當前市場上的金針菇大多通過工廠化栽培后再由人工做品質(zhì)等級分類。然而,人工分類易受個人主觀情感,生產(chǎn)經(jīng)驗等因素的不利影響,此外,長時間的從事金針菇分類工作的人,視力容易疲勞,也會影響到分類的準確率和效率,導致金針菇生產(chǎn)的經(jīng)濟效益下降。近幾年隨著機器視覺技術(shù)、模式識別技術(shù)的快速發(fā)展,研究基于機器視覺的金針菇分類方法對于提高金針菇分類準確率和效率具有重要的意義和廣泛的應用價值。但是,目前國內(nèi)外對基于機器視覺的金針菇分類方法的相關(guān)探索不多。為了對所列出的不足進行改進,本文將在以下幾個方面開展研究:1、構(gòu)建一個標準的金針菇圖像數(shù)據(jù)庫(Mushroom Image Database,MID)。本文搭建了一個視覺系統(tǒng)進行金針菇圖像的采集。每顆金針菇的根部和頭部都進行了采集。MID中共包含圖像32827張,其中菇頭部19595張,菇根部13232張。此外,本文還對金針菇分類任務設計了一個標準的測試協(xié)議,用于全面評估金針菇分類的準確率。2、在金針菇分類的標準中,金針菇的頭部分類與根部分類是金針菇分類的兩個關(guān)鍵環(huán)節(jié),因此本文在研究金針菇分類的問題上,我們分別對金針菇的頭部與根部進行分類。(1)針對根部分類...

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 引言
    1.1 研究背景與意義
    1.2 機器視覺在農(nóng)業(yè)領(lǐng)域的研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 金針菇分類研究的難點
    1.4 文章結(jié)構(gòu)
    1.5 本章小結(jié)
第2章 深度學習理論基礎
    2.1 神經(jīng)網(wǎng)絡理論
        2.1.1 神經(jīng)網(wǎng)絡的基本思想
        2.1.2 神經(jīng)網(wǎng)絡的模型
    2.2 深度學習的興起
    2.3 卷積神經(jīng)網(wǎng)絡
        2.3.1 卷積神經(jīng)網(wǎng)絡的概念
        2.3.2 卷積神經(jīng)網(wǎng)絡的結(jié)構(gòu)
        2.3.3 經(jīng)典的卷積神經(jīng)網(wǎng)絡
    2.4 深度學習工具匯總
    2.5 本章小結(jié)
第3章 金針菇數(shù)據(jù)庫構(gòu)建
    3.1 引言
    3.2 金針菇分類的相關(guān)工藝流程介紹
    3.3 金針菇圖像采集系統(tǒng)
        3.3.1 相機選型
        3.3.2 鏡頭選型
        3.3.3 光源照明
        3.3.4 其他設備
    3.4 分類標準
    3.5 金針菇數(shù)據(jù)庫的建立
    3.6 圖像預處理
    3.7 本章小結(jié)
第4章 金針菇根部分類
    4.1 Caffe介紹
    4.2 基于VGG網(wǎng)絡的遷移學習的金針菇分類模型
        4.2.1 遷移學習
        4.2.2 Alex和VGG網(wǎng)絡結(jié)構(gòu)介紹
        4.2.3 金針菇根部分類網(wǎng)絡結(jié)構(gòu)
    4.3 實驗與分析
        4.3.1 實驗條件
        4.3.2 測評協(xié)議
        4.3.3 實驗結(jié)果與分析
    4.4 本章小結(jié)
第5章 金針菇頭部分類
    5.1 引言
        5.1.1 殘差網(wǎng)絡概述
        5.1.2 殘差網(wǎng)絡結(jié)構(gòu)
    5.2 基于經(jīng)典卷積神經(jīng)網(wǎng)絡模型的金針菇頭部分類分類
        5.2.1 AlexNet
        5.2.2 VGGNet
        5.2.3 ResNet
    5.3 實驗結(jié)果分析
        5.3.1 實驗條件
        5.3.2 實驗結(jié)果分析
    5.4 實驗對比
    5.5 金針菇等級分類
    5.6 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
致謝
個人簡歷、在學期間發(fā)表的學術(shù)論文與研究成果



本文編號：3764959