發(fā)布時間：2020-12-21 00:55

　　隨著人們對農(nóng)產(chǎn)品品質(zhì)的要求越來越高,為了使種植出的產(chǎn)品滿足人們的需求,先進科技手段在農(nóng)業(yè)中的應(yīng)用已越來越重要。深度學(xué)習(xí)在圖像識別問題中已得到廣泛應(yīng)用。傳統(tǒng)的圖像識別方法和深度學(xué)習(xí)的不同之處在于,深度學(xué)習(xí)無需對圖像做復(fù)雜的預(yù)處理,圖像的特征是網(wǎng)絡(luò)通過學(xué)習(xí)歸納得到,無需人工設(shè)計特征。卷積神經(jīng)網(wǎng)絡(luò)模型是在圖像識別方面應(yīng)用最為廣泛的一種深度學(xué)習(xí)模型。針對植物圖像識別,利用計算機技術(shù)對植物的葉片進行處理。植物缺少不同的營養(yǎng)元素,會導(dǎo)致不同癥狀的出現(xiàn),如變色、變形、生長受阻等,這些癥狀會使作物的產(chǎn)量和品質(zhì)均有下降。用計算機視覺技術(shù)在植物生長過程中對缺素信息進行實時監(jiān)測,可及時掌握作物的生長狀態(tài)。本文基于深度神經(jīng)網(wǎng)絡(luò)對植物葉片缺素問題進行研究,對網(wǎng)絡(luò)節(jié)點和層數(shù)進行設(shè)計,給出植物缺素檢測算法,實現(xiàn)植物葉片缺素檢測信息系統(tǒng),該系統(tǒng)實現(xiàn)對黃瓜葉片缺素信息的檢測,在移動應(yīng)用程序框架基礎(chǔ)上,應(yīng)用深度神經(jīng)網(wǎng)絡(luò)算法對植物葉片進行檢測。本文的具體工作如下:1、對黃瓜葉片數(shù)據(jù)集進行圖像預(yù)處理,包括增強圖片對比度、翻轉(zhuǎn)旋轉(zhuǎn)圖片、部分置黑;2、對VGGNet、ResNet、GoogLeNet、MobileNet和Alex... 

【文章來源】：寧夏大學(xué)寧夏回族自治區(qū) 211工程院校

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【部分圖文】：

一l植物缺素表

可對函數(shù)進行估計和近似。??一般的神經(jīng)網(wǎng)絡(luò)由多層構(gòu)成，每一層又包含多個神經(jīng)元。神經(jīng)網(wǎng)絡(luò)的第一層為輸入層，中間??層為隱含層，最后的輸出結(jié)果為輸出層，如圖３－１所示。神經(jīng)網(wǎng)絡(luò)中隱藏層和輸出層節(jié)點的輸入??和輸出之間存在著某種函數(shù)關(guān)系，這種函數(shù)關(guān)系是激勵函數(shù)（ａｃｔｉｖａｔｉｏｎ?ｆｉｍｃｔｉｏｎ）。兩個節(jié)點之間??的連接的強度叫做權(quán)重（ｗｅｉｇｈｔ），權(quán)重決定著輸入對輸出的影響力。網(wǎng)絡(luò)的激勵函數(shù)和權(quán)重不同，??該網(wǎng)絡(luò)的輸出也不同。??ｉｎｐｕｔ?ｌａｙｅｒ??ｈｉｄｄｅｎ?ｌａｙｅｒ?１?ｈｉｄｄｅｎ?ｌａｙｅｒ?２??圖３－１神經(jīng)網(wǎng)絡(luò)??對于某個神經(jīng)元來說，假設(shè)來自其他神經(jīng)元／的信息為ｘ，，它們與本處理單元的互相作用強??度即連接權(quán)值為咐，／＝０，?１，…，ｎ－１，?０是內(nèi)部閾值［４２］。??ｘ２?——＊｛ｙｗｘ?ｆ?ｊ?？?°??圖３－２神經(jīng)元模型??－９－??

礴他化舒作

【參考文獻】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡(luò)CNN算法在文本分類上的應(yīng)用研究[J]. 侯小培,高迎.  科技與創(chuàng)新. 2019(04)
[2]結(jié)合全卷積神經(jīng)網(wǎng)絡(luò)的室內(nèi)場景分割[J]. 黃龍,楊媛,王慶軍,郭飛,高勇.  中國圖象圖形學(xué)報. 2019(01)
[3]目標檢測算法R-CNN在現(xiàn)實場景數(shù)字檢測任務(wù)中的應(yīng)用[J]. 胡靖逸,郭雪亮,李會軍,朱美強.  電子技術(shù)與軟件工程. 2018(24)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的溫室黃瓜病害識別系統(tǒng)[J]. 馬浚誠,杜克明,鄭飛翔,張領(lǐng)先,孫忠富.  農(nóng)業(yè)工程學(xué)報. 2018(12)
[5]Android拍照識物APP的設(shè)計與實現(xiàn)[J]. 胡新健,丁峰,劉魯南,陳義明.  電腦知識與技術(shù). 2018(09)
[6]基于Faster R-CNN的食品圖像檢索和分類[J]. 梅舒歡,閔巍慶,劉林虎,段華,蔣樹強.  南京信息工程大學(xué)學(xué)報(自然科學(xué)版). 2017(06)
[7]基于改進卷積神經(jīng)網(wǎng)絡(luò)的多種植物葉片病害識別[J]. 孫俊,譚文軍,毛罕平,武小紅,陳勇,汪龍.  農(nóng)業(yè)工程學(xué)報. 2017(19)
[8]計算機視覺系統(tǒng)下缺素番茄葉片彩色圖像研究[J]. 田秀麗,黃亞麗.  農(nóng)機化研究. 2017(07)
[9]基于人工神經(jīng)網(wǎng)絡(luò)的滬鋅期貨價格預(yù)測研究[J]. 林杰,龔正.  財經(jīng)理論與實踐. 2017(02)
[10]基于圖像顯著性分析與卷積神經(jīng)網(wǎng)絡(luò)的茶園害蟲定位與識別[J]. 楊國國,鮑一丹,劉子毅.  農(nóng)業(yè)工程學(xué)報. 2017(06)

碩士論文
[1]基于超聲圖像的甲狀腺疾病智能診斷[D]. 張雅奎.哈爾濱工業(yè)大學(xué) 2018
[2]基于腦機接口的心理狀態(tài)判斷模型研究[D]. 劉重陽.西安工程大學(xué) 2018
[3]基于WebGIS的地球物探數(shù)據(jù)網(wǎng)絡(luò)在線交互式可視化研究[D]. 張政.中國礦業(yè)大學(xué) 2018
[4]基于群智感知的PM2.5監(jiān)測系統(tǒng)設(shè)計與實現(xiàn)[D]. 米廣樹.北京郵電大學(xué) 2018
[5]基于分布式的葡萄酒信息分析系統(tǒng)的研究及實現(xiàn)[D]. 梁發(fā)剛.寧夏大學(xué) 2018
[6]溫棚環(huán)境及植物生長信息管理分析系統(tǒng)研究與實現(xiàn)[D]. 李詩禹.寧夏大學(xué) 2018
[7]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別方法研究[D]. 宋月.東北石油大學(xué) 2017
[8]早期玉米苗與雜草的自動辨識算法研究[D]. 夏雨.哈爾濱工業(yè)大學(xué) 2017
[9]基于數(shù)字圖像技術(shù)的苗期番茄鈣營養(yǎng)水平診斷研究[D]. 滕景祥.南京農(nóng)業(yè)大學(xué) 2016
[10]GPU加速的FastDFS主動存儲的研究與實現(xiàn)[D]. 劉文杰.湖南大學(xué) 2016



本文編號：2928881