蔬菜全產(chǎn)業(yè)鏈機器視覺關(guān)鍵技術(shù)

前言
1 緒論
1.1 研究背景與意義
1.2 蔬菜全產(chǎn)業(yè)鏈機器視覺關(guān)鍵技術(shù)全球研究現(xiàn)狀
1.2.1 文獻來源
1.2.2 文獻處理
1.2.3 全球蔬菜全產(chǎn)業(yè)鏈機器視覺關(guān)鍵技術(shù)研究文獻計量分析
1.2.4 全球蔬菜全產(chǎn)業(yè)鏈機器視覺關(guān)鍵技術(shù)研究趨勢分析
1.2.5 全球蔬菜全產(chǎn)業(yè)鏈機器視覺關(guān)鍵技術(shù)研究述評
1.3 研究目的與內(nèi)容
1.3.1 研究目的
1.3.2 研究內(nèi)容
2 機器視覺及其相關(guān)技術(shù)與蔬菜全產(chǎn)業(yè)鏈轉(zhuǎn)型
2.1 機器視覺的概念
2.2 機器視覺的組成部分
2.2.1 照明系統(tǒng)
2.2.2 相機
2.2.3 圖像處理軟件
2.3 機器視覺的工作原理和技術(shù)優(yōu)勢
2.3.1 機器視覺的工作原理
2.3.2 機器視覺的技術(shù)優(yōu)勢
2.4 機器視覺的技術(shù)瓶頸
2.4.1 機器視覺的檢測識別性能亟待改進
2.4.2 機器視覺的硬件存儲能力亟待提升
2.4.3 機器視覺的算法模型亟待優(yōu)化
2.5 傳統(tǒng)圖像識別技術(shù)概述
2.5.1 圖像識別技術(shù)的產(chǎn)生
2.5.2 傳統(tǒng)圖像識別技術(shù)
2.6 基于深度學習的圖像分類技術(shù)
2.6.1 深度學習的理論
2.6.2 卷積神經(jīng)網(wǎng)絡(luò)的起源和發(fā)展
2.6.3 卷積神經(jīng)網(wǎng)絡(luò)的特點
2.6.4 卷積神經(jīng)網(wǎng)絡(luò)的訓練過程
2.7 基于深度學習的目標檢測技術(shù)
2.7.1 基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)
2.7.2 基于區(qū)域的快速卷積神經(jīng)網(wǎng)絡(luò)
2.7.3 基于區(qū)域的更快卷積神經(jīng)網(wǎng)絡(luò)
2.7.4 單次多盒檢測器
2.7.5 YOLO網(wǎng)絡(luò)
2.8 機器視覺的典型應用領(lǐng)域
2.8.1 圖像識別應用領(lǐng)域
2.8.2 圖像檢測應用領(lǐng)域
2.8.3 視覺定位應用領(lǐng)域
2.8.4 物體測量應用領(lǐng)域
2.8.5 物體分揀應用領(lǐng)域
2.9 機器視覺助力蔬菜產(chǎn)業(yè)智慧化轉(zhuǎn)型升級
2.9.1 機器視覺提高蔬菜機器裝備智能化
……
3 溫室復雜背景下蔬菜病害圖像識別
4 溫室復雜背景下蔬菜采摘定位機器視覺關(guān)鍵技術(shù)
5 面向商超應用的蔬菜智能稱重機器視覺關(guān)鍵技術(shù)
6 智慧農(nóng)業(yè)驅(qū)動蔬菜全產(chǎn)業(yè)鏈變革研究
7 蔬菜全產(chǎn)業(yè)鏈機器視覺關(guān)鍵技術(shù)相關(guān)應用
8 蔬菜全產(chǎn)業(yè)鏈機器視覺關(guān)鍵技術(shù)展望
參考文獻
后記