基于深度学习的移动端葡萄图像识别研究与实现.pdfVIP

基于深度学习的移动端葡萄图像识别研究与实现 目录 摘要i Abstractiii 第一章绪论1 1.1 研究背景与意义1 1.2 水果目标检测研究现状2 1.3 轻量化网络模型研究现状3 1.4 主要研究内容4 1.5 本文结构安排5 第二章卷积神经网络与目标检测算法6 2.1 卷积神经网络6 2.2 常用卷积神经网络模型7 2.2.1VGG 网络模型7 2.2.2ResNet 网络模型9 2.3 基于卷积神经网络的目标检测算法10 2.4 本章小结12 第三章基于ROIAlign 的FasterR-CNN 果园葡萄检测研究13 3.1 实验样本与图像采集13 3.2 数据集标注14 3.3 数据扩增15 3.4 基于ROIAlign 的FasterR-CNN 果园葡萄检测研究17 3.4.1FasterR-CNN 网络17 3.4.2 特征提取网络的改进19 3.4.3 对ROIpooling 的改进19 3.5 实验结果和分析21 3.5.1 实验环境和评价指标21 3.5.2 不同特征提取网络对比23 3.5.3ROIPooling和ROIAlign 对比23 3.5.4FasterR-CNN检测结果可视化24 3.6 本章小结25 MobileNet SSD 26 第四章基于 的 果园葡萄检测研究 4.1SSD 网络26 4.2MobileNetV1 网络29 4.3MobileNetV1_SSD 网络31 4.4MobileNetV2 网络32 4.5MobileNetV2_SSD 网络34 4.6Focalloss 损失函数35 4.7 融合FPN 的SSD 网络36 4.7.1FPN 结构36 4.7.2MobileNetV2_SSD 融合FPN 网络结构38 4.8 实验结果及分析39 4.8.1 不同基础特征提取网络对比分析39 4.8.2 损失函数的优化39 4.8.3 模型压缩实验40 4.8.4FPN 与SSD融合实验43 i 华中农业大学2020 届硕士研究生学位（毕业）论文 4.9 本章小结44 第五章移动端葡萄果园图像识别系统的设计与实现45 5.1 葡萄果园图像识别系统的需求分析45 5.2 基于安卓操作系统的葡萄果园图像识别系统45 5.2.1 安卓知识简介45 5.2.2TensorFlowServing46 5.2.3TensorFlowLite47 5.2.4 系统结构设计与实现47 5.3 基于JetsonNano 的葡萄果园图像识别系统50 5.3.1JetsonNano介绍50 5.3.2TensorRT52 5.3.3 果园葡萄检测算法在JetsonNano 上的实现52 5.3.4 多线程处理下的模型加速53 5.3.5 实验结果分析54 5.4 本章小结54 第六章总结展望55 6.1 总结55 6.2 展望56 参考文献57 致谢60