| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题来源与研究背景及意义 | 第9-11页 |
| 1.1.1 课题来源 | 第9页 |
| 1.1.2 课题研究的背景和意义 | 第9-11页 |
| 1.2 国内外在该方向的研究现状与分析 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.2.3 国内外研究现状的综合分析 | 第14页 |
| 1.3 本课题研究的主要内容 | 第14-15页 |
| 1.4 本文主要的章节安排 | 第15-18页 |
| 第2章 基于卷积神经网络病虫害检测方法的理论研究 | 第18-24页 |
| 2.1 引言 | 第18页 |
| 2.2 卷积神经网络概述 | 第18页 |
| 2.3 卷积神经网络的结构介绍 | 第18-22页 |
| 2.4 卷积神经网络的反向传播算法 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 基于卷积神经网络的农作物病虫害检测 | 第24-33页 |
| 3.1 引言 | 第24页 |
| 3.2 图片数据集介绍以及图片数据的预处理 | 第24-27页 |
| 3.3 特征提取加支持向量机的传统方法的实验结果 | 第27-28页 |
| 3.4 卷积神经网络结构介绍 | 第28-31页 |
| 3.5 基于卷积神经网络的训练实验结果 | 第31-32页 |
| 3.6 本章小结 | 第32-33页 |
| 第4章 对卷积神经网络检测方法的改进算法研究 | 第33-54页 |
| 4.1 引言 | 第33页 |
| 4.2 基于迁移学习思想对于检测方案的改进 | 第33-39页 |
| 4.2.1 迁移学习理论基础 | 第33-34页 |
| 4.2.2 基于迁移学习思想的卷积神经网络结构设计 | 第34-36页 |
| 4.2.3 基于迁移学习思想的实验结果 | 第36-39页 |
| 4.3 基于支持向量机对于检测方法的改进 | 第39-43页 |
| 4.3.1 支持向量机理论基础 | 第39-40页 |
| 4.3.2 支持向量机对于检测方法的改进研究结果 | 第40-43页 |
| 4.4 数据扩充对于检测方法的改进 | 第43-48页 |
| 4.4.1 数据扩充的理论基础 | 第43-44页 |
| 4.4.2 数据扩充后对于实验结果的改进 | 第44-48页 |
| 4.5 改进后的方法在实际数据集上的测试结果 | 第48-52页 |
| 4.5.1 实际数据集的介绍 | 第50页 |
| 4.5.2 基于卷积神经网络对于实际数据集的检测结果 | 第50-52页 |
| 4.6 本章小结 | 第52-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第60-62页 |
| 致谢 | 第62页 |