幫助中心 | 我的帳號 | 關於我們

深度學習在農作物病蟲害智能診斷及農業智能系統中的應用與實踐(精)

  • 作者:譚文學//梅曉勇//王細萍//譚明濤//李劍波等|責編:梁穎//李曄
  • 出版社:清華大學
  • ISBN:9787302534372
  • 出版日期:2021/02/01
  • 裝幀:精裝
  • 頁數:270
人民幣:RMB 128 元      售價:
放入購物車
加入收藏夾

內容大鋼
    本書運用深度學習方法研究了農作物病蟲害智能診斷及其應用與實踐。首先,分別圍繞CT圖像籽種品質評價定級的人工智慧方法、病變圖像模式數值分析降維方法、半監督深度學習降維、病害圖像模式監督深度學習降維等方法展開深入研究;拓展深度學習的理論和應用範疇,構造基於深度學習的農業信息智能分析處理的數據結構和演算法;其次,從軟體工程視角,詳細地闡述了「農業智能應用系統平台」的設計和實現方法,特別是農業領域知識表示、電子圖書、農情資料庫等子系統的設計及其技術解決方案。
    本書緊扣深度學習的農作物病害圖像識別和協同診斷主題,提供了大量農作物病害圖像實例集,實用性較強,可作為智能科學與技術、農業信息化、農業工程及其他相關專業的高年級本科生和研究生教材,也可作為農業工程技術人員研究、開發農業智能應用系統和智慧農業App的參考用書。

作者介紹
譚文學//梅曉勇//王細萍//譚明濤//李劍波等|責編:梁穎//李曄
    譚文學,男,1973年7月出生,博士,教授,系統分析師,中國電腦協會會員。主要從事電腦科學與技術及相關專業的教學與科研工作,研究方向:深度學習、人工智慧及農業智能系統、雲計算與網路信息安全等。近5年在國內、國際期刊、國際會議上發表論40余篇,其中20余篇被EI、SCI等資料庫收錄。

目錄
第1章  病蟲害智能診斷和農業智能系統概述
  1.1  深度學習在作物圖像處理及病害識別領域的應用背景
    1.1.1  圖像信息成為農業物聯網大數據的「主力軍」
    1.1.2  破解「視而不見」困局的關鍵在於圖像信息的
機器識別
    1.1.3  作物病害圖像識別是發展精準、高效、綠色
農業的基石
    1.1.4  深度機器學習有機融入是智慧農業的
必由之路
  1.2  病蟲害智能診斷的研究目標及內容
    1.2.1  研究目標
    1.2.2  研究內容
  1.3  國內外智能診斷的研究現狀和發展趨勢
    1.3.1  圖像技術在病害識別診斷上的應用
    1.3.2  機器學習的圖像降維和特徵提取研究
    1.3.3  農業專家系統和病害診斷技術研究
    1.3.4  深度方法在圖像等非結構化數據識別
領域的研究
  1.4  專家系統概述及其發展概況
  1.5  專家系統的開發方式
  1.6  農業信息化技術和農業專家系統
    1.6.1  農業信息化技術
    1.6.2  農業專家系統
  1.7  農業專家系統開發工具的研究
  1.8  多媒體農業智能應用系統
    1.8.1  多媒體農業智能應用系統
    1.8.2  多媒體農業智能應用系統平台
  1.9  主要工作及本書結構
第2章  CT圖像特徵的支持向量網路籽種品質評價
  2.1  支持向量網路和籽種品質智能評價
  2.2  SVN的理論基礎
    2.2.1  優化問題的基本概念
    2.2.2  優化問題的最優解條件
    2.2.3  博弈問題和對偶理論
    2.2.4  Wolfe對偶(烏爾夫對偶)方法
  2.3  線性SVN和基於核的SVN
    2.3.1  規範超平面和SVN的形式化問題
    2.3.2  SVN的形式化求解
    2.3.3  基於核的支持向量網路和VC維
  2.4  懲罰校正SVN
    2.4.1  問題描述
    2.4.2  懲罰支持向量機
    2.4.3  均勻懲罰SVC的學習錯誤率分析
    2.4.4  懲罰因子校正
  2.5  籽種CT特徵SVN分析實驗及討論
    2.5.1  實驗過程
    2.5.2  籽種影像特徵提取
    2.5.3  結果分析、對比及討論
  2.6  本章小結
第3章  病害圖像預處理及其病變識別

  3.1  蘋果病害圖像採集及識別
    3.1.1  蘋果病害及其病變圖像特徵
    3.1.2  基於圖像的病害識別
  3.2  病害圖像的預處理
    3.2.1  圖像整形和採集方位多樣性模擬
    3.2.2  圖像採集亮度多樣性和多樣性組合
    3.2.3  圖像灰值化和稀疏化
  3.3  病變圖像特徵提取及方法
    3.3.1  數據相關性分析降維的特徵提取
    3.3.2  半監督學習的降維特徵提取
    3.3.3  監督深度學習提取特徵和卷積網路
  3.4  卷積運算和深度卷積神經網路
    3.4.1  像卷積運算
    3.4.2  卷積的局部、全局連接
    3.4.3  LeNet卷積神經網路及其特徵圖多對多組合
  3.5  本章小結
第4章  主成分圖像降維的病變模式識別
  4.1  圖像特徵提取和PCA方法
  4.2  PCA方法
    4.2.1  PCA降維的基本過程
    4.2.2  均值和協方差
    4.2.3  本征值和本征向量
    4.2.4  數據集的PCA分析和重構
  4.3  基於距離的重構數據誤差分析
    4.3.1  PCA降維
    4.3.2  溢界丟棄PCA方法和病變圖像降維
  4.4  實驗結果與分析
    4.4.1  重構性能分析
    4.4.2  識別性能分析
  4.5  本章小結
第5章  玻爾茲曼機圖像降維的病害識別
  5.1  限制玻爾茲曼機
    5.1.1  麥克斯韋?玻爾茲曼分佈
    5.1.2  玻爾茲曼機機器學習模型
    5.1.3  玻爾茲曼機模型的能量函數
  5.2  理想玻爾茲曼機學習和自動編碼
    5.2.1  模型節點激活的條件概率
    5.2.2  樣本的概率分佈
    5.2.3  理想梯度上升的玻爾茲曼機學習
    5.2.4  RBM自動編碼網路
  5.3  玻爾茲曼機對比散度學習和隨機反饋學習
    5.3.1  樸素對比發散方法學習方法
    5.3.2  基於反饋的隨機對比散度方法
  5.4  模型評價和實驗分析
    5.4.1  基於分批的學習和機器模型評價
    5.4.2  玻爾茲曼機的病變圖像降維實驗及分析
    5.4.3  基於識別性能分析
  5.5  本章小結
第6章  基於深度卷積網路的病變圖像識別
  6.1  卷積神經網路

    6.1.1  網路結構和參數
    6.1.2  網路功能流程
    6.1.3  網路BP梯度偏差傳遞演算法
  6.2  彈性動量學習
    6.2.1  運算元學習和參數學習
    6.2.2  彈性動量的權值更新方法
  6.3  識別網路的實現
    6.3.1  全局參數
    6.3.2  卷積層參數
    6.3.3  採樣層參數
    6.3.4  網路的初始化
    6.3.5  網路輸入的前饋
    6.3.6  網路誤差的後傳
    6.3.7  網路的梯度下降和動量學習
  6.4  基準數據上的實驗分析及討論
    6.4.1  MNIST?Zip?Digit字元數據實驗及結果
    6.4.2  基於ORL?Face數據集的人臉識別
  6.5  病害圖像識別實驗
    6.5.1  混淆矩陣和召回率
    6.5.2  識別性能對比
    6.5.3  不同網路的性能收斂
    6.5.4  不同數據集合的識別精度收斂
    6.5.5  不同動量方法的誤差函數收斂性
  6.6  本章小結
第7章  農業智能應用系統平台的系統設計
  7.1  應用系統平台的研發背景
    7.1.1  目標系統描述及要求
    7.1.2  農業智能應用系統的初步系統分析
  7.2  農業智能應用系統業務用例建模
    7.2.1  用戶角色
    7.2.2  業務對象實體
    7.2.3  業務用例角色
    7.2.4  農業智能應用系統平台的體系結構
  7.3  系統平台的組件構成模型
    7.3.1  農業智能應用系統平台
    7.3.2  農業智能應用系統開發平台
    7.3.3  農業智能應用系統運行平台
    7.3.4  農業智能應用系統
  7.4  農業智能應用系統平台的系統設計
    7.4.1  功能單元及邏輯分塊
    7.4.2  子系統和功能單元
    7.4.3  文件目錄結構設計
    7.4.4  開發平台系統資料庫設計
    7.4.5  安全機制設計
  7.5  本章小結
第8章  農業領域的知識表示與知識管理
  8.1  知識和專家系統
    8.1.1  專家系統基本結構
    8.1.2  知識表示技術
    8.1.3  推理策略

    8.1.4  知識獲取
  8.2  農業領域的知識表示
    8.2.1  農業知識規則模式
    8.2.2  領域知識表示模式
    8.2.3  農業領域知識庫的資料庫設計
  8.3  農業領域知識管理平台的功能需求分析
    8.3.1  知識庫管理的基本功能
    8.3.2  知識管理
    8.3.3  提問式推理
  8.4  農業知識管理平台的設計與實現
    8.4.1  類和包設計與實現
    8.4.2  界面設計與實現
    8.4.3  第三方組件的應用
  8.5  本章小結
第9章  農情資料庫
  9.1  概述
    9.1.1  農業基礎數據
    9.1.2  農業智能應用系統與農情資料庫
    9.1.3  農情資料庫管理的基本問題
  9.2  農情資料庫管理平台的設計
    9.2.1  農情資料庫管理
    9.2.2  農情庫表結構管理
    9.2.3  農情數據管理
    9.2.4  農情數據查詢
    9.2.5  配置到應用系統
  9.3  本章小結
第10章  農業電子圖書
  10.1  電子圖書概述
    10.1.1  廣受歡迎的電子圖書
    10.1.2  農業電子圖書與農業智能應用系統
    10.1.3  農業智能應用系統平台中的農業電子
圖書平台
  10.2  農業電子圖書平台的設計與實現
    10.2.1  農業電子圖書製作
    10.2.2  農業電子圖書管理
    10.2.3  農業電子圖書配置到農業智能應用系統
  10.3  本章小結
第11章  農業智能應用系統管理及平台的系統管理
  11.1  農業智能應用系統管理
    11.1.1  生成農業智能應用系統
    11.1.2  農業智能應用系統運行平台
    11.1.3  發行應用系統
    11.1.4  軟體註冊序列號管理
  11.2  平台的系統管理
    11.2.1  系統日誌管理
    11.2.2  系統資源管理
    11.2.3  界面主題管理
    11.2.4  用戶角色管理
  11.3  本章小結
附錄A結論和展望

附錄B致謝
參考文獻

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032