研究水果生蔬的識別技術(shù)在農(nóng)業(yè)生產(chǎn)和生活領(lǐng)域具有重要意義,該技術(shù)的應(yīng)用不僅促進了水果生蔬產(chǎn)業(yè)的商品化,降低了人工成本,而且該項人工智能識別技術(shù)為其他人工智能的識別和檢測技術(shù)提供了理論和實踐的參考價值。水果生蔬識別技術(shù)屬于圖像識別技術(shù)。目前,圖像識別的主要方法包括傳統(tǒng)模式識別方法和深度學(xué)習(xí)模式識別方法。傳統(tǒng)的圖像識別方法存在識別準確度不是很高,同時需要人工將檢測目標的特征描述給機器,檢測模型抗干擾能力差及設(shè)備成本高等缺點,很難滿足人們的實際應(yīng)用需求。然而深度學(xué)習(xí)良好的解決了以上問題。本文將深度學(xué)習(xí)技術(shù)應(yīng)用到水果生蔬識別技術(shù),首先利用深度卷積神經(jīng)網(wǎng)絡(luò)方法在PC機上實現(xiàn)對水果生蔬的檢測任務(wù),然后在將此算法移植到嵌入式開發(fā)平臺Jetson TX2上實現(xiàn)水果生蔬圖像數(shù)據(jù)的采集、處理和檢測。本論文的水果生蔬識別系統(tǒng)有效地解決了因水果生蔬生長環(huán)境復(fù)雜,不同光照強度等影響因素使得檢測算法難以對水果生蔬識別和定位的問題,針對番茄檢測、桃子檢測以及教室人員檢測,提出多階段檢測網(wǎng)絡(luò)。綜合考慮檢測性能和速度,對比不同的標簽方式、不同的網(wǎng)絡(luò)輸入大小、不同網(wǎng)絡(luò)結(jié)構(gòu)及不同制作訓(xùn)練樣本IOU標準下的測試結(jié)果,優(yōu)選出多階...

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 水果生蔬識別的研究現(xiàn)狀
        1.2.2 深度學(xué)習(xí)的國內(nèi)外研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容、研究重點和創(chuàng)新點
        1.3.1 本文研究內(nèi)容
        1.3.2 本文研究重點
        1.3.3 本文創(chuàng)新點
    1.4 基本思路與研究方法
        1.4.1 基本思路
        1.4.2 研究方法
    1.5 本文章節(jié)安排
第2章 圖像識別的相關(guān)技術(shù)及軟硬件介紹
    2.1 圖像識別技術(shù)概述
        2.1.1 圖像分類
        2.1.2 目標檢測
        2.1.3 實例分割
    2.2 神經(jīng)網(wǎng)絡(luò)
        2.2.1 回歸問題
        2.2.2 人工神經(jīng)網(wǎng)絡(luò)
    2.3 軟硬件介紹
    2.4 本章小結(jié)
第3章 水果生蔬識別算法
    3.1 SKDeeplearning訓(xùn)練框架
    3.2 多任務(wù)級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)
第4章 水果生蔬識別系統(tǒng)
    4.1 番茄識別系統(tǒng)
        4.1.1 數(shù)據(jù)預(yù)處理
        4.1.2 檢測模型構(gòu)建
        4.1.3 檢測網(wǎng)絡(luò)訓(xùn)練
        4.1.4 試驗結(jié)果與分析
        4.1.5 本節(jié)小結(jié)
    4.2 桃子識別系統(tǒng)
        4.2.1 數(shù)據(jù)預(yù)處理
        4.2.2 檢測模型構(gòu)建
        4.2.3 檢測網(wǎng)絡(luò)的訓(xùn)練
        4.2.4 實驗結(jié)果與分析
        4.2.5 本節(jié)小結(jié)
第5章 全文拓展、總結(jié)和展望
    5.1 拓展
    5.2 全文總結(jié)
    5.3 展望
參考文獻
致謝



本文編號：3782510