本书结合潍坊科技学院山东省高校设施园艺实验室资助项目，旨在根据对当前蔬菜产业的发展现状分析，从全产业链角度（产前、产中、产后）出发，利用现代信息技术、图像处理和机器学习等理论获取蔬菜表型和生长信息，开展蔬菜全产业链机器视觉关键技术研究，提出蔬菜全产业链中机器自主实时检测的技术与方法，结合植物科学、植物病理学、植物营养学等理论知识为精细农业提供理论依据和技术储备，也为改变我国蔬菜产业“散而不聚，大而不强，粗而不精，多而不优”的现状提供技术支撑。

前言
1 绪论
1.1 研究背景与意义
1.2 蔬菜全产业链机器视觉关键技术全球研究现状
1.2.1 文献来源
1.2.2 文献处理
1.2.3 全球蔬菜全产业链机器视觉关键技术研究文献计量分析
1.2.4 全球蔬菜全产业链机器视觉关键技术研究趋势分析
1.2.5 全球蔬菜全产业链机器视觉关键技术研究述评
1.3 研究目的与内容
1.3.1 研究目的
1.3.2 研究内容
2 机器视觉及其相关技术与蔬菜全产业链转型
2.1 机器视觉的概念
2.2 机器视觉的组成部分
2.2.1 照明系统
2.2.2 相机
2.2.3 图像处理软件
2.3 机器视觉的工作原理和技术优势
2.3.1 机器视觉的工作原理
2.3.2 机器视觉的技术优势
2.4 机器视觉的技术瓶颈
2.4.1 机器视觉的检测识别性能亟待改进
2.4.2 机器视觉的硬件存储能力亟待提升
2.4.3 机器视觉的算法模型亟待优化
2.5 传统图像识别技术概述
2.5.1 图像识别技术的产生
2.5.2 传统图像识别技术
2.6 基于深度学习的图像分类技术
2.6.1 深度学习的理论
2.6.2 卷积神经网络的起源和发展
2.6.3 卷积神经网络的特点
2.6.4 卷积神经网络的训练过程
2.7 基于深度学习的目标检测技术
2.7.1 基于区域的卷积神经网络
2.7.2 基于区域的快速卷积神经网络
2.7.3 基于区域的更快卷积神经网络
2.7.4 单次多盒检测器
2.7.5 YOLO网络
2.8 机器视觉的典型应用领域
2.8.1 图像识别应用领域
2.8.2 图像检测应用领域
2.8.3 视觉定位应用领域
2.8.4 物体测量应用领域
2.8.5 物体分拣应用领域
2.9 机器视觉助力蔬菜产业智慧化转型升级
2.9.1 机器视觉提高蔬菜机器装备智能化
……
3 温室复杂背景下蔬菜病害图像识别
4 温室复杂背景下蔬菜采摘定位机器视觉关键技术
5 面向商超应用的蔬菜智能称重机器视觉关键技术
6 智慧农业驱动蔬菜全产业链变革研究
7 蔬菜全产业链机器视觉关键技术相关应用
8 蔬菜全产业链机器视觉关键技术展望
参考文献
后记