声明
1绪论
1.1研究背景和意义
1.2 图像识别技术概述
1.3 昆虫识别技术概述
1.4昆虫图像识别的国内外研究现状
1.4.1国外研究现状
1.4.2 国内研究现状
1.5 深度学习国内外研究现状
1.6论文的组织结构
2深度学习理论
2.1 传统神经网络
2.1.1神经元模型
2.1.2 BP神经网络模型
2.2 卷积神经网络
2.2.1 卷积神经网络结构
2.2.2 卷积神经网络算法
2.2.3 经典模型LeNet-5
2.3深度学习框架TensorFlow
2.4 本章小结
3 农林害虫图像数据集的制作
3.1 害虫图像的获取
3.2害虫图像的数据增强
3.3 构建害虫图像数据集CPAF
3.4 本章小结
4基于CPAF数据集的VGG模型优化研究
4.1 VGGNet分析
4.2实验环境及基本的参数配置
4.3 VGG模型的优化研究
4.3.1激活函数的分析
4.3.2卷积核数量的分析
4.3.3全连接层宽度的分析
4.3.4 Dropout优化方法和梯度下降算法的分析
4.4 本章小结
5 基于深度学习的农林害虫识别模型CPAFNet
5.1 GoogLeNet分析
5.2 CPAFNet模型结构的设计
5.3实验结果分析
5.3.1 CPAFNet的训练及验证实验
5.3.2不同模型分类效果分析
5.4 可视化分析
5.5 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
附录
致谢
浙江农林大学;