论文目录 | |
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第10-27页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 区域卷积神经网络国内外研究现状 | 第13-15页 |
| 1.2.2 农作物病害识别国内外研究现状 | 第15-18页 |
| 1.3 区域卷积神经网络理论 | 第18-23页 |
| 1.3.1 卷积神经网络 | 第18-20页 |
| 1.3.2 候选区域框的产生 | 第20-21页 |
| 1.3.3 候选区域框的分类 | 第21页 |
| 1.3.4 性能评价指标 | 第21-23页 |
| 1.4 主要研究内容与创新点 | 第23-25页 |
| 1.4.1 主要研究内容 | 第23-24页 |
| 1.4.2 创新点 | 第24-25页 |
| 1.5 论文组织结构 | 第25-27页 |
| 第2章 农作物病害图像数据集的制作 | 第27-32页 |
| 2.1 农作物病害图像的收集 | 第27-28页 |
| 2.2 农作物病害图像的预处理 | 第28-30页 |
| 2.3 农作物病害图像的标注 | 第30-32页 |
| 第3章 基于Faster R-CNN的农作物病害图像检测 | 第32-51页 |
| 3.1 Faster R-CNN | 第33-36页 |
| 3.2 基于残差网络的Faster R-CNN模型 | 第36-40页 |
| 3.3 基于深度可分离卷积的Faster R-CNN模型 | 第40-42页 |
| 3.4 实验 | 第42-51页 |
| 3.4.1 实验平台 | 第43页 |
| 3.4.2 实验细节 | 第43-44页 |
| 3.4.3 实验结果与分析 | 第44-51页 |
| 第4章 基于Mask R-CNN的农作物病害图像分割 | 第51-61页 |
| 4.1 Mask R-CNN | 第52-53页 |
| 4.2 基于深度可分离卷积的Mask R-CNN模型 | 第53-54页 |
| 4.3 实验 | 第54-59页 |
| 4.3.1 实验平台 | 第54页 |
| 4.3.2 实验细节 | 第54-56页 |
| 4.3.3 实验结果与分析 | 第56-59页 |
| 4.4 Faster R-CNN与Mask R-CNN的性能比较 | 第59-61页 |
| 第5章 总结与展望 | 第61-64页 |
| 5.1 总结 | 第61-62页 |
| 5.2 展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间发表的学术论文 | 第69-70页 |
| 致谢 | 第70页 |
