基于卷积神经网络的微生物全息显微图像分类系统设计

目录

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