基于深度学习的核桃叶部病害图像识别研究

• 花匠小妙招
• 2024-12-26 21:50

摘要

英文摘要

目录

第1章绪论

1．1研究背景及意义

1．2国内外研究进展

1．2．1农作物叶部图像病害识别研究现状

1．2．2农作物叶部图像受害程度检测现状

1．3研究内容

1．4技术路线

1．5组织结构

第2章核桃叶部图像病害识别相关理论与技术简介

2．1卷积神经网络结构

2．1．1卷积层

2．1．2激活层

2．1．3池化层

2．1．4全连接层

2．2经典卷积神经网络

2．2．1AlexNet

2．2．2VGG

2．2．3ResNet

2．3迁移学习

2．4注意力机制

2．5评价指标

2．6本章小结

第3章基于CA-MobileNet-V2的核桃常见病害识别

3．1数据集构建

3．1．1数据采集

3．1．2数据预处理

3．2模型构建

3．2．1MobileNet-V2

3．2．2坐标注意力机制

3．3混合迁移学习

3．4实验与分析

3．4．1实验环境与超参数设置

3．4．2多种迁移学习方式的核桃病害识别分析

3．4．3多种模型的核桃病害识别分析

3．4．4多种注意力的核桃病害识别分析

3．5本章小结

第4章基于多尺度CA-MobileNet-V2的核桃受害程度检测

4．1数据集构建

4．2模型构建

4．2．1多尺度融合思想

4．2．2多尺度融合的CA-MobileNet-V2模型构建

4．3实验与分析

4．3．1超参数设置

4．3．2多种特征融合方案对比分析

4．3．3多尺度融合模型的消融实验对比分析

4．3．4多种模型的核桃受害程度检测对比分析

4．3．5多尺度融合模型在苹果受害程度检测中应用

4．4本章小结

第5章基于安卓系统的核桃病害识别程序

5．1需求分析

5．1．1功能性需求分析

5．1．2非功能性需求分析

5．2程序设计方案

5．2．1程序总体设计

5．2．2程序功能设计

5．3开发平台及环境配置

5．4程序实现

5．5程序测试

5．6本章小结

第6章总结与展望

6．1论文总结

6．2创新与特色

6．3未来展望

参考文献

致谢

声明

个人简历、在学期间发表的学术论文与研究成果

相关知识

基于卷积神经网络的小麦叶部病害图像识别研究
基于深度学习的农作物病害图像识别技术进展
基于深度迁移学习的农业病害图像识别
深度学习在农作物病害图像识别中的研究进展
基于深度学习的农作物病虫害图像识别技术研究进展
基于计算机视觉的花卉叶部病害识别方法研究
基于改进卷积神经网络的苹果叶部病害识别
基于CNN的农作物病虫害图像识别模型
基于深度学习的植物虫害检测
计算机视觉下的农作物病虫害图像识别研究.pdf

网址: 基于深度学习的核桃叶部病害图像识别研究 https://m.huajiangbk.com/newsview1312827.html