馬鈴薯作為世界各國的主要糧食作物之一,在維護世界食品安全和穩(wěn)定方面占有重要地位。馬鈴薯種薯切塊方面,由于其作業(yè)要求高,目前種薯的切塊主要是由人工完成。人工切塊對勞動人員的專業(yè)技能要求較高,且不同的勞動人員加工的切塊差異顯著。同時,人工切塊存在勞動強度大、費用高等問題,尤其是隨著人工成本的增加和勞動力的減少,人工切塊面臨的挑戰(zhàn)日益嚴峻,種薯的自動切塊問題亟待解決。馬鈴薯芽眼檢測是實現(xiàn)種薯自動切塊的關鍵因素,芽眼檢測性能的高低直接影響后期的切塊質量,進而影響馬鈴薯產(chǎn)量。當下關于馬鈴薯芽眼檢測相關的研究很少,現(xiàn)有的方法大多是基于傳統(tǒng)方法,檢測時間長且檢測性能低,無法為后續(xù)種薯自動切塊的實現(xiàn)奠定良好的基礎。為改善馬鈴薯芽眼的檢測時間、提高檢測性能,保障后期切塊質量和馬鈴薯產(chǎn)量,本研究提出一種基于卷積神經(jīng)網(wǎng)絡的馬鈴薯芽眼檢測方法。主要研究內容和創(chuàng)新點如下:(1)利用遷移學習和“微調”的方法對不同的卷積神經(jīng)網(wǎng)絡在馬鈴薯芽眼檢測中的檢測性能和檢測時間進行研究。以Faster R-CNN為檢測框架,對在ImageNet數(shù)據(jù)集上預訓練的AlexNet、VGG-16、VGG-19、GoogleNet、Sq...

【文章頁數(shù)】：118 頁

【學位級別】：博士

【文章目錄】：
中文摘要
Abstract
1 引言
    1.1 研究背景和意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 馬鈴薯芽眼檢測的國內外研究現(xiàn)狀
        1.2.2 現(xiàn)有方法存在的問題
        1.2.3 深度學習的發(fā)展和國內外研究現(xiàn)狀
            1.2.3.1 深度學習的演進史
            1.2.3.2 深度學習在農(nóng)業(yè)領域的研究現(xiàn)狀
            1.2.3.3 卷積神經(jīng)網(wǎng)絡在農(nóng)業(yè)領域目標檢測的研究現(xiàn)狀
    1.3 本文主要研究內容
    1.4 技術路線及論文結構
2 卷積神經(jīng)網(wǎng)絡的相關理論及技術
    2.1 卷積神經(jīng)網(wǎng)絡的結構發(fā)展
    2.2 卷積神經(jīng)網(wǎng)絡的基本原理
        2.2.1 卷積神經(jīng)網(wǎng)絡的基本結構
        2.2.2 卷積神經(jīng)網(wǎng)絡的特性
    2.3 卷積神經(jīng)網(wǎng)絡的訓練過程
    2.4 本章小結
3 基于Faster R-CNN的不同卷積神經(jīng)網(wǎng)絡的馬鈴薯芽眼檢測
    3.1 引言
    3.2 Faster R-CNN
        3.2.1 基礎網(wǎng)絡
        3.2.2 RPN
        3.2.3 ROI池化
        3.2.4 分類層和回歸層
    3.3 數(shù)據(jù)集構建
        3.3.1 圖像采集
        3.3.2 數(shù)據(jù)增強
    3.4 不同卷積神經(jīng)網(wǎng)絡對馬鈴薯芽眼的檢測
        3.4.1 遷移學習和“微調”
        3.4.2 試驗設置
        3.4.3 評價指標
        3.4.4 試驗結果與分析
    3.5 本章小結
4 改進的Faster R-CNN模型
    4.1 引言
    4.2 多尺度特征連接方法
    4.3 優(yōu)化的非極大值抑制算法
    4.4 基于混沌優(yōu)化K均值算法的錨框改進方法
        4.4.1 相關理論研究
            4.4.1.1 K均值算法
            4.4.1.2 混沌理論
        4.4.2 默認錨框的優(yōu)化
        4.4.3 試驗結果和分析
    4.5 本章小結
5 基于改進的Faster R-CNN模型的馬鈴薯芽眼檢測
    5.1 試驗設置
    5.2 評價指標
    5.3 試驗結果及分析
        5.3.1 改進的Faster R-CNN模型的檢測結果
            5.3.1.1 定量結果
            5.3.1.2 定性結果
        5.3.2 與其他模型的比較
            5.3.2.1 定量比較
            5.3.2.2 定性比較
    5.4 消融試驗
    5.5 討論
    5.6 本章小結
6 結論和展望
    6.1 結論
    6.2 研究創(chuàng)新點
    6.3 工作展望
參考文獻
致謝
攻讀博士學位期間的科研成果



本文編號：3759578