| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 果实目标识别研究现状 | 第11-13页 |
| 1.2.2 目标视觉跟踪研究现状 | 第13-15页 |
| 1.3 课题的研究内容 | 第15-16页 |
| 1.4 主要内容和研究成果 | 第16-18页 |
| 第二章 目标识别与目标跟踪基础理论 | 第18-27页 |
| 2.1 目标识别算法 | 第18-23页 |
| 2.1.1 基于经典算法的目标识别算法 | 第18-20页 |
| 2.1.2 基于深度学习的目标识别算法 | 第20-23页 |
| 2.2 目标跟踪算法 | 第23-26页 |
| 2.2.1 用循环矩阵表示图像块 | 第23-25页 |
| 2.2.2 岭回归模型 | 第25页 |
| 2.2.3 核相关矩阵计算核函数 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 自然环境下的柑橘目标识别系统分析与总体设计 | 第27-31页 |
| 3.1 目标识别系统需求分析 | 第27页 |
| 3.2 目标识别系统总体设计 | 第27-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第四章 基于深度卷积神经网络的柑橘目标识别系统设计 | 第31-41页 |
| 4.1 柑橘识别网络结构设计 | 第32-33页 |
| 4.2 柑橘识别网络训练方法 | 第33-35页 |
| 4.3 网络训练样本库构建 | 第35-36页 |
| 4.4 网络训练参数及识别结果分析 | 第36-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 尺度自适应的目标跟踪系统设计 | 第41-49页 |
| 5.1 尺度自适应KCF跟踪算法滤波器设计 | 第41-43页 |
| 5.2 目标位置和尺度预测 | 第43-45页 |
| 5.3 尺度自适应KCF柑橘目标跟踪实验结果与分析 | 第45-48页 |
| 5.4 本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-50页 |
| 6.1 本文工作总结 | 第49页 |
| 6.2 未来工作展望 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 在学期间研究成果 | 第55-56页 |
| 致谢 | 第56页 |
