| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究的背景及意义 | 第9-10页 |
| 1.2 国内外研究的现状及存在的问题 | 第10-14页 |
| 1.2.1 快速检测植物虫害信息的研究现状及问题 | 第11-12页 |
| 1.2.2 快速检测植物病害信息的研究现状及问题 | 第12-14页 |
| 1.2.3 信息技术在大豆病虫害监测领域存在的问题 | 第14页 |
| 1.3 主要研究内容及章节安排 | 第14-16页 |
| 第2章 卷积神经网络的基本介绍 | 第16-24页 |
| 2.1 卷积神经网络的研究历程 | 第16-17页 |
| 2.2 卷积神经网络的研究意义 | 第17-18页 |
| 2.3 卷积神经网络的结构、工作原理及关键技术 | 第18-24页 |
| 2.3.1 卷积神经网络的结构 | 第18-21页 |
| 2.3.2 卷积神经网络的工作原理 | 第21-22页 |
| 2.3.3 卷积神经网络的关键技术 | 第22页 |
| 2.3.4 卷积神经网络存在的问题 | 第22-24页 |
| 第3章 农作物分割的相关技术与算法 | 第24-36页 |
| 3.1 图像增强 | 第24-32页 |
| 3.1.1 灰度变换 | 第24-25页 |
| 3.1.2 直方图均衡化法 | 第25-26页 |
| 3.1.3 图像平滑 | 第26-29页 |
| 3.1.4 图像边缘提取算法 | 第29-32页 |
| 3.2 特征向量提取方法 | 第32-33页 |
| 3.2.1 主成分分析法 | 第32-33页 |
| 3.2.2 独立主成分分析法 | 第33页 |
| 3.3 优化算法 | 第33页 |
| 3.4 特征波长提取方法 | 第33-35页 |
| 3.5 支持向量机 | 第35-36页 |
| 第4章 深度卷积神经网络分割算法及应用 | 第36-45页 |
| 4.1 深度卷积神经网络分割算法 | 第36页 |
| 4.2 深度卷积神经网络结构 | 第36-38页 |
| 4.2.1 卷积层 | 第37页 |
| 4.2.2 最大池化下采样层 | 第37-38页 |
| 4.2.3 全连接层 | 第38页 |
| 4.2.4 Softmax分类层 | 第38页 |
| 4.3 深度卷积神经网络算法 | 第38-40页 |
| 4.3.1 Logistic回归 | 第38-39页 |
| 4.3.2 Softmax回归 | 第39页 |
| 4.3.3 Sigmoid转移函数 | 第39页 |
| 4.3.4 损失函数 | 第39-40页 |
| 4.3.5 随机梯度下降法 | 第40页 |
| 4.4 提取训练数据 | 第40-41页 |
| 4.5 算法实现 | 第41-43页 |
| 4.6 实验结果 | 第43-44页 |
| 4.7 本章小结 | 第44-45页 |
| 第5章 总结与展望 | 第45-47页 |
| 5.1 总结 | 第45-46页 |
| 5.2 展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51页 |