深度學(xué)習(xí)在農(nóng)作物病蟲害智能診斷及農(nóng)業(yè)智能系統(tǒng)中的應(yīng)用與實踐

目錄

第1章病蟲害智能診斷和農(nóng)業(yè)智能系統(tǒng)概述

1.1深度學(xué)習(xí)在作物圖像處理及病害識別領(lǐng)域的應(yīng)用背景

1.1.1圖像信息成為農(nóng)業(yè)物聯(lián)網(wǎng)大數(shù)據(jù)的“主力軍”

1.1.2破解“視而不見”困局的關(guān)鍵在于圖像信息的

機(jī)器識別

1.1.3作物病害圖像識別是發(fā)展精準(zhǔn)、高效、綠色

農(nóng)業(yè)的基石

1.1.4深度機(jī)器學(xué)習(xí)有機(jī)融入是智慧農(nóng)業(yè)的

必由之路

1.2病蟲害智能診斷的研究目標(biāo)及內(nèi)容

1.2.1研究目標(biāo)

1.2.2研究內(nèi)容

1.3國內(nèi)外智能診斷的研究現(xiàn)狀和發(fā)展趨勢

1.3.1圖像技術(shù)在病害識別診斷上的應(yīng)用

1.3.2機(jī)器學(xué)習(xí)的圖像降維和特征提取研究

1.3.3農(nóng)業(yè)專家系統(tǒng)和病害診斷技術(shù)研究

1.3.4深度方法在圖像等非結(jié)構(gòu)化數(shù)據(jù)識別

領(lǐng)域的研究

1.4專家系統(tǒng)概述及其發(fā)展概況

1.5專家系統(tǒng)的開發(fā)方式

1.6農(nóng)業(yè)信息化技術(shù)和農(nóng)業(yè)專家系統(tǒng)

1.6.1農(nóng)業(yè)信息化技術(shù)

1.6.2農(nóng)業(yè)專家系統(tǒng)

1.7農(nóng)業(yè)專家系統(tǒng)開發(fā)工具的研究

1.8多媒體農(nóng)業(yè)智能應(yīng)用系統(tǒng)

1.8.1多媒體農(nóng)業(yè)智能應(yīng)用系統(tǒng)

1.8.2多媒體農(nóng)業(yè)智能應(yīng)用系統(tǒng)平臺

1.9主要工作及本書結(jié)構(gòu)

第2章CT圖像特征的支持向量網(wǎng)絡(luò)籽種品質(zhì)評價

2.1支持向量網(wǎng)絡(luò)和籽種品質(zhì)智能評價

2.2SVN的理論基礎(chǔ)

2.2.1優(yōu)化問題的基本概念

2.2.2優(yōu)化問題的最優(yōu)解條件

2.2.3博弈問題和對偶理論

2.2.4Wolfe對偶（烏爾夫?qū)ε迹┓椒?/p>

2.3線性SVN和基于核的SVN

2.3.1規(guī)范超平面和SVN的形式化問題

2.3.2SVN的形式化求解

2.3.3基于核的支持向量網(wǎng)絡(luò)和VC維

2.4懲罰校正SVN

2.4.1問題描述

2.4.2懲罰支持向量機(jī)

2.4.3均勻懲罰SVC的學(xué)習(xí)錯誤率分析

2.4.4懲罰因子校正

2.5籽種CT特征SVN分析實驗及討論

2.5.1實驗過程

2.5.2籽種影像特征提取

2.5.3結(jié)果分析、對比及討論

2.6本章小結(jié)

第3章病害圖像預(yù)處理及其病變識別

3.1蘋果病害圖像采集及識別

3.1.1蘋果病害及其病變圖像特征

3.1.2基于圖像的病害識別

3.2病害圖像的預(yù)處理

3.2.1圖像整形和采集方位多樣性仿真

3.2.2圖像采集亮度多樣性和多樣性組合

3.2.3圖像灰值化和稀疏化

3.3病變圖像特征提取及方法

3.3.1數(shù)據(jù)相關(guān)性分析降維的特征提取

3.3.2半監(jiān)督學(xué)習(xí)的降維特征提取

3.3.3監(jiān)督深度學(xué)習(xí)提取特征和卷積網(wǎng)絡(luò)

3.4卷積運(yùn)算和深度卷積神經(jīng)網(wǎng)絡(luò)

3.4.1像卷積運(yùn)算

3.4.2卷積的局部、全局連接

3.4.3LeNet卷積神經(jīng)網(wǎng)絡(luò)及其特征圖多對多組合

3.5本章小結(jié)

第4章主成分圖像降維的病變模式識別

4.1圖像特征提取和PCA方法

4.2PCA方法

4.2.1PCA降維的基本過程

4.2.2均值和協(xié)方差

4.2.3本征值和本征向量

4.2.4數(shù)據(jù)集的PCA分析和重構(gòu)

4.3基于距離的重構(gòu)數(shù)據(jù)誤差分析

4.3.1PCA降維

4.3.2溢界丟棄PCA方法和病變圖像降維

4.4實驗結(jié)果與分析

4.4.1重構(gòu)性能分析

4.4.2識別性能分析

4.5本章小結(jié)

第5章玻爾茲曼機(jī)圖像降維的病害識別

5.1限制玻爾茲曼機(jī)

5.1.1麥克斯韋玻爾茲曼分布

5.1.2玻爾茲曼機(jī)機(jī)器學(xué)習(xí)模型

5.1.3玻爾茲曼機(jī)模型的能量函數(shù)

5.2理想玻爾茲曼機(jī)學(xué)習(xí)和自動編碼

5.2.1模型節(jié)點(diǎn)激活的條件概率

5.2.2樣本的概率分布

5.2.3理想梯度上升的玻爾茲曼機(jī)學(xué)習(xí)

5.2.4RBM自動編碼網(wǎng)絡(luò)

5.3玻爾茲曼機(jī)對比散度學(xué)習(xí)和隨機(jī)反饋學(xué)習(xí)

5.3.1樸素對比發(fā)散方法學(xué)習(xí)方法

5.3.2基于反饋的隨機(jī)對比散度方法

5.4模型評價和實驗分析

5.4.1基于分批的學(xué)習(xí)和機(jī)器模型評價

5.4.2玻爾茲曼機(jī)的病變圖像降維實驗及分析

5.4.3基于識別性能分析

5.5本章小結(jié)

第6章基于深度卷積網(wǎng)絡(luò)的病變圖像識別

6.1卷積神經(jīng)網(wǎng)絡(luò)

6.1.1網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)

6.1.2網(wǎng)絡(luò)功能流程

6.1.3網(wǎng)絡(luò)BP梯度偏差傳遞算法

6.2彈性動量學(xué)習(xí)

6.2.1算子學(xué)習(xí)和參數(shù)學(xué)習(xí)

6.2.2彈性動量的權(quán)值更新方法

6.3識別網(wǎng)絡(luò)的實現(xiàn)

6.3.1全局參數(shù)

6.3.2卷積層參數(shù)

6.3.3采樣層參數(shù)

6.3.4網(wǎng)絡(luò)的初始化

6.3.5網(wǎng)絡(luò)輸入的前饋

6.3.6網(wǎng)絡(luò)誤差的后傳

6.3.7網(wǎng)絡(luò)的梯度下降和動量學(xué)習(xí)

6.4基準(zhǔn)數(shù)據(jù)上的實驗分析及討論

6.4.1MNISTZipDigit字符數(shù)據(jù)實驗及結(jié)果

6.4.2基于ORLFace數(shù)據(jù)集的人臉識別

6.5病害圖像識別實驗

6.5.1混淆矩陣和召回率

6.5.2識別性能對比

6.5.3不同網(wǎng)絡(luò)的性能收斂

6.5.4不同數(shù)據(jù)集合的識別精度收斂

6.5.5不同動量方法的誤差函數(shù)收斂性

6.6本章小結(jié)

第7章農(nóng)業(yè)智能應(yīng)用系統(tǒng)平臺的系統(tǒng)設(shè)計

7.1應(yīng)用系統(tǒng)平臺的研發(fā)背景

7.1.1目標(biāo)系統(tǒng)描述及要求

7.1.2農(nóng)業(yè)智能應(yīng)用系統(tǒng)的初步系統(tǒng)分析

7.2農(nóng)業(yè)智能應(yīng)用系統(tǒng)業(yè)務(wù)用例建模

7.2.1用戶角色

7.2.2業(yè)務(wù)對象實體

7.2.3業(yè)務(wù)用例角色

7.2.4農(nóng)業(yè)智能應(yīng)用系統(tǒng)平臺的體系結(jié)構(gòu)

7.3系統(tǒng)平臺的組件構(gòu)成模型

7.3.1農(nóng)業(yè)智能應(yīng)用系統(tǒng)平臺

7.3.2農(nóng)業(yè)智能應(yīng)用系統(tǒng)開發(fā)平臺

7.3.3農(nóng)業(yè)智能應(yīng)用系統(tǒng)運(yùn)行平臺

7.3.4農(nóng)業(yè)智能應(yīng)用系統(tǒng)

7.4農(nóng)業(yè)智能應(yīng)用系統(tǒng)平臺的系統(tǒng)設(shè)計

7.4.1功能單元及邏輯分塊

7.4.2子系統(tǒng)和功能單元

7.4.3文件目錄結(jié)構(gòu)設(shè)計

7.4.4開發(fā)平臺系統(tǒng)數(shù)據(jù)庫設(shè)計

7.4.5安全機(jī)制設(shè)計

7.5本章小結(jié)

第8章農(nóng)業(yè)領(lǐng)域的知識表示與知識管理

8.1知識和專家系統(tǒng)

8.1.1專家系統(tǒng)基本結(jié)構(gòu)

8.1.2知識表示技術(shù)

8.1.3推理策略

8.1.4知識獲取

8.2農(nóng)業(yè)領(lǐng)域的知識表示

8.2.1農(nóng)業(yè)知識規(guī)則模式

8.2.2領(lǐng)域知識表示模式

8.2.3農(nóng)業(yè)領(lǐng)域知識庫的數(shù)據(jù)庫設(shè)計

8.3農(nóng)業(yè)領(lǐng)域知識管理平臺的功能需求分析

8.3.1知識庫管理的基本功能

8.3.2知識管理

8.3.3提問式推理

8.4農(nóng)業(yè)知識管理平臺的設(shè)計與實現(xiàn)

8.4.1類和包設(shè)計與實現(xiàn)

8.4.2界面設(shè)計與實現(xiàn)

8.4.3第三方組件的應(yīng)用

8.5本章小結(jié)

第9章農(nóng)情數(shù)據(jù)庫

9.1概述

9.1.1農(nóng)業(yè)基礎(chǔ)數(shù)據(jù)

9.1.2農(nóng)業(yè)智能應(yīng)用系統(tǒng)與農(nóng)情數(shù)據(jù)庫

9.1.3農(nóng)情數(shù)據(jù)庫管理的基本問題

9.2農(nóng)情數(shù)據(jù)庫管理平臺的設(shè)計

9.2.1農(nóng)情數(shù)據(jù)庫管理

9.2.2農(nóng)情庫表結(jié)構(gòu)管理

9.2.3農(nóng)情數(shù)據(jù)管理

9.2.4農(nóng)情數(shù)據(jù)查詢

9.2.5配置到應(yīng)用系統(tǒng)

9.3本章小結(jié)

第10章農(nóng)業(yè)電子圖書

10.1電子圖書概述

10.1.1廣受歡迎的電子圖書

10.1.2農(nóng)業(yè)電子圖書與農(nóng)業(yè)智能應(yīng)用系統(tǒng)

10.1.3農(nóng)業(yè)智能應(yīng)用系統(tǒng)平臺中的農(nóng)業(yè)電子

圖書平臺

10.2農(nóng)業(yè)電子圖書平臺的設(shè)計與實現(xiàn)

10.2.1農(nóng)業(yè)電子圖書制作

10.2.2農(nóng)業(yè)電子圖書管理

10.2.3農(nóng)業(yè)電子圖書配置到農(nóng)業(yè)智能應(yīng)用系統(tǒng)

10.3本章小結(jié)

第11章農(nóng)業(yè)智能應(yīng)用系統(tǒng)管理及平臺的系統(tǒng)管理

11.1農(nóng)業(yè)智能應(yīng)用系統(tǒng)管理

11.1.1生成農(nóng)業(yè)智能應(yīng)用系統(tǒng)

11.1.2農(nóng)業(yè)智能應(yīng)用系統(tǒng)運(yùn)行平臺

11.1.3發(fā)行應(yīng)用系統(tǒng)

11.1.4軟件注冊序列號管理

11.2平臺的系統(tǒng)管理

11.2.1系統(tǒng)日志管理

11.2.2系統(tǒng)資源管理

11.2.3界面主題管理

11.2.4用戶角色管理

11.3本章小結(jié)

附錄A結(jié)論和展望

附錄B致謝

參考文獻(xiàn)