究现状 | 第9-11页 |
| 1.3 研究内容与研究方法 | 第11-12页 |
| 1.3.1 研究内容 | 第11页 |
| 1.3.2 研究方法 | 第11-12页 |
| 第二章 图像数据集的构建及图像的预处理 | 第12-25页 |
| 2.1 平菇图像的采集 | 第12-13页 |
| 2.2 平菇图像数据集的构建 | 第13页 |
| 2.3 平菇图像的预处理 | 第13-24页 |
| 2.3.1 灰度化 | 第13-15页 |
| 2.3.2 图像滤波 | 第15-16页 |
| 2.3.3 背景分割 | 第16-21页 |
| 2.3.4 形态学处理 | 第21-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于卷积神经网络的平菇识别 | 第25-35页 |
| 3.1 卷积神经网络 | 第25-28页 |
| 3.1.1 卷积神经网络结构 | 第25-27页 |
| 3.1.2 局部连接和权值共享 | 第27-28页 |
| 3.2 卷积神经网络图像识别模型 | 第28-32页 |
| 3.2.1 LeNet-5网络模型结构 | 第28-30页 |
| 3.2.2 改进的LeNet-5网络模型 | 第30-32页 |
| 3.3 平菇图像的识别 | 第32-34页 |
| 3.3.1 MATLAB平台上的模型搭建 | 第32-33页 |
| 3.3.2 平菇识别验证 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 两种模型识别效果的对比与分析 | 第35-42页 |
| 4.1 BP神经网络 | 第35-37页 |
| 4.2 BP神经网络平菇识别 | 第37-40页 |
| 4.2.1 边缘检测 | 第37-38页 |
| 4.2.2 平菇图像特征提取 | 第38-40页 |
| 4.2.3 基于BP神经网络的平菇识别 | 第40页 |
| 4.3 识别效果的对比 | 第40页 |
| 4.4 本章小结 | 第40-42页 |
| 第五章 结论与展望 | 第42-44页 |
| 5.1 结论 | 第42页 |
| 5.2 展望 | 第42-44页 |
| 参考文献 | 第44-47页 |
| 作者简介 | 第47-48页 |
| 致谢 | 第48页 |
