隨著現(xiàn)代數(shù)字技術(shù)的發(fā)展,中國(guó)作為一個(gè)農(nóng)業(yè)大國(guó)也要實(shí)現(xiàn)向數(shù)字化農(nóng)業(yè)的方向進(jìn)行轉(zhuǎn)變。比如在農(nóng)業(yè)種植過(guò)程中會(huì)需要及時(shí)準(zhǔn)確的分析農(nóng)作物病蟲情況,從而做出快速準(zhǔn)確的反應(yīng),采用有嚴(yán)格針對(duì)性且劑量精準(zhǔn)的農(nóng)藥進(jìn)行噴灑到受害部位,并保證農(nóng)作物的健康部分盡量不接受農(nóng)藥噴灑。確保農(nóng)藥的高效性,并對(duì)農(nóng)作物的整個(gè)生長(zhǎng)過(guò)程進(jìn)行數(shù)字化檢測(cè),實(shí)現(xiàn)高產(chǎn)高效,全面實(shí)現(xiàn)農(nóng)業(yè)種植和管理數(shù)字化。本文以大豆葉子作為農(nóng)業(yè)研究對(duì)象。由于大豆容易在種植中受到各類病蟲害的侵害,特別是灰霉病和細(xì)菌性斑霉病是最常見的容易造成大豆減產(chǎn)的原因。如何及時(shí)發(fā)現(xiàn)這兩種病蟲害并迅速做出精準(zhǔn)的措施是關(guān)鍵。首先,本文介紹了農(nóng)業(yè)信息化過(guò)程中相關(guān)的信息技術(shù)和算法,并進(jìn)行了國(guó)內(nèi)外發(fā)展?fàn)顩r的詳細(xì)分析。其次,隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)在圖像分類和識(shí)別領(lǐng)域有一定的優(yōu)勢(shì)。希望借助于卷積神經(jīng)網(wǎng)絡(luò)技術(shù),使其應(yīng)用于防治農(nóng)業(yè)病蟲害的應(yīng)用中。本文介紹了卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展,包括卷積神經(jīng)網(wǎng)絡(luò)的研究歷史、研究意義、工作原理和關(guān)鍵技術(shù)。再次,本文詳細(xì)介紹了農(nóng)作物健康區(qū)域與病蟲害區(qū)域分割識(shí)別時(shí)涉及到的基本算法,包括圖像預(yù)處理、圖像增強(qiáng)算法、特征向量提取方法（主成分分析法和獨(dú)立... 

【文章來(lái)源】：武漢輕工大學(xué)湖北省

【文章頁(yè)數(shù)】：51 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究的背景及意義
    1.2 國(guó)內(nèi)外研究的現(xiàn)狀及存在的問(wèn)題
        1.2.1 快速檢測(cè)植物蟲害信息的研究現(xiàn)狀及問(wèn)題
        1.2.2 快速檢測(cè)植物病害信息的研究現(xiàn)狀及問(wèn)題
        1.2.3 信息技術(shù)在大豆病蟲害監(jiān)測(cè)領(lǐng)域存在的問(wèn)題
    1.3 主要研究?jī)?nèi)容及章節(jié)安排
第2章 卷積神經(jīng)網(wǎng)絡(luò)的基本介紹
    2.1 卷積神經(jīng)網(wǎng)絡(luò)的研究歷程
    2.2 卷積神經(jīng)網(wǎng)絡(luò)的研究意義
    2.3 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、工作原理及關(guān)鍵技術(shù)
        2.3.1 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        2.3.2 卷積神經(jīng)網(wǎng)絡(luò)的工作原理
        2.3.3 卷積神經(jīng)網(wǎng)絡(luò)的關(guān)鍵技術(shù)
        2.3.4 卷積神經(jīng)網(wǎng)絡(luò)存在的問(wèn)題
第3章 農(nóng)作物分割的相關(guān)技術(shù)與算法
    3.1 圖像增強(qiáng)
        3.1.1 灰度變換
        3.1.2 直方圖均衡化法
        3.1.3 圖像平滑
        3.1.4 圖像邊緣提取算法
    3.2 特征向量提取方法
        3.2.1 主成分分析法
        3.2.2 獨(dú)立主成分分析法
    3.3 優(yōu)化算法
    3.4 特征波長(zhǎng)提取方法
    3.5 支持向量機(jī)
第4章 深度卷積神經(jīng)網(wǎng)絡(luò)分割算法及應(yīng)用
    4.1 深度卷積神經(jīng)網(wǎng)絡(luò)分割算法
    4.2 深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        4.2.1 卷積層
        4.2.2 最大池化下采樣層
        4.2.3 全連接層
        4.2.4 Softmax分類層
    4.3 深度卷積神經(jīng)網(wǎng)絡(luò)算法
        4.3.1 Logistic回歸
        4.3.2 Softmax回歸
        4.3.3 Sigmoid轉(zhuǎn)移函數(shù)
        4.3.4 損失函數(shù)
        4.3.5 隨機(jī)梯度下降法
    4.4 提取訓(xùn)練數(shù)據(jù)
    4.5 算法實(shí)現(xiàn)
    4.6 實(shí)驗(yàn)結(jié)果
    4.7 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計(jì)算機(jī)應(yīng)用. 2016(09)
[2]卷積神經(jīng)網(wǎng)絡(luò)分類模型在模式識(shí)別中的新進(jìn)展[J]. 胡正平,陳俊嶺,王蒙,趙淑歡.  燕山大學(xué)學(xué)報(bào). 2015(04)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別算法設(shè)計(jì)與實(shí)現(xiàn)[J]. 王振,高茂庭.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2015(20)
[4]基于梯度的多輸入卷積神經(jīng)網(wǎng)絡(luò)[J]. 費(fèi)建超,芮挺,周遊,方虎生,朱會(huì)杰.  光電工程. 2015(03)
[5]經(jīng)典邊緣檢測(cè)算子及其抗噪性能研究[J]. 葛小鳳,陳亞軍.  數(shù)字技術(shù)與應(yīng)用. 2015(02)
[6]獨(dú)立組分分析的十種算法綜述及其在藥物分析中的應(yīng)用[J]. 宋清,陸峰.  藥學(xué)實(shí)踐雜志. 2013(01)
[7]基于改進(jìn)分水嶺的棉花圖像分割方法[J]. 任磊,賴惠成,陳欽政,王星.  計(jì)算機(jī)工程與應(yīng)用. 2012(34)
[8]基于補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)的臍橙不同病蟲害圖像識(shí)別[J]. 溫芝元,曹樂(lè)平.  農(nóng)業(yè)工程學(xué)報(bào). 2012(11)
[9]基于多策略融合技術(shù)的水稻葉片邊緣檢測(cè)算法研究[J]. 何丹丹,徐梅.  東北農(nóng)業(yè)大學(xué)學(xué)報(bào). 2012(05)
[10]利用高光譜紅邊與黃邊位置距離識(shí)別小麥條銹病[J]. 蔣金豹,陳云浩,黃文江.  光譜學(xué)與光譜分析. 2010(06)

碩士論文
[1]基于深度學(xué)習(xí)的手寫數(shù)字集特征提取算法[D]. 任沙.湖南師范大學(xué) 2016
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的視頻語(yǔ)義概念分析[D]. 詹智財(cái).江蘇大學(xué) 2016
[3]改進(jìn)的微分算子與形態(tài)學(xué)融合的邊緣檢測(cè)算法[D]. 陳瑜.哈爾濱理工大學(xué) 2016
[4]改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)模型及其應(yīng)用研究[D]. 何鵬程.大連理工大學(xué) 2015
[5]基于小波變換與BM3D的多圖去噪方法研究[D]. 李超.華北電力大學(xué) 2015
[6]基于方向小波變換的圖像邊緣檢測(cè)算子研究[D]. 艾超.西安電子科技大學(xué) 2013
[7]紅外圖像的目標(biāo)檢測(cè)與識(shí)別方法研究[D]. 李靜靜.沈陽(yáng)理工大學(xué) 2013
[8]基于梯度算子的圖像邊緣檢測(cè)算法研究[D]. 馬宇飛.西安電子科技大學(xué) 2012



本文編號(hào)：3192890