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(jìn)寧夏回族自治區(qū)“十三五”重點(diǎn)研發(fā)計(jì)劃重大項(xiàng)目的發(fā)展,實(shí)現(xiàn)作物產(chǎn)品的規(guī)�；�、工業(yè)化生產(chǎn),并進(jìn)一步帶動(dòng)農(nóng)民經(jīng)濟(jì)的發(fā)展,不斷加強(qiáng)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(cè)方法,基于深度神經(jīng)卷積網(wǎng)絡(luò),設(shè)計(jì)出一款病蟲害檢測(cè)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(dòng)了經(jīng)濟(jì)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(cè)領(lǐng)域,,設(shè)計(jì)出合理網(wǎng)絡(luò)節(jié)點(diǎn)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(yán)重病葉以及非常嚴(yán)重病葉。最終準(zhǔn)確率高達(dá)95.06%,并開發(fā)了一款用于溫室黃瓜葉片病蟲害檢測(cè)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(jī)對(duì)黃瓜進(jìn)行拍攝取樣,為更好的分離背景建立模型庫做好準(zhǔn)備。其次,將采集好的照片進(jìn)行預(yù)處理,預(yù)處理的目的在于將圖片處理成可以進(jìn)行訓(xùn)練的圖片格式。預(yù)處理中主要對(duì)圖像進(jìn)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(jìn)行背景分離提取出葉片基本信息與特征,方便人眼視覺識(shí)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(zhǔn)確率。再次,利用卷積神經(jīng)網(wǎng)絡(luò)對(duì)樣本圖像進(jìn)行分類訓(xùn)練。對(duì)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(biāo)記、預(yù)測(cè)和顯示�？梢杂行袛鄨D片樣本信息。而后,對(duì)樣本數(shù)據(jù)進(jìn)行分類訓(xùn)練,使用CNN卷積神經(jīng)網(wǎng)絡(luò),實(shí)現(xiàn)訓(xùn)練分類。使用一個(gè)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(duì)7264個(gè)樣本數(shù)據(jù)進(jìn)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(zhǔn)確率比值。準(zhǔn)確率從開始的86.5%提高到95.1%。同時(shí)提取了卷積過程中的特征點(diǎn)情況,每張圖一共顯示96個(gè)特征圖,其中前32個(gè)特征圖表示第一層卷積特征,后64個(gè)特征表示第二層卷積特征。最后,在手機(jī)客戶端完成了相關(guān)APP界面設(shè)計(jì)。
[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(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：S436.421;TP316;TP391.41

【參考文獻(xiàn)】

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(bào);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(jī)與應(yīng)用;2017年04期

3 王萬國;田兵;劉越;劉O，

本文編號(hào)：2020827