本文選題：圖像預(yù)處理 + 深度神經(jīng)網(wǎng)絡(luò)　； 參考：《寧夏大學(xué)》2017年碩士論文

【摘要】：為了更好地推進寧夏回族自治區(qū)“十三五”重點研發(fā)計劃重大項目的發(fā)展,實現(xiàn)作物產(chǎn)品的規(guī)�；�、工業(yè)化生產(chǎn),并進一步帶動農(nóng)民經(jīng)濟的發(fā)展,不斷加強和發(fā)展農(nóng)作物在中間環(huán)節(jié)的培養(yǎng)與管理就顯得尤為重要。本文致力于尋找快速、便捷、精確的檢測方法,基于深度神經(jīng)卷積網(wǎng)絡(luò),設(shè)計出一款病蟲害檢測系統(tǒng)產(chǎn)品,極大地便利了農(nóng)民的生產(chǎn)與生活,有效推動了經(jīng)濟發(fā)展。本文將卷積神經(jīng)網(wǎng)絡(luò)引入到農(nóng)作物病蟲害檢測領(lǐng)域,,設(shè)計出合理網(wǎng)絡(luò)節(jié)點數(shù)目與網(wǎng)絡(luò)層數(shù)將7264張黃瓜葉片分為四類:健康葉片、輕微病葉、嚴重病葉以及非常嚴重病葉。最終準確率高達95.06%,并開發(fā)了一款用于溫室黃瓜葉片病蟲害檢測的系統(tǒng)。主要工作如下:首先,統(tǒng)一選用比較暗淡的顏色作為樣本背景利用攝像機對黃瓜進行拍攝取樣,為更好的分離背景建立模型庫做好準備。其次,將采集好的照片進行預(yù)處理,預(yù)處理的目的在于將圖片處理成可以進行訓(xùn)練的圖片格式。預(yù)處理中主要對圖像進行平滑、銳化、幾何變換,并結(jié)合直方圖特性求解閾值,利用圖像分割技術(shù)進行背景分離提取出葉片基本信息與特征,方便人眼視覺識別。通過旋轉(zhuǎn)等方式增加圖片數(shù)量提高整體訓(xùn)練分類準確率。再次,利用卷積神經(jīng)網(wǎng)絡(luò)對樣本圖像進行分類訓(xùn)練。對單張圖片樣本分割和分類,并提取單張圖片中的樣本信息分割圖像中的變量并將其中概率最高的五大類標記、預(yù)測和顯示�？梢杂行袛鄨D片樣本信息。而后,對樣本數(shù)據(jù)進行分類訓(xùn)練,使用CNN卷積神經(jīng)網(wǎng)絡(luò),實現(xiàn)訓(xùn)練分類。使用一個小型的包含兩層卷積層和池化層的LeNet的網(wǎng)絡(luò)結(jié)構(gòu),對7264個樣本數(shù)據(jù)進行5000次分類訓(xùn)練。通過調(diào)整數(shù)據(jù)樣本容量,利用正則化避免過擬合,不斷提高訓(xùn)練分類準確率比值。準確率從開始的86.5%提高到95.1%。同時提取了卷積過程中的特征點情況,每張圖一共顯示96個特征圖,其中前32個特征圖表示第一層卷積特征,后64個特征表示第二層卷積特征。最后,在手機客戶端完成了相關(guān)APP界面設(shè)計。
[Abstract]:In order to better promote the development of the key research and development plan of the 13th Five - Year Plan of Ningxia Hui Autonomous Region , it is of great importance to realize the large - scale and industrialized production of crop products , and to further drive the development of farmers ' economy , and to improve the accuracy rate of training classification .
【學(xué)位授予單位】：寧夏大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：S436.421;TP316;TP391.41

【參考文獻】

相關(guān)期刊論文 前10條

1 張劍橋;葉東;孫兆偉;;SE(3)上姿軌耦合航天器高精度快速終端滑模控制[J];宇航學(xué)報;2017年02期

2 俞一云;何良華;;基于卷積神經(jīng)網(wǎng)絡(luò)的ADHD的判別分析[J];微型機與應(yīng)用;2017年04期

3 王萬國;田兵;劉越;劉O，

本文編號：2020827