基于卷积神经网络的水稻病害识别方法研究与应用.pdfVIP

目录 目 录 摘要I AbstractIII 1 绪论 1 1.1 研究的目的和意义1 1.2 国内外研究动态和趋势2 1.2.1 病害识别国内外的研究现状2 1.2.2 卷积神经网络国内外研究现状6 1.3 研究目标、内容和技术路线8 1.3.1 研究目标8 1.3.2 研究内容8 1.3.3 研究方案和技术路线9 2 卷积神经网络理论基础11 2.1 神经网络基础11 2.1.1 神经元基本结构11 2.1.2 多层感知机12 2.1.3 反向传播算法13 2.2 卷积神经网络基本结构15 2.2.1 卷积层16 2.2.2 池化层18 2.2.3 全连接层19 2.2.4 激活函数20 2.3 卷积神经网络的训练流程22 2.4 本章小结23 3 水稻病害图像预处理及病害数据库建立25 3.1 水稻主要病害概述25 3.1.1 稻瘟病25 3.1.2 稻曲病25 I 基于卷积神经网络的水稻病害识别方法研究与应用 3.1.3 白叶枯病26 3.2 水稻病害图像的采集27 3.3 病害图像预处理27 3.3.1 本实验的预处理方法28 3.3.2 病害图像数据增强32 3.4 病害数据库的建立36 3.5 本章小结38 4 基于卷积神经网络的水稻病害识别39 4.1 深度学习框架介绍39 4.2 开发环境搭建41 4.3 卷积神经网络结构层设计42 4.3.1 卷积层设计43 4.3.2 池化层设计45 4.3.3 全连接层设计46 4.4 网络模型的训练46 4.4.1 过拟合问题的解决47 4.4.2 交叉熵损失计算48 4.4.3 参数优化方法50 4.4.4 实验结果分析50 4.5 模型优化试验53 4.5.1Batchsize53 4.5.2 优化算法及学习率55 4.5.3 方法对比分析56 4.6 本章小结57 5 水稻病害识别平台的实现59 5.1 水稻病害识别平台相关技术59 5.1.1Tensorflow模型持久化59 5.1.2Flask框架60 5.1.3MySQL 数据库61 II 目录 5.2 水稻病害识别平台设计61 5.2.1 架构设计61 5.2.2 数据库设计62 5.3 核心功能实现63 5.3.1 登录模块的实现63 5.3.2 注册模块的实现64 5.3.3 图像上传模块实现65 5.3.4 模型调用模块实现67 5.4 本章小结68 6 结论与展望69 6.1 主要研究结论69 6.2 进一步研究展望70 参考文献71 致谢77 个人简历79 个人情况79 教育背景79 科研经历79 在学期间发表论文79