基于深度学习的玉米幼苗与杂草辨识研究

发布时间：2023-03-24 04:42

　　近年来,计算机技术高速发展,而计算机视觉技术由于与产业联系密切,发展尤为迅速,其成果也大大的便利了人们的生活。目标检测工作是计算机视觉的重要研究领域,并且在很多应用上都取得了很好的效果,比如人脸检测、行人车辆检测等。当前随着深度学习技术的兴起,其强大的特征提取和拟合能力,已经成为目标检测领域的主流。在农业生产中,玉米是我国重要的农作物,而其生长会受到杂草的严重影响,而现有的机械除草、化学除草等方法又存在着各种各样的缺点,比如对环境造成污染、增加劳动力成本等,所以高效的智能除草技术的研究很有现实意义。基于上述提出的问题,本文以实现快速准确的辨识玉米苗与杂草为目标,运用计算机视觉及深度学习领域的技术研究,分析和研究能够自动辨识玉米苗与杂草的方法。本文以农业生产中的玉米苗与杂草辨识为背景,提出了能够端到端训练的高效的图片目标检测模型,并在自己制作的玉米苗和杂草数据集上进行了大量的实验,提出了一种解决玉米苗杂草辨识问题的有效方法。目前用深度学习卷积神经网络的方法解决目标检测的模型主要有两种类型。一种是以Faster-RCNN为代表的基于候选区域网络的两阶段模型,在检测精度上有优势;另一种是以S...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究目的和意义
    1.2 国内外研究现状分析
        1.2.1 国外杂草辨识研究现状
        1.2.2 国内杂草辨识研究现状
        1.2.3 目标检测研究现状
    1.3 存在的问题与挑战
    1.4 本文主要研究内容
    1.5 本文组织结构
第2章 深度学习目标检测相关理论基础
    2.1 引言
    2.2 卷积神经网络理论基础
    2.3 目标检测算法介绍
        2.3.1 传统的目标检测算法
        2.3.2 基于候选区域的深度学习目标检测算法
        2.3.3 基于端到端模型的深度学习目标检测算法
    2.4 SSD目标检测算法
        2.4.1 SSD算法的网络结构
        2.4.2 SSD算法介绍
    2.5 目标检测的数据集和评价指标
        2.5.1 目标检测的数据集
        2.5.2 目标检测评价指标mAP
    2.6 本章小结
第3章 基于深度学习的目标检测模型WeedNet的构建
    3.1 引言
    3.2 WeedNet目标检测模型的设计
    3.3 实验数据及实验结果
    3.4 本章小结
第4章 基于深度学习方法的杂草辨识
    4.1 引言
    4.2 数据集的采集与标注
        4.2.1 数据采集
        4.2.2 数据标注
    4.3 基于传统方法的杂草辨识
    4.4 基于Faster-RCNN模型的杂草辨识
    4.5 基于WeedNet模型的杂草辨识
        4.5.1 模型的结构与参数调整
        4.5.2 迁移学习的应用与fine-tune训练方法
        4.5.3 实验结果与分析
    4.6 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其他成果
致谢



本文编号：3769464