近年來,深度學(xué)習(xí)發(fā)展迅猛,在計(jì)算機(jī)視覺領(lǐng)域的諸多研究方向上,如圖像分類、圖像分割等都取得了很多成果,這些成果將會為依賴于視覺主觀判別的農(nóng)業(yè)信息化領(lǐng)域帶來重大的突破。以果實(shí)蠅為例,果實(shí)蠅作為亞洲太平洋地區(qū)園藝作物果實(shí)的重要害蟲之一,果實(shí)蠅的識別是檢疫工作中的重要部分,建立果實(shí)蠅特征自提取分類識別系統(tǒng)對檢疫工作有著重大意義�，F(xiàn)有的果實(shí)蠅分類任務(wù)的對象為高清拍攝儀器所拍攝的果實(shí)蠅翅或者果實(shí)蠅中胸背板區(qū)域的樣本圖像,通過人工標(biāo)記特征的方式選取該區(qū)域的特征點(diǎn),最后利用機(jī)器學(xué)習(xí)算法進(jìn)行模型的建立,特征標(biāo)記過程繁瑣,對果實(shí)蠅樣本的拍攝儀器和使用人員的專業(yè)性要求較高,且無法自動提取果實(shí)蠅特征�；谝陨蠁栴},本文提出使用深度學(xué)習(xí)算法中的卷積神經(jīng)網(wǎng)絡(luò)算法來實(shí)現(xiàn)果實(shí)蠅特征自提取的分類模型,主要工作包括:(1)基于卷積神經(jīng)網(wǎng)絡(luò)的果實(shí)蠅圖像分類模型:針對果實(shí)蠅樣本圖像少、樣本圖像采集設(shè)備成本高和人工手動設(shè)計(jì)及提取特征過程繁瑣的問題,提出使用預(yù)訓(xùn)練(pre-training)好的卷積神經(jīng)網(wǎng)絡(luò)VGG-16模型來完成果實(shí)蠅樣本圖像的分類識別任務(wù)。首先使用高斯模糊算法對清晰的果實(shí)蠅樣本圖像就行模糊處理,降低樣本圖像的清...

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-1人工標(biāo)記實(shí)蠅翅區(qū)域特征點(diǎn)

如下圖1-1所示。因此對果實(shí)蠅圖像的清晰度要求高，特別是實(shí)蠅翅以及其中胸背板區(qū)域的清晰度，需要能夠清晰的展現(xiàn)實(shí)蠅翅和中胸背板上的所有條紋和脈絡(luò)結(jié)點(diǎn)，才能夠進(jìn)行人工標(biāo)記。該過程不僅對果實(shí)蠅圖像樣本采集設(shè)備要求高，也對特征標(biāo)記人員的專業(yè)性要求高，同時(shí)標(biāo)記過程相對繁瑣且容錯率低，尤其....

圖1-2角點(diǎn)檢測和邊緣過濾特征提取效果圖

圖1-2角點(diǎn)檢測和邊緣過濾特征提取效果圖Fig1-2Cornerdetectionandedgefilteringrenderings往的圖像分類任務(wù)通常是針對通用類別物體，這些類別物體的圖像類別。而果實(shí)蠅樣本圖像則不同，如下圖1-3所示，依次為桔小實(shí)蠅、具....

圖1-3四類果實(shí)蠅樣本圖像

圖1-3四類果實(shí)蠅樣本圖像Fig1-3Imagesoffourspeciesoffruitflies度學(xué)習(xí)領(lǐng)域中的圖像分類方法需要依靠大量甚至海量的類模型和結(jié)果。但是在果實(shí)蠅圖像分類研究中，果實(shí)蠅圖集大量甚至海量的果實(shí)蠅圖像樣本供模型進(jìn)行訓(xùn)練，因此果實(shí)蠅圖像樣....

圖2-11980年福島邦彥提出的神經(jīng)認(rèn)知模型

圖2-11980年福島邦彥提出的神經(jīng)認(rèn)知模型Fig2-1Schematicdiagramillustratingtheinterconnectionsbetweenlayersintheneocognitron隨后，在20世紀(jì)末，YannLeCu....

本文編號：3945159