基于深度网络的植物叶片缺素检测研究及实现
发布时间：2020-12-21 00:55
随着人们对农产品品质的要求越来越高,为了使种植出的产品满足人们的需求,先进科技手段在农业中的应用已越来越重要。深度学习在图像识别问题中已得到广泛应用。传统的图像识别方法和深度学习的不同之处在于,深度学习无需对图像做复杂的预处理,图像的特征是网络通过学习归纳得到,无需人工设计特征。卷积神经网络模型是在图像识别方面应用最为广泛的一种深度学习模型。针对植物图像识别,利用计算机技术对植物的叶片进行处理。植物缺少不同的营养元素,会导致不同症状的出现,如变色、变形、生长受阻等,这些症状会使作物的产量和品质均有下降。用计算机视觉技术在植物生长过程中对缺素信息进行实时监测,可及时掌握作物的生长状态。本文基于深度神经网络对植物叶片缺素问题进行研究,对网络节点和层数进行设计,给出植物缺素检测算法,实现植物叶片缺素检测信息系统,该系统实现对黄瓜叶片缺素信息的检测,在移动应用程序框架基础上,应用深度神经网络算法对植物叶片进行检测。本文的具体工作如下:1、对黄瓜叶片数据集进行图像预处理,包括增强图片对比度、翻转旋转图片、部分置黑;2、对VGGNet、ResNet、GoogLeNet、MobileNet和Alex...
【文章来源】：宁夏大学宁夏回族自治区 211工程院校
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
一l植物缺素表
可对函数进行估计和近似。??一般的神经网络由多层构成，每一层又包含多个神经元。神经网络的第一层为输入层，中间??层为隐含层，最后的输出结果为输出层，如图３－１所示。神经网络中隐藏层和输出层节点的输入??和输出之间存在着某种函数关系，这种函数关系是激励函数（ａｃｔｉｖａｔｉｏｎ?ｆｉｍｃｔｉｏｎ）。两个节点之间??的连接的强度叫做权重（ｗｅｉｇｈｔ），权重决定着输入对输出的影响力。网络的激励函数和权重不同，??该网络的输出也不同。??ｉｎｐｕｔ?ｌａｙｅｒ??ｈｉｄｄｅｎ?ｌａｙｅｒ?１?ｈｉｄｄｅｎ?ｌａｙｅｒ?２??图３－１神经网络??对于某个神经元来说，假设来自其他神经元／的信息为ｘ，，它们与本处理单元的互相作用强??度即连接权值为咐，／＝０，?１，…，ｎ－１，?０是内部阈值［４２］。??ｘ２?——＊｛ｙｗｘ?ｆ?ｊ?？?°??图３－２神经元模型??－９－??
礴他化舒作
【参考文献】：
期刊论文
[1]卷积神经网络CNN算法在文本分类上的应用研究[J]. 侯小培,高迎. 科技与创新. 2019(04)
[2]结合全卷积神经网络的室内场景分割[J]. 黄龙,杨媛,王庆军,郭飞,高勇. 中国图象图形学报. 2019(01)
[3]目标检测算法R-CNN在现实场景数字检测任务中的应用[J]. 胡靖逸,郭雪亮,李会军,朱美强. 电子技术与软件工程. 2018(24)
[4]基于卷积神经网络的温室黄瓜病害识别系统[J]. 马浚诚,杜克明,郑飞翔,张领先,孙忠富. 农业工程学报. 2018(12)
[5]Android拍照识物APP的设计与实现[J]. 胡新健,丁峰,刘鲁南,陈义明. 电脑知识与技术. 2018(09)
[6]基于Faster R-CNN的食品图像检索和分类[J]. 梅舒欢,闵巍庆,刘林虎,段华,蒋树强. 南京信息工程大学学报(自然科学版). 2017(06)
[7]基于改进卷积神经网络的多种植物叶片病害识别[J]. 孙俊,谭文军,毛罕平,武小红,陈勇,汪龙. 农业工程学报. 2017(19)
[8]计算机视觉系统下缺素番茄叶片彩色图像研究[J]. 田秀丽,黄亚丽. 农机化研究. 2017(07)
[9]基于人工神经网络的沪锌期货价格预测研究[J]. 林杰,龚正. 财经理论与实践. 2017(02)
[10]基于图像显著性分析与卷积神经网络的茶园害虫定位与识别[J]. 杨国国,鲍一丹,刘子毅. 农业工程学报. 2017(06)
硕士论文
[1]基于超声图像的甲状腺疾病智能诊断[D]. 张雅奎.哈尔滨工业大学 2018
[2]基于脑机接口的心理状态判断模型研究[D]. 刘重阳.西安工程大学 2018
[3]基于WebGIS的地球物探数据网络在线交互式可视化研究[D]. 张政.中国矿业大学 2018
[4]基于群智感知的PM2.5监测系统设计与实现[D]. 米广树.北京邮电大学 2018
[5]基于分布式的葡萄酒信息分析系统的研究及实现[D]. 梁发刚.宁夏大学 2018
[6]温棚环境及植物生长信息管理分析系统研究与实现[D]. 李诗禹.宁夏大学 2018
[7]基于卷积神经网络的图像识别方法研究[D]. 宋月.东北石油大学 2017
[8]早期玉米苗与杂草的自动辨识算法研究[D]. 夏雨.哈尔滨工业大学 2017
[9]基于数字图像技术的苗期番茄钙营养水平诊断研究[D]. 滕景祥.南京农业大学 2016
[10]GPU加速的FastDFS主动存储的研究与实现[D]. 刘文杰.湖南大学 2016
本文编号：2928881
【文章来源】：宁夏大学宁夏回族自治区 211工程院校
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
一l植物缺素表
可对函数进行估计和近似。??一般的神经网络由多层构成，每一层又包含多个神经元。神经网络的第一层为输入层，中间??层为隐含层，最后的输出结果为输出层，如图３－１所示。神经网络中隐藏层和输出层节点的输入??和输出之间存在着某种函数关系，这种函数关系是激励函数（ａｃｔｉｖａｔｉｏｎ?ｆｉｍｃｔｉｏｎ）。两个节点之间??的连接的强度叫做权重（ｗｅｉｇｈｔ），权重决定着输入对输出的影响力。网络的激励函数和权重不同，??该网络的输出也不同。??ｉｎｐｕｔ?ｌａｙｅｒ??ｈｉｄｄｅｎ?ｌａｙｅｒ?１?ｈｉｄｄｅｎ?ｌａｙｅｒ?２??图３－１神经网络??对于某个神经元来说，假设来自其他神经元／的信息为ｘ，，它们与本处理单元的互相作用强??度即连接权值为咐，／＝０，?１，…，ｎ－１，?０是内部阈值［４２］。??ｘ２?——＊｛ｙｗｘ?ｆ?ｊ?？?°??图３－２神经元模型??－９－??
礴他化舒作
【参考文献】：
期刊论文
[1]卷积神经网络CNN算法在文本分类上的应用研究[J]. 侯小培,高迎. 科技与创新. 2019(04)
[2]结合全卷积神经网络的室内场景分割[J]. 黄龙,杨媛,王庆军,郭飞,高勇. 中国图象图形学报. 2019(01)
[3]目标检测算法R-CNN在现实场景数字检测任务中的应用[J]. 胡靖逸,郭雪亮,李会军,朱美强. 电子技术与软件工程. 2018(24)
[4]基于卷积神经网络的温室黄瓜病害识别系统[J]. 马浚诚,杜克明,郑飞翔,张领先,孙忠富. 农业工程学报. 2018(12)
[5]Android拍照识物APP的设计与实现[J]. 胡新健,丁峰,刘鲁南,陈义明. 电脑知识与技术. 2018(09)
[6]基于Faster R-CNN的食品图像检索和分类[J]. 梅舒欢,闵巍庆,刘林虎,段华,蒋树强. 南京信息工程大学学报(自然科学版). 2017(06)
[7]基于改进卷积神经网络的多种植物叶片病害识别[J]. 孙俊,谭文军,毛罕平,武小红,陈勇,汪龙. 农业工程学报. 2017(19)
[8]计算机视觉系统下缺素番茄叶片彩色图像研究[J]. 田秀丽,黄亚丽. 农机化研究. 2017(07)
[9]基于人工神经网络的沪锌期货价格预测研究[J]. 林杰,龚正. 财经理论与实践. 2017(02)
[10]基于图像显著性分析与卷积神经网络的茶园害虫定位与识别[J]. 杨国国,鲍一丹,刘子毅. 农业工程学报. 2017(06)
硕士论文
[1]基于超声图像的甲状腺疾病智能诊断[D]. 张雅奎.哈尔滨工业大学 2018
[2]基于脑机接口的心理状态判断模型研究[D]. 刘重阳.西安工程大学 2018
[3]基于WebGIS的地球物探数据网络在线交互式可视化研究[D]. 张政.中国矿业大学 2018
[4]基于群智感知的PM2.5监测系统设计与实现[D]. 米广树.北京邮电大学 2018
[5]基于分布式的葡萄酒信息分析系统的研究及实现[D]. 梁发刚.宁夏大学 2018
[6]温棚环境及植物生长信息管理分析系统研究与实现[D]. 李诗禹.宁夏大学 2018
[7]基于卷积神经网络的图像识别方法研究[D]. 宋月.东北石油大学 2017
[8]早期玉米苗与杂草的自动辨识算法研究[D]. 夏雨.哈尔滨工业大学 2017
[9]基于数字图像技术的苗期番茄钙营养水平诊断研究[D]. 滕景祥.南京农业大学 2016
[10]GPU加速的FastDFS主动存储的研究与实现[D]. 刘文杰.湖南大学 2016
本文编号：2928881
本文链接：https://www.wllwen.com/nykjlw/yylw/2928881.html
