声明
摘要
第一章绪论
1.1课题研究背景及意义
1.2国内外研究现状
1.3论文研究内容及组织结构
第二章卷积神经网络的基础理论
2.1 CNN的研究历程
2.2 CNN的主要特点
2.3 CNN的基本部件
2.3.1卷积层
2.3.2池化层
2.3.3激活函数层
2.3.4全连接层
2.4本章小结
第三章基于经典CNN网络的红枣外观品质分级
3.1红枣图像数据集
3.2经典CNN网络结构
3.2.1 LeNet网络
3.2.2 AlexNet网络
3.2.3 VGGNet网络
3.2.4 ResNet网络
3.2.5 SqueezeNet网络
3.3 CNN网络的训练和学习
3.3.1卷积神经网络的训练流程
3.3.2卷积神经网络的目标函数
3.3.3卷积神经网络参数的初始化
3.4本章小结
第四章基于DDFnet网络的红枣外观品质分级
4.1双分支深度融合卷积神经网络
4.1.1融合模块
4.1.2深度融合网络
4.1.3双分支网络结构设计
4.2参数选择和网络训练策略
4.2.1网络超参数的设置
4.2.2学习率的设置
4.2.3批量归一化
4.3迁移学习和预训练
4.4本章小结
第五章实验结果与分析
5.1 DDFnet网络实验结果对比和分析
5.1.1 DDFnet实验结果
5.1.2融合模块对比和分析
5.1.3网络结构对比分析
5.2 CNN网络分类结果对比和分析
5.3传统红枣品质检测方法对比和分析
5.4本章小结
第六章总结与展望
6.1总结
6.2展望
参考文献
发表论文和参加科研情况
致谢