幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

面向農業應用場景的智能化演算法設計與實現/信息科學技術前沿叢書

  • 作者：張莉|責編:滿志文
  • 出版社：北京郵電大學
  • ISBN：9787563579112
  • 出版日期：2026/07/01
  • 裝幀：平裝
  • 頁數：210
人民幣：RMB 68 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    隨著人工智慧與農業信息化的深度融合，智能農業技術正迎來革命性突破。在技術賦能下，農業正逐步從依賴經驗的傳統模式，邁向數據驅動、精準作業的智能化新階段。
    本書第1章系統回顧了農業從傳統模式向智能化的演進過程，重點探討了智能技術在病蟲害檢測與生產管理中的應用及其對農業效率與可持續性的推動作用。隨後，第2章基於圖像處理與深度學習，構建了番茄營養失衡的移動端識別系統，顯著提升了病害診斷的便捷性與準確率。第3章進一步利用數據增強技術優化了番茄成熟度分類模型，實現了高效精準的識別。在蘋果果實分析方面，第4、5章分別設計了輕量級成熟度分類模型與多任務卷積網路，不僅解決了複雜環境下的果實分級難題，還同步實現了成熟度與外觀缺陷的智能判別。第6、7章通過多任務級聯卷積網路及其輕量化改進結構，在蘋果、草莓和橙子等多種果實上驗證了高效的檢測性能與泛化能力。此外，第8章針對蘋果採摘機器人，提出了融合雙邊濾波與高斯金字塔的視覺定位演算法，顯著提升了三維定位的精度與速度。第9章通過自組織映射與遺傳演算法的聯合優化，實現了對採摘路徑的動態規劃。最後，第10章展望了深度學習在推動農業高效、可持續發展以及保障糧食安全方面的廣闊前景。
    本書既可作為高等院校農業工程、電腦視覺、機器人等相關專業研究生與高年級本科生的教學參考用書，也可供從事智能農業裝備研發的科研人員與工程技術人員參考借鑒。
作者介紹
張莉|責編:滿志文
目錄
第1章  概述
  1.1  總體概述
    1.1.1  農業發展概述
    1.1.2  從標準農業實踐到智能農業的轉變
    1.1.3  智能農業與病蟲害監測技術發展
  1.2  農業及其他領域的革新
    1.2.1  三維機器視覺在農業中的應用
    1.2.2  農作物病蟲害識別領域的進展
本章參考文獻
第2章  番茄病害識別模型研究與診斷系統設計
  2.1  概述
    2.1.1  應用背景
    2.1.2  系統內容
    2.1.3  設計思路
  2.2  數據集構建
    2.2.1  數據收集
    2.2.2  數據增強
  2.3  識別模型
    2.3.1  基於CNN的識別模型構建
    2.3.2  番茄病害識別結果
  2.4  微量元素失衡診斷系統設計
    2.4.1  客戶端診斷系統
    2.4.2  在線診斷系統
    2.4.3  識別系統部署
  2.5  本章小結
本章參考文獻
第3章  番茄成熟度分類模型研究
  3.1  概述
    3.1.1  背景概述
    3.1.2  設計思路
  3.2  數據獲取與劃分
  3.3  數據集增強
    3.3.1  幾何變換增強
    3.3.2  添加雜訊增強
    3.3.3  聯合增強
  3.4  分類架構
    3.4.1  架構設計
    3.4.2  代碼實現
  3.5  實驗
    3.5.1  幾何變換數據集的效果
    3.5.2  S+雜訊數據集的效果
    3.5.3  R+雜訊數據集的效果
    3.5.4  S&R+雜訊數據集的效果
    3.5.5  其他增強方法的性能比較
    3.5.6  運行時間分析
  3.6  本章小結
本章參考文獻
第4章  面向注意力機制的輕量級蘋果成熟度分類模型研究
  4.1  概述
  4.2  數據獲取與數據集建立

  4.3  AFGL-MC架構設計
    4.3.1  層單元
    4.3.2  模塊單元
    4.3.3  損失函數
  4.4  模型訓練與驗證
  4.5  實驗與結果分析
    4.5.1  成熟度分類結果
    4.5.2  模型對比結果
    4.5.3  泛化評估
    4.5.4  參數和時間成本評估
  4.6  本章小結
本章參考文獻
第5章  輕量級多任務蘋果成熟度分類模型研究
  5.1  數據集的建立
    5.1.1  數據獲取
    5.1.2  圖像預處理
  5.2  基於CNN的輕量級多任務分類
    5.2.1  主幹網路
    5.2.2  分類子網路
  5.3  實驗
  5.4  結果
    5.4.1  D-Net結果
    5.4.2  M-Net結果
  5.5  本章小結
本章參考文獻
第6章  多任務級聯網路的果實目標識別檢測模型研究
  6.1  概述
    6.1.1  基於圖像處理
    6.1.2  基於機器學習
  6.2  F-MTCNN檢測器
    6.2.1  設計思路
    6.2.2  整體架構
    6.2.3  損失函數
  6.3  數據集
    6.3.1  圖像獲取
    6.3.2  訓練數據
    6.3.3  融合增強演算法
  6.4  實驗與分析
    6.4.1  驗證方法
    6.4.2  與增強數據集的比較
    6.4.3  與不同閾值的比較
    6.4.4  與不同狀態的比較
    6.4.5  與其他類型的比較
    6.4.6  時間成本
  6.5  本章小結
本章參考文獻
第7章  改進的多任務級聯網路的目標檢測模型研究
  7.1  概述
  7.2  果實多任務級聯網路模型
    7.2.1  基於MTCNN的果實識別檢測模型構建

    7.2.2  損失函數
  7.3  數據集建立與增強處理
    7.3.1  子元素描述
    7.3.2  子元素獲取
    7.3.3  生成合成數據集
  7.4  實驗與分析
    7.4.1  模型性能實驗
    7.4.2  模型對比實驗
    7.4.3  模型泛化實驗
  7.5  本章小結
本章參考文獻
第8章  基於雙目立體視覺的空間定位與視差補全演算法研究
  8.1  概述
  8.2  雙目相機的標定原理與結果
    8.2.1  成像與坐標系轉換原理
    8.2.2  雙目深度估計原理
    8.2.3  張正友雙目標定原理
    8.2.4  標定結果
  8.3  基於雙邊濾波與金字塔融合的視差補全演算法
    8.3.1  半全局匹配(SGM)的定位演算法原理
    8.3.2  基於雙邊濾波的視差補全
    8.3.3  多尺度視差融合優化
  8.4  實驗與分析
    8.4.1  基於SGM的深度估計實驗
    8.4.2  基於雙邊濾波的視差補全實驗
    8.4.3  基於金字塔模型的視差融合實驗
    8.4.4  多樣本實驗結果
    8.4.5  對比實驗
  8.5  本章小結
本章參考文獻
第9章  近最優採摘演算法研究
  9.1  概述
  9.2  基於SOM-GA的最短採摘路徑演算法研究
    9.2.1  閾值的選擇與設定
    9.2.2  SOM演算法策略
    9.2.3  GA演算法策略
  9.3  實驗與分析
    9.3.1  閾值實驗
    9.3.2  近最優對比實驗
    9.3.3  收斂性對比實驗
  9.4  本章小結
本章參考文獻
第10章  總結與展望
  10.1  結論
  10.2  展望

  • 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