声明
符号说明
第一章 绪 论
1.1 研究背景与意义
1.2 课题研究现状
1.2.1 微生物分类识别现状
1.2.2 全息显微技术
1.2.3 卷积神经网络
1.3 本文主要研究内容
1.4 结构安排
第 2章 相关理论与技术
2.1 数字全息显微关键技术
2.1.1 全息显微原理
2.1.2 全息成像光路概述
2.1.3 全息模拟算法
2.2 卷积神经网络算法
2.2.1 卷积神经网络基本架构
2.2.2 经典网络模型概述
2.3 嵌入式系统原理与技术
2.3.1 Linux 系统内核
2.3.2 文件系统与设备驱动
2.3.3 Tengine神经网络架构
2.3.4ACL 计算加速库
2.4 本章小结
第 3章 全息显微图像分类系统设计
3.1 全息显微图像分类过程概述
3.2 系统硬件平台设计
3.2.1 系统整体结构
3.2.2 光路与图像采集
3.2.3 计算处理中心
3.2.4 用户信息交互
3.3 系统软件架构
3.4 卷积神经网络分类算法设计
3.4.1 数据集建立
3.4.2 光学显微图像全息化原理
3.4.3 经典网络模型对比分析
3.4.4 GoogLeNet 网络裁剪优化
3.5 本章小结
第 4章 全息显微分类系统实现
4.1 全息显微图像分类系统整体框架
4.2 系统硬件平台搭建
4.3 嵌入式系统软件平台搭建
4.3.1 Linux 系统固件烧写
4.3.2 Linux 系统环境配置
4.3.3 Tengine神经网络框架构建
4.3.4ACL加速库移植
4.4 PC平台卷积神经网络算法训练
4.4.1 卷积神经网络算法训练环境搭建
4.4.2 卷积神经网络模型适配训练
4.5 嵌入式平台算法移植部署
4.6 本章小结
第 5章 实验分析
5.1 不同环境下算法测试分析
5.2 嵌入式平台算法运行效率分析
5.3 系统自采数据集测试分析
5.4 系统对比分析
5.5 本章小结
第 6章 结论与展望
6.1 研究工作总结
6.2 展望
参考文献
致 谢
作者简介
1 作者简介
2 攻读学位期间参加的学术论文
3 参与的科研项目及获奖情况
4 发明专利和软著
学位论文数据集
浙江工业大学;