基于深度学习的玉米叶部病虫害检测算法研究

• 花匠小妙招
• 2024-11-23 21:56

声明

摘要

英文摘要

目录

1．1研究背景和意义

1．2国内外研究现状

1．2．1图像目标检测研究现状

1．2．2图像分割技术研究现状

1．2．3植物病虫害识别的研究现状

1．3主要研究内容

1．4论文章节安排

2．1．1玉米锈病

2．1．2叶斑病

2．1．3草地贪夜蛾

2．2常见的目标检测算法

2．2．1R-CNN两阶段目标检测算法

2．2．2YOLOv1一阶段目标检测算法

2．3常见的图像语义分割算法

2．3．1FCN

2．3．2U-Net

2．4本章小结

第三章基于RS-U-Net的玉米叶部虫害分割算法

3．1研究背景

3．1．1数据采集

3．1．2数据扩充

3．1．3数据标注

3．2基于RS-U-Net网络的玉米叶部虫害分割算法

3．2．1网络整体结构

3．2．2改进的ResNet34模块

3．2．3SE通道注意力模块

3．2．4损失函数改进

3．3模型训练

3．3．1评价指标

3．3．2模型预训练

3．4实验与结果分析

3．4．1定量对比实验

3．4．2消融实验

3．4．3实验可视化分析

3．4．4模型实用性分析

4．4本章小结

第四章基于YOLOv5-MC的玉米叶部病害目标检测算法

4．1研究背景

4．2数据集制作

4．2．1数据采集

4．2．2确定类别

4．2．3数据集制作

4．3模型设计

4．3．1YOLOv5

4．3．2MobileNetV3

4．3．3CBAM混合注意力机制

4．3．4K-Means++聚类算法

4．4实验与结果分析

4．4．1评估指标

4．4．2CBAM混合注意力机制有效性验证

4．4．3K-Means++聚类算法有效性验证

4．4．4不同算法检测效果对比

4．4．5实验可视化分析

4．5本章小结

第五章基于Jetson Nano边缘设备的系统搭建

5．1系统功能设计

5．2嵌入式端开发

5．2．1硬件搭建

5．2．2Jetson Nano环境配置

5．2．3PyQt5开发工具

5．3界面功能实现

5．3．1模型选择模块

5．3．2图片导入模块

5．3．4摄像头模块

5．3．5运行模块

5．4功能测试

5．5本章小结

第六章总结与展望

6．1总结

6．2展望

参考文献

攻读硕士学位期间取得的学术成果

致谢

相关知识

基于深度学习的植物病虫害智能检测系统研究
深度学习在植物叶部病害检测与识别的研究进展
【农业科普】病害检测研究汇总：深度学习在植物病害目标检测
基于深度学习技术的农作物病虫害检测识别系统的研究
基于深度学习的玉米病虫害检测系统（网页版+YOLOv8/v7/v6/v5代码+训练数据集）
深度学习在植物病害目标检测的科研进展
基于深度学习特征的植物病虫害检测
毕业设计：基于深度学习的苹果叶病虫害识别系统 目标检测
基于深度学习的植物叶片识别算法研究
基于深度学习的农作物病虫害识别系统

网址: 基于深度学习的玉米叶部病虫害检测算法研究 https://m.huajiangbk.com/newsview681221.html