基于自动编码器的涉危农业投入品智慧监测系统
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 农业投入品监测概述 | 第10-13页 |
| 1.2.1 农业投入品使用现状 | 第10-11页 |
| 1.2.2 农业投入品监测的必要性 | 第11-12页 |
| 1.2.3 农业投入品监测的必然性 | 第12-13页 |
| 1.3 国内外农业投入品监测研究进展 | 第13-14页 |
| 1.4 研究内容 | 第14-15页 |
| 1.5 技术路线 | 第15-16页 |
| 1.6 论文组织结构 | 第16-17页 |
| 第二章 相关技术及理论 | 第17-21页 |
| 2.1 物联网 | 第17-18页 |
| 2.2 深度学习(DEEPLEARNING) | 第18-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 投入品特性分析及数据采集 | 第21-31页 |
| 3.1 农业投入品介绍 | 第21-22页 |
| 3.1.1 肥料 | 第21-22页 |
| 3.1.2 农药 | 第22页 |
| 3.2 农业投入品理化特性 | 第22-23页 |
| 3.3 传感器的选型 | 第23-26页 |
| 3.4 传感器数据校正 | 第26-29页 |
| 3.4.1 影响传感器测量的因素 | 第26-27页 |
| 3.4.2 基于最小二乘拟合的校正算法 | 第27-29页 |
| 3.5 数据采集 | 第29-30页 |
| 3.6 本章小结 | 第30-31页 |
| 第四章 基于自动编码器的特征提取方法 | 第31-39页 |
| 4.1 自动编码器模型 | 第31-33页 |
| 4.2 反向传播算法 | 第33-34页 |
| 4.3 稀疏约束 | 第34-36页 |
| 4.4 堆叠深度网络 | 第36-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第五章 投入品品种预测 | 第39-56页 |
| 5.1 SOFTMAX分类器 | 第40-42页 |
| 5.2 微调(FINE-TUNING) | 第42-44页 |
| 5.3 预测流程 | 第44-45页 |
| 5.4 实验结果与分析 | 第45-55页 |
| 5.4.1 实验环境 | 第45-46页 |
| 5.4.2 实验数据 | 第46-48页 |
| 5.4.3 模型结构与实验过程 | 第48-50页 |
| 5.4.4 实验结果 | 第50-55页 |
| 5.5 本章小结 | 第55-56页 |
| 第六章 监测平台的设计与实现 | 第56-70页 |
| 6.1 平台的开发模式 | 第56-57页 |
| 6.2 平台功能设计 | 第57-58页 |
| 6.3 平台数据库选择 | 第58页 |
| 6.4 平台数据库设计 | 第58-62页 |
| 6.5 监测平台功能模块实现 | 第62-69页 |
| 6.6 本章小结 | 第69-70页 |
| 第七章 总结与展望 | 第70-72页 |
| 7.1 总结 | 第70-71页 |
| 7.2 展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 攻读硕士学位期间取得的研究成果 | 第76-77页 |
