| ISBN | 出版时间 | 包装 | 开本 | 页数 | 字数 |
|---|---|---|---|---|---|
| 未知 | 暂无 | 暂无 | 未知 | 0 | 暂无 |
前言
第一章 绪论
一、研究背景与意义
（一）研究背景
（二）研究意义
二、设施蔬菜病虫害图像识别国内外研究现状
（一）基于人工设计特征的设施蔬菜病虫害图像识别和监测预警流程
（二）基于人工设计特征的设施蔬菜病虫害图像分割技术研究现状
（三）基于人工设计特征的设施蔬菜病虫害图像特征提取技术研究现状
（四）基于人工设计特征的设施蔬菜病虫害图像分类识别技术研究现状
（五）基于深度特征学习的设施蔬菜病虫害图像识别技术研究现状
（六）设施蔬菜病虫害图像识别技术的已有研究存在的瓶颈
（七）设施蔬菜病虫害图像识别技术迫切需要解决的关键问题
（八）深度学习技术在设施蔬菜病虫害图像识别中的应用研究趋势
三、研究目的与内容
四、本章小结
第二章 基于深度特征学习的设施蔬菜病虫害图像识别相关技术
一、深度学习理论
（一）深度学习的起源和发展
（二）深度学习的局限性
（三）深度学习模型的发展趋势
二、卷积神经网络简介
（一）卷积神经网络的起源和发展
（二）卷积神经网络的特点
（三）卷积神经网络的问题
三、卷积神经网络的训练过程
（一）正向传播（feed forward）阶段
（二）反向传播（back propagation）阶段
四、基于图像识别技术的目标检测的相关技术
（一）基于区域的卷积神经网络（R-CNN）
（二）基于区域的快速卷积神经网络（Fast R-CNN）
（三）基于区域的更快卷积神经网络（Faster R-CNN）
（四）你只看一次网络（YOLO）
（五）单镜头多盒检测器（SSD）
五、本章小结
第三章 设施蔬菜病虫害发生机理分析
一、蔬菜病害成因与病害三角原理分析
（一）蔬菜病害成因分析
（二）蔬菜病害三角原理分析
二、设施蔬菜发病环境机理分析
（一）温室生态环境系统
……
第四章 设施蔬菜病虫害数据集构建技术研究
第五章 设施蔬菜病虫害图像预处理技术研究
第六章 基于卷积神经网络的番茄叶部典型病害检测方法
第七章 基于迁移学习的番茄叶部典型病害检测方法
第八章 基于Android的番茄叶部典型病虫害检测系统
第九章 设施蔬菜病虫害监测预警系统建设相关技术研究
第十章 研究展望
参考文献
