基于深度学习的目标检测算法在农田害虫检测识别中的应用

目录

声明

第一章 绪论

1.1 选题的背景及意义

1.2 国内外研究现状

1.2.1 农田害虫检测识别方法的研究现状

1.2.2 农田害虫检测识别研究现状的总结分析

1.3 论文研究内容

1.4 论文组织结构

第二章 基于深度学习的图像检测识别技术与理论

2.1 深度学习

2.1.1 深度学习概述

2.1.2 深度学习框架

2.2 卷积神经网络

2.2.1 卷积神经网络的基本概念

2.2.2 经典的卷积神经网络结构

2.3 目标检测算法

2.3.1 传统目标检测方法

2.3.2 基于深度学习的目标检测方法

2.4 本章小结

第三章 农田害虫数据集生成与检测模型选取

3.1 农田害虫样本的采集

3.2 样本集扩充与数据集构建

3.2.1 农田害虫样本集划分

3.2.2 农田害虫样本集扩充

3.2.3 农田害虫数据集制作

3.3 检测模型的选取

3.3.1 目标检测算法的选取

3.3.2 卷积神经网络模型的选取

3.3.3 模型的训练

3.4 实验与分析

3.4.1 实验环境

3.4.2 样本集扩充效果对比实验

3.4.3 网络模型的对比实验

3.5 农田害虫检测模型的设计与实验

3.6 本章小结

第四章 农田害虫检测模型的优化与改进

4.1 农田害虫数据集优化

4.2 目标检测算法优化

4.2.1 RefineDet算法

4.2.2 改进的ARM模块

4.2.3 TCB模块

4.2.4 ODM模块

4.3 实验与分析

4.3.1 数据集扩充的对比实验

4.3.2 ARM基础网络优化的对比实验

4.3.3 网络锚点优化的对比实验

4.4 训练算法优化

4.4.1 随机梯度下降算法

4.4.2 基于SGD的损失值监控自适应学习率下降算法优化

4.4.3 基于优化训练算法的验证实验

4.5 优化后农田害虫检测模型的设计与实验

4.6 本章小结

第五章 结论与展望

参考文献

致谢

附录