基于深度学习的农作物害虫检测方法研究与应用

声明

摘要

第1章绪论

1．1研究背景与意义

1．2研究现状与趋势

1．2．1 传统害虫识别与检测方法

1．2．2基于深度学习的计算机视觉技术

1．2．3基于深度学习的害虫识别与检测

1．3面临问题与挑战

1．4主要创新点

1．5章节安排

第2章基础理论与相关工作

2．1卷积神经网络

2．1．1卷积层

2．1．2池化层

2．1．3激活函数

2．1．4归一化层

2．1．5损失函数

2．1．6优化器

2．2 目标检测技术

2．2．1骨干网络

2．2．2特征金字塔

2．2．3单阶段目标检测方法

2．2．4两阶段目标检测方法

2．2．5非极大值抑制

2．3害虫识别与检测技术

2．3．1 传统图像处理方法

2．3．2深度学习方法

2．3．3 目前方法的主要问题

2．4本章小结

第3章大规模害虫图像数据集构建

3．1 目前的大规模数据集

3．1．1通用目标检测数据集

3．1．2当前农作物害虫数据集

3．2 MPD2018数据集

3．2．1 图像采集

3．2．2图像标注

3．2．3数据集难点分析

3．3 AgriPest数据集

3．3．1 图像采集

3．3．2图像标注

3．3．3数据集结构

3．3．4数据集对比与难点分析

3．4实验基准设计

3．4．1评估指标

3．4．2 MPD2018实验结果

3．4．3 AgriPest实验结果

3．5本章小结

第4章基于混合全局与局部特征的害虫检测方法

4．1研究动机

4．2全局激活特征金字塔网络

4．2．1通道注意力模块

4．2．2空间注意力模块

4．3局部激活区域生成网络

4．3．1 上下文特征强化模块

4．3．2 自注意力激活模块

4．4实验结果分析

4．4．1 MPD2018数据集实验结果

4．4．2 AgriPest数据集实验结果

4．5本章小结

第5章基于尺度感知特征选择模块的目标检测方法

5．1 研究动机

5．1．1 区域生成网络分析

5．1．2头部网络分析

5．2尺度感知特征选择模块

5．2．1 目标尺度差异问题

5．2．2 RoI特征金字塔

5．2．3加权门函数

5．2．4优化

5．2．5多级尺度感知特征选择结构

5．3实验结果分析

5．3．1通用目标检测任务

5．3．2害虫检测任务

5．4本章小结

第6章总结与展望

6．1研究工作总结

6．2不足与展望

参考文献

致谢

在读期间发表的学术论文与取得的研究成果