隨著現(xiàn)代數(shù)字技術(shù)的發(fā)展,中國作為一個農(nóng)業(yè)大國也要實現(xiàn)向數(shù)字化農(nóng)業(yè)的方向進(jìn)行轉(zhuǎn)變。比如在農(nóng)業(yè)種植過程中會需要及時準(zhǔn)確的分析農(nóng)作物病蟲情況,從而做出快速準(zhǔn)確的反應(yīng),采用有嚴(yán)格針對性且劑量精準(zhǔn)的農(nóng)藥進(jìn)行噴灑到受害部位,并保證農(nóng)作物的健康部分盡量不接受農(nóng)藥噴灑。確保農(nóng)藥的高效性,并對農(nóng)作物的整個生長過程進(jìn)行數(shù)字化檢測,實現(xiàn)高產(chǎn)高效,全面實現(xiàn)農(nóng)業(yè)種植和管理數(shù)字化。本文以大豆葉子作為農(nóng)業(yè)研究對象。由于大豆容易在種植中受到各類病蟲害的侵害,特別是灰霉病和細(xì)菌性斑霉病是最常見的容易造成大豆減產(chǎn)的原因。如何及時發(fā)現(xiàn)這兩種病蟲害并迅速做出精準(zhǔn)的措施是關(guān)鍵。首先,本文介紹了農(nóng)業(yè)信息化過程中相關(guān)的信息技術(shù)和算法,并進(jìn)行了國內(nèi)外發(fā)展?fàn)顩r的詳細(xì)分析。其次,隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)在圖像分類和識別領(lǐng)域有一定的優(yōu)勢。希望借助于卷積神經(jīng)網(wǎng)絡(luò)技術(shù),使其應(yīng)用于防治農(nóng)業(yè)病蟲害的應(yīng)用中。本文介紹了卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展,包括卷積神經(jīng)網(wǎng)絡(luò)的研究歷史、研究意義、工作原理和關(guān)鍵技術(shù)。再次,本文詳細(xì)介紹了農(nóng)作物健康區(qū)域與病蟲害區(qū)域分割識別時涉及到的基本算法,包括圖像預(yù)處理、圖像增強算法、特征向量提取方法（主成分分析法和獨立... 

【文章來源】：武漢輕工大學(xué)湖北省

【文章頁數(shù)】：51 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究的背景及意義
    1.2 國內(nèi)外研究的現(xiàn)狀及存在的問題
        1.2.1 快速檢測植物蟲害信息的研究現(xiàn)狀及問題
        1.2.2 快速檢測植物病害信息的研究現(xiàn)狀及問題
        1.2.3 信息技術(shù)在大豆病蟲害監(jiān)測領(lǐng)域存在的問題
    1.3 主要研究內(nèi)容及章節(jié)安排
第2章 卷積神經(jīng)網(wǎng)絡(luò)的基本介紹
    2.1 卷積神經(jīng)網(wǎng)絡(luò)的研究歷程
    2.2 卷積神經(jīng)網(wǎng)絡(luò)的研究意義
    2.3 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、工作原理及關(guān)鍵技術(shù)
        2.3.1 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        2.3.2 卷積神經(jīng)網(wǎng)絡(luò)的工作原理
        2.3.3 卷積神經(jīng)網(wǎng)絡(luò)的關(guān)鍵技術(shù)
        2.3.4 卷積神經(jīng)網(wǎng)絡(luò)存在的問題
第3章 農(nóng)作物分割的相關(guān)技術(shù)與算法
    3.1 圖像增強
        3.1.1 灰度變換
        3.1.2 直方圖均衡化法
        3.1.3 圖像平滑
        3.1.4 圖像邊緣提取算法
    3.2 特征向量提取方法
        3.2.1 主成分分析法
        3.2.2 獨立主成分分析法
    3.3 優(yōu)化算法
    3.4 特征波長提取方法
    3.5 支持向量機
第4章 深度卷積神經(jīng)網(wǎng)絡(luò)分割算法及應(yīng)用
    4.1 深度卷積神經(jīng)網(wǎng)絡(luò)分割算法
    4.2 深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        4.2.1 卷積層
        4.2.2 最大池化下采樣層
        4.2.3 全連接層
        4.2.4 Softmax分類層
    4.3 深度卷積神經(jīng)網(wǎng)絡(luò)算法
        4.3.1 Logistic回歸
        4.3.2 Softmax回歸
        4.3.3 Sigmoid轉(zhuǎn)移函數(shù)
        4.3.4 損失函數(shù)
        4.3.5 隨機梯度下降法
    4.4 提取訓(xùn)練數(shù)據(jù)
    4.5 算法實現(xiàn)
    4.6 實驗結(jié)果
    4.7 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計算機應(yīng)用. 2016(09)
[2]卷積神經(jīng)網(wǎng)絡(luò)分類模型在模式識別中的新進(jìn)展[J]. 胡正平,陳俊嶺,王蒙,趙淑歡.  燕山大學(xué)學(xué)報. 2015(04)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別算法設(shè)計與實現(xiàn)[J]. 王振,高茂庭.  現(xiàn)代計算機(專業(yè)版). 2015(20)
[4]基于梯度的多輸入卷積神經(jīng)網(wǎng)絡(luò)[J]. 費建超,芮挺,周遊,方虎生,朱會杰.  光電工程. 2015(03)
[5]經(jīng)典邊緣檢測算子及其抗噪性能研究[J]. 葛小鳳,陳亞軍.  數(shù)字技術(shù)與應(yīng)用. 2015(02)
[6]獨立組分分析的十種算法綜述及其在藥物分析中的應(yīng)用[J]. 宋清,陸峰.  藥學(xué)實踐雜志. 2013(01)
[7]基于改進(jìn)分水嶺的棉花圖像分割方法[J]. 任磊,賴惠成,陳欽政,王星.  計算機工程與應(yīng)用. 2012(34)
[8]基于補償模糊神經(jīng)網(wǎng)絡(luò)的臍橙不同病蟲害圖像識別[J]. 溫芝元,曹樂平.  農(nóng)業(yè)工程學(xué)報. 2012(11)
[9]基于多策略融合技術(shù)的水稻葉片邊緣檢測算法研究[J]. 何丹丹,徐梅.  東北農(nóng)業(yè)大學(xué)學(xué)報. 2012(05)
[10]利用高光譜紅邊與黃邊位置距離識別小麥條銹病[J]. 蔣金豹,陳云浩,黃文江.  光譜學(xué)與光譜分析. 2010(06)

碩士論文
[1]基于深度學(xué)習(xí)的手寫數(shù)字集特征提取算法[D]. 任沙.湖南師范大學(xué) 2016
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的視頻語義概念分析[D]. 詹智財.江蘇大學(xué) 2016
[3]改進(jìn)的微分算子與形態(tài)學(xué)融合的邊緣檢測算法[D]. 陳瑜.哈爾濱理工大學(xué) 2016
[4]改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)模型及其應(yīng)用研究[D]. 何鵬程.大連理工大學(xué) 2015
[5]基于小波變換與BM3D的多圖去噪方法研究[D]. 李超.華北電力大學(xué) 2015
[6]基于方向小波變換的圖像邊緣檢測算子研究[D]. 艾超.西安電子科技大學(xué) 2013
[7]紅外圖像的目標(biāo)檢測與識別方法研究[D]. 李靜靜.沈陽理工大學(xué) 2013
[8]基于梯度算子的圖像邊緣檢測算法研究[D]. 馬宇飛.西安電子科技大學(xué) 2012



本文編號：3192890