教育论文网

基于机器学习的大米外观品质检测方法研究

论文目录
摘要第1-6页
abstract第6-7页
第一章 绪论第10-14页
    1.1 研究背景及意义第10页
    1.2 国内外研究现状第10-12页
        1.2.1 国外研究现状第10-11页
        1.2.2 国内研究现状第11-12页
    1.3 本文应用创新第12-13页
    1.4 论文结构安排第13-14页
第二章 相关理论与技术第14-26页
    2.1 机器学习概述第14-15页
    2.2 BP网络概述第15-18页
        2.2.1 BP网络结构第15-16页
        2.2.2 BP网络算法流程第16-18页
    2.3 卷积神经网络概述第18-25页
        2.3.1 卷积神经网络的发展第18-20页
        2.3.2 卷积神经网络的结构第20-25页
    2.4 本章小结第25-26页
第三章 大米图像预处理研究第26-36页
    3.1 引言第26页
    3.2 大米图像检测系统第26-29页
        3.2.1 硬件系统第26-27页
        3.2.2 软件环境第27页
        3.2.3 大米选取与分类规定第27-29页
    3.3 大米图像预处理算法第29-34页
        3.3.1 图像灰度化第29-30页
        3.3.2 边缘检测算法第30-31页
        3.3.3 图像滤波算法第31-33页
        3.3.4 图像分割算法第33页
        3.3.5 区域标记算法第33-34页
    3.4 本章小结第34-36页
第四章 基于BP神经网络的大米外观品质检测方法研究第36-51页
    4.1 引言第36页
    4.2 特征参数的提取第36-46页
        4.2.1 碎米粒特征参数的提取第36-40页
        4.2.2 黄米粒特征参数的提取第40-44页
        4.2.3 垩白粒特征参数的提取第44-46页
    4.3 BP神经网络的设计第46-48页
    4.4 BP网络学习过程及检测结果第48-50页
        4.4.1 网络学习过程第48-49页
        4.4.2 BP网络检测结果第49-50页
    4.5 本章小结第50-51页
第五章 基于卷积神经网络的大米外观品质检测方法研究第51-67页
    5.1 引言第51页
    5.2 MobileNet V1 网络第51-54页
        5.2.1 网络结构第51-53页
        5.2.2 网络选取第53-54页
    5.3 MobileNet V1 网络优化第54-60页
        5.3.1 模型优化算法第55-56页
        5.3.2 网络优化过程第56-58页
        5.3.3 网络参数变化情况及优化后的网络结构第58-60页
    5.4 PC端实验设计第60-62页
        5.4.1 数据集制备第60-61页
        5.4.2 网络编写第61页
        5.4.3 结果分析第61-62页
    5.5 网络移植及测试第62-65页
        5.5.1 应用开发流程第62-64页
        5.5.2 移动端测试第64-65页
    5.6 本章小结第61-67页
第六章 总结与展望第67-69页
    6.1 本文工作总结第67页
    6.2 后续研究展望第67-69页
致谢第69-70页
参考文献第70-73页
攻读硕士学位期间取得的成果第73页

本篇论文共73页,点击 这进入下载页面

 
 
Copyright(C) All Rights Reserved
客服QQ:304386486
目录由用户 802829** 提供,作者删除入口请点击这里