基于卷积神经网络的番茄病害识别研究

发布时间：2021-05-18 19:24

　　番茄作为一种日常食用广泛的蔬果,其在国内普遍栽培。而番茄的品质和产量是当前农民所重视的两个重要因素。番茄在整个生长周期中,会发生多种病害,若发现不及时没有得到防治,这就直接影响番茄的产量和质量以及带来严重的经济损失。所以,番茄的病害识别尤其重要。早先人们根据经验,通过眼睛去判断病害类别,这样不仅浪费时间且容易产生误判。而使用传统的图像识别方法,其泛化能力差。深度学习技术不断发展,在处理图像识别的任务中有较高的识别率。基于以上内容分析,本文选取了番茄易发生的5种病害和健康的番茄叶片共6类数据集作为研究对象,提出了基于卷积神经网络对番茄病害识别的方法。主要做了以下研究:1.对比现有的分类网络,分析各网络结构在深度和宽度的变化过程中解决梯度消失、参数量、训练速度等问题以及使用短连接、跨层连接的优点。不同核尺寸在各网络层中的作用,特别是1*1卷积核的使用可升降网络层的维度,同时减少了参数量和计算量。2.提出了改进VGG16网络,在网络中用核为1*1卷积层跨层连接并去除部分卷积层,目的是尽量将前层网络特征信息提供给后层学习,同时卷积层数维持16层。由于番茄叶片数据集少,为防止过拟合,在改进的网络... 

【文章来源】：安徽大学安徽省 211工程院校

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 背景意义
    1.2 国内外研究现状
    1.3 本文研究的主要内容
    1.4 本文章节安排
第二章 图像识别相关基础
    2.1 图像分类方法
        2.1.1 机器学习
        2.1.2 深度学习
    2.2 深度学习基础
        2.2.1 感知机
        2.2.2 前馈神经网络
        2.2.3 卷积神经网络
    2.3 本章小结
第三章 基于改进的卷积神经网络的番茄病害识别研究
    3.1 目标图像获取及处理
    3.2 经典的分类网络结构
        3.2.1 ResNet结构
        3.2.2 GoogLeNet结构
        3.2.3 DenseNet结构
        3.2.4 DPN结构
        3.2.5 网络对比总结
    3.3 选择网络并改进
        3.3.1 网络基本单元设置
        3.3.2 防止过拟合设置
        3.3.3 分类器选择
        3.3.4 网络总体结构
    3.4 番茄病害识别算法的实验
        3.4.1 实验平台
        3.4.2 实验框架
        3.4.3 实验流程
        3.4.4 实验及结果分析
    3.5 本章小结
第四章 基于特征提取组合网络的番茄病害识别的研究
    4.1 特征算法选择
        4.1.1 SIFT算法
        4.1.2 HOG算法
    4.2 降维算法选择
        4.2.1 PCA降维
        4.2.2 自编码器
    4.3 优化网络
        4.3.1 优化SGD
        4.3.2 微调X-CNN
    4.4 实验结构
    4.5 实验及结果分析
    4.6 实验对比
    4.7 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢



本文编号：3194350