前言
第1章 绪论
1.1 引言
1.2 人工智能技术研究现状及分析
1.2.1 人工智能的定义及基本内容
1.2.2 人工智能中的逻辑与知识表示
1.2.2.1 基于图的知识表示
1.2.2.2 基于逻辑的识别表示
1.2.2.3 产生式系统
1.2.2.4 知识图谱
1.2.3 专家系统研究现状及分析
1.2.4 自然语言理解研究现状及分析
1.2.5 机器学习技术研究现状及分析
1.2.5.1 宽度学习
1.2.5.2 深度学习
1.2.6 机器感知、思维及行为
1.3 图像识别技术研究现状及分析
1.4 本章小结
参考文献
第2章 茶叶病虫害及其远程监测与识别技术
2.1 引言
2.2 茶叶常见病害
2.3 茶叶常见虫害
2.4 茶叶病虫害远程监测与自动识别
2.4.1 茶园数据采集系统
2.4.1.1 体系结构
2.4.1.2 关键技术
2.4.2 茶叶大数据平台
2.4.3 茶叶病虫害数据采集及自动识别
2.5 发展趋势
2.6 本章小结
参考文献
第3章 茶叶病虫害图像的特征提取与图像分割技术
3.1 引言
3.2 图像预处理方法
3.3 特征提取算法
3.4 图像分割算法
3.4.1 基于聚类和边缘的图像分割
3.4.2 基于深度学习的图像分割
3.5 存在的问题
3.6 本章小结
参考文献
第4章 采用迁移学习技术的茶叶常见病害识别方法
4.1 引言
4.2 迁移学习
4.3 深度卷积网络模型设计
4.4 图像分割方法
4.5 模型的训练与优化
4.6 采用迁移学习技术的病害识别算法
4.7 实验及结果分析
4.7.1 数据集的构建
4.7.2 实验结果分析
4.8 本章小结
参考文献
第5章 基于BP神经网络的茶叶病害识别方法
5.1 引言
5.2 BP神经网络
5.3 茶叶病害识别方法的设计
5.4 实验结果及分析
5.5 本章小结
参考文献
第6章 基于改进支持向量机的茶叶病虫害识别方法
6.1 引言
6.2 改进的支持向量机模型
6.3 参数优化方法
6.4 茶叶病虫害图像的预处理及特征提取
6.5 模型的训练过程
6.6 实验及结果分析
6.6.1 实验方案及参数设置
6.6.2 实验结果分析
6.7 本章小结
参考文献
第7章 采用深度卷积网络的茶叶病虫害识别技术
7.1 引言
7.2 茶叶病虫害数据集的构建
7.2.1 病虫害数据集
7.2.2 图像分割方法
7.3 深度卷积网络的设计
7.4 采用深度卷积网络的茶叶病虫害识别算法
7.4.1 深度卷积网络结构
7.4.2 网络模型的训练
7.4.3 卷积网络模型分析
7.5 实验及分析
7.6 本章小结
参考文献
第8章 深度卷积网络优化技术及其在茶叶病虫害识别中的应用
8.1 引言
8.2 深度卷积网络的训练方法
8.3 参数优化方法
8.3.1 卷积核分析
8.3.2 参数分布与优化
8.3.3 模型分析与验证
8.4 深度卷积网络的剪枝方法
8.4.1 面向下一层参数的剪枝方法
8.4.2 基于参数类比的剪枝方法
8.5 实验结果及分析
8.5.1 实验方案及参数设置
8.5.2 实验结果分析
8.6 本章小结
参考文献
第9章 茶叶病虫害诊断专家系统
9.1 病虫害诊断专家系统原理
9.2 病虫害信息推荐
9.2.1 信息推荐模型
9.2.2 信息推荐算法
9.3 病虫害诊断模型
9.3.1 知识库的构建
9.3.2 推理机模型
9.4 茶叶病虫害诊断专家系统的设计与开发
9.5 实验结果及分析
9.6 本章小结
参考文献
第10章 茶叶病虫害识别与防治技术发展趋势
10.1 茶叶病虫害防治大数据平台
10.2 病虫害识别算法的优化与改进
10.3 智慧茶园建设
10.4 本章小结
参考文献
第11章 总结与展望
附录
展开
