基于深度学习的猕猴桃树干检测与导航线拟合方法研究

目录

声明

主要符号对照表

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 卷积神经网络深度与特征可视化

1.2.2 目标检测及其在农业中的应用

1.2.3 视觉导航

1.3 主要研究内容及技术路线

1.3.1 主要研究内容

1.3.2 技术路线

第二章 视觉检测方法与视觉导航系统设计

2.1 猕猴桃果园栽培模式

2.2 图像采集方法

2.3 特征选取与图像标注方法

2.4 语义分割与目标检测方法对比

2.4.1 Segnet语义分割

2.4.2 Faster R-CNN目标检测

2.5 视觉导航系统方案设计

2.6 本章小结

第三章 基于卷积层特征可视化的猕猴桃树干特征提取

3.1 可视化数据集

3.1.1 图像分类规则制定

3.1.2 数据集构建

3.2 可视化方法

3.2.1 浅层网络结构定义

3.2.2 可视化流程

3.3 可视化试验

3.3.1 试验条件

3.3.2 试验方法

3.4 结果与分析

3.4.1 可视化结果分析

3.4.2 可视化结果验证

3.5 本章小结

第四章 基于Yolo v3 Tiny-3p的猕猴桃树干检测与导航线拟合方法

4.1 基于Yolo v3 Tiny-3p的猕猴桃树干检测方法

4.1.1 Yolo目标检测模型

4.1.2 基于Yolo v3 Tiny-3p的猕猴桃树干检测试验

4.1.3 猕猴桃树干检测结果与分析

4.2 基于二次多项式极值点的导航线拟合方法

4.2.1 导航线拟合方法

4.2.2 导航线拟合试验

4.2.3 导航线拟合结果与分析

4.3 本章小结

第五章 视觉导航系统的集成与验证试验

5.1 视觉导航系统硬件构成

5.2 视觉导航系统软件设计

5.3 验证试验

5.3.1 试验条件

5.3.2 试验方法

5.3.3 试验结果与分析

5.4 本章小结

第六章 结论与展望

6.1 结论

6.2 研究创新点

6.3 展望

参考文献

致谢

个人简历