| 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、目的与意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究目的与意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 昆虫图像预处理 | 第11-13页 |
| 1.2.2 基于模式识别的农业害虫识别研究 | 第13-14页 |
| 1.2.3 基于深度学习的农业害虫识别研究 | 第14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.3.1 基于差值图融合的农业灯诱害虫图像背景分割算法的研究 | 第14-15页 |
| 1.3.2 基于腐蚀膨胀的粘连昆虫分割算法的研究 | 第15页 |
| 1.3.3 基于深度学习的农业灯诱害虫识别与计数算法的研究 | 第15页 |
| 1.4 技术路线 | 第15-16页 |
| 1.5 论文安排 | 第16-18页 |
| 第二章 基于差值图融合的农业灯诱害虫图像背景分割算法的研究 | 第18-32页 |
| 2.1 边缘补光 | 第18-19页 |
| 2.2 背景分割 | 第19-24页 |
| 2.2.1 一维最大熵阈值分割算法 | 第20-21页 |
| 2.2.2 二维斜分最大熵阈值分割算法 | 第21-23页 |
| 2.2.3 两种阈值分割算法分割结果与分析 | 第23-24页 |
| 2.3 差值图 | 第24-28页 |
| 2.3.1 差值图计算方法的选取 | 第25-26页 |
| 2.3.2 差值图融合方式的选取 | 第26-28页 |
| 2.4 形态学滤波 | 第28-30页 |
| 2.5 水稻灯诱害虫图像背景分割模块处理流程 | 第30页 |
| 2.6 本章小结 | 第30-32页 |
| 第三章 基于腐蚀膨胀的粘连昆虫分割算法的研究 | 第32-39页 |
| 3.1 粘连判定标准的设计 | 第32-33页 |
| 3.2 粘连分割算法的设计 | 第33-38页 |
| 3.2.1 基于分割点定位的粘连分割算法的设计 | 第35页 |
| 3.2.2 基于极限腐蚀膨胀的粘连分割算法的设计 | 第35-36页 |
| 3.2.3 两种粘连分割算法分割结果与分析 | 第36-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第四章 基于深度学习的农业灯诱害虫识别与计数算法的研究 | 第39-56页 |
| 4.1 农业灯诱害虫图像数据集的构建 | 第39-43页 |
| 4.1.1 数据预处理 | 第39-40页 |
| 4.1.2 旋转样本并统一尺寸 | 第40-41页 |
| 4.1.3 数据增强 | 第41-43页 |
| 4.2 基准系统的构建和优化算法的研究 | 第43-48页 |
| 4.2.1 卷积神经网络的基本组成 | 第43-45页 |
| 4.2.2 权值初始化 | 第45-46页 |
| 4.2.3 正则化 | 第46-48页 |
| 4.3 深度学习分类模型的构建与训练 | 第48-50页 |
| 4.3.1 小型昆虫分类模型的构建与训练 | 第49-50页 |
| 4.3.2 大型昆虫分类模型的构建与训练 | 第50页 |
| 4.4 结果与分析 | 第50-55页 |
| 4.4.1 小型昆虫分类模型识别结果 | 第50-51页 |
| 4.4.2 大型昆虫分类模型识别结果 | 第51-52页 |
| 4.4.3 农业灯诱害虫图像识别结果图 | 第52-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间参与的科研项目和发表论文 | 第64页 |
