番茄作為一種日常食用廣泛的蔬果,其在國內普遍栽培。而番茄的品質和產量是當前農民所重視的兩個重要因素。番茄在整個生長周期中,會發(fā)生多種病害,若發(fā)現不及時沒有得到防治,這就直接影響番茄的產量和質量以及帶來嚴重的經濟損失。所以,番茄的病害識別尤其重要。早先人們根據經驗,通過眼睛去判斷病害類別,這樣不僅浪費時間且容易產生誤判。而使用傳統的圖像識別方法,其泛化能力差。深度學習技術不斷發(fā)展,在處理圖像識別的任務中有較高的識別率。基于以上內容分析,本文選取了番茄易發(fā)生的5種病害和健康的番茄葉片共6類數據集作為研究對象,提出了基于卷積神經網絡對番茄病害識別的方法。主要做了以下研究:1.對比現有的分類網絡,分析各網絡結構在深度和寬度的變化過程中解決梯度消失、參數量、訓練速度等問題以及使用短連接、跨層連接的優(yōu)點。不同核尺寸在各網絡層中的作用,特別是1*1卷積核的使用可升降網絡層的維度,同時減少了參數量和計算量。2.提出了改進VGG16網絡,在網絡中用核為1*1卷積層跨層連接并去除部分卷積層,目的是盡量將前層網絡特征信息提供給后層學習,同時卷積層數維持16層。由于番茄葉片數據集少,為防止過擬合,在改進的網絡... 

【文章來源】：安徽大學安徽省 211工程院校

【文章頁數】：68 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 背景意義
    1.2 國內外研究現狀
    1.3 本文研究的主要內容
    1.4 本文章節(jié)安排
第二章 圖像識別相關基礎
    2.1 圖像分類方法
        2.1.1 機器學習
        2.1.2 深度學習
    2.2 深度學習基礎
        2.2.1 感知機
        2.2.2 前饋神經網絡
        2.2.3 卷積神經網絡
    2.3 本章小結
第三章 基于改進的卷積神經網絡的番茄病害識別研究
    3.1 目標圖像獲取及處理
    3.2 經典的分類網絡結構
        3.2.1 ResNet結構
        3.2.2 GoogLeNet結構
        3.2.3 DenseNet結構
        3.2.4 DPN結構
        3.2.5 網絡對比總結
    3.3 選擇網絡并改進
        3.3.1 網絡基本單元設置
        3.3.2 防止過擬合設置
        3.3.3 分類器選擇
        3.3.4 網絡總體結構
    3.4 番茄病害識別算法的實驗
        3.4.1 實驗平臺
        3.4.2 實驗框架
        3.4.3 實驗流程
        3.4.4 實驗及結果分析
    3.5 本章小結
第四章 基于特征提取組合網絡的番茄病害識別的研究
    4.1 特征算法選擇
        4.1.1 SIFT算法
        4.1.2 HOG算法
    4.2 降維算法選擇
        4.2.1 PCA降維
        4.2.2 自編碼器
    4.3 優(yōu)化網絡
        4.3.1 優(yōu)化SGD
        4.3.2 微調X-CNN
    4.4 實驗結構
    4.5 實驗及結果分析
    4.6 實驗對比
    4.7 本章小結
第五章 總結與展望
    5.1 總結
    5.2 展望
參考文獻
致謝



本文編號：3194350