| 符号说明 | 第4-7页 |
| 中文摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 1 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 农作物病害图像识别的国内外研究现状 | 第12-15页 |
| 1.2.1 农作物病害图像识别的国外研究现状 | 第12-13页 |
| 1.2.2 农作物病害识别的国内研究现状 | 第13-15页 |
| 1.3 深度学习研究现状 | 第15-16页 |
| 1.4 主要研究内容和论文结构 | 第16-18页 |
| 1.4.1 主要研究内容 | 第16页 |
| 1.4.2 论文结构 | 第16-18页 |
| 2 卷积神经网络 | 第18-30页 |
| 2.1 卷积神经网络发展 | 第18-19页 |
| 2.2 卷积神经网络特点 | 第19页 |
| 2.3 卷积神经网络拓扑结构 | 第19-28页 |
| 2.4 卷积神经网络的训练过程 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 基于细粒度差分放大卷积神经网络的小麦叶部病害图像识别 | 第30-43页 |
| 3.1 引言 | 第30页 |
| 3.2 细粒度差分放大卷积神经网络 | 第30-36页 |
| 3.2.1 卷积核矩阵 | 第31-34页 |
| 3.2.2 差分放大支路 | 第34-36页 |
| 3.3 数据获取与预处理 | 第36-38页 |
| 3.3.1 数据获取 | 第36-37页 |
| 3.3.2 数据预处理 | 第37-38页 |
| 3.4 实验设计与结果分析 | 第38-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 基于多道式卷积神经网络的小麦叶部病害图像识别 | 第43-58页 |
| 4.1 引言 | 第43页 |
| 4.2 多道式卷积神经网络 | 第43-51页 |
| 4.2.1 多道式卷积神经网络的结构 | 第43-47页 |
| 4.2.2 多道式卷积神经网络的训练过程 | 第47-51页 |
| 4.3 实验设计与结果分析 | 第51-57页 |
| 4.4 本章小结 | 第57-58页 |
| 5 基于CNN-LSVM模型的不平衡小麦叶部病害图像识别 | 第58-73页 |
| 5.1 引言 | 第58页 |
| 5.2 CNN-LSVM模型 | 第58-66页 |
| 5.2.1 小麦叶部病害图像的不平衡性 | 第58-59页 |
| 5.2.2 CNN-LSVM的结构设计 | 第59-66页 |
| 5.3 数据获取与预处理 | 第66-69页 |
| 5.3.1 数据获取 | 第66-67页 |
| 5.3.2 数据预处理 | 第67-69页 |
| 5.4 实验设计与结果分析 | 第69-72页 |
| 5.5 本章小结 | 第72-73页 |
| 6 总结与展望 | 第73-75页 |
| 6.1 本文总结 | 第73页 |
| 6.2 工作展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80-81页 |
| 攻读学位期间发表论文情况 | 第81页 |