| 摘要 | 第2-3页 |
| Summary | 第3-4页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 论文的背景与意义 | 第7-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.3 本文研究的主要内容 | 第13-14页 |
| 第二章 传统目标检测方法 | 第14-21页 |
| 2.1 DPM算法与葡萄叶片检测的应用 | 第14-18页 |
| 2.1.1 DPM检测结构 | 第14-15页 |
| 2.1.2 HOG描述子 | 第15页 |
| 2.1.3 滤波器 | 第15页 |
| 2.1.4 可变部件模型 | 第15-17页 |
| 2.1.5 葡萄叶片检测的应用 | 第17-18页 |
| 2.2 EdgeBoxes算法与葡萄叶片检测的应用 | 第18-20页 |
| 2.2.1 EdgeBoxes算法 | 第18-19页 |
| 2.2.2 葡萄叶片候选区 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 卷积神经网络与目标检测 | 第21-33页 |
| 3.1 卷积神经网络概念 | 第21-23页 |
| 3.2 卷积神经网络模型 | 第23页 |
| 3.3 卷积神经网络的优点 | 第23-24页 |
| 3.4 R-CNN | 第24-26页 |
| 3.5 Fast-RCNN | 第26-27页 |
| 3.6 Faster-RCNN | 第27-32页 |
| 3.6.1 Faster-RCNN架构 | 第27-29页 |
| 3.6.2 RPN网络结构 | 第29-30页 |
| 3.6.3 损失函数的定义 | 第30-31页 |
| 3.6.4 Faster-RCNN案例 | 第31-32页 |
| 3.7 本章小结 | 第32-33页 |
| 第四章 葡萄叶片检测 | 第33-40页 |
| 4.1 叶片数据采集 | 第33-34页 |
| 4.2 叶片检测算法优化 | 第34-36页 |
| 4.3 叶片检测结果 | 第36-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第五章 叶片病害检测 | 第40-47页 |
| 5.1 试验样本采集 | 第40-41页 |
| 5.2 病害检测方法 | 第41-43页 |
| 5.3 病害检测结果 | 第43-46页 |
| 5.4 本章小结 | 第46-47页 |
| 第六章 病害检测图形界面设计 | 第47-52页 |
| 6.1 系统框架 | 第47页 |
| 6.2 图像采集 | 第47-48页 |
| 6.3 MatlabGUI模块 | 第48-50页 |
| 6.4 GUI系统的组成 | 第50-51页 |
| 6.5 本章小结 | 第51-52页 |
| 第七章 总结与展望 | 第52-55页 |
| 7.1 总结 | 第52-53页 |
| 7.2 展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 导师简介 | 第62-64页 |
| 作者简介 | 第64-65页 |