溫室移動機器人視覺系統(tǒng)關鍵技術研究

第1章 緒論
1.1 研究背景
1.2 相關研究進展
1.3 深度學習基本原理
1.4 主要研究內容
1.5 小結
第2章 作物病害分類識別
2.1 番茄葉部病害圖像數(shù)據(jù)集
2.2 番茄葉部病害分類識別
2.3 顯著性圖生成方法
2.4 病害識別模型的訓練及評估
2.5 病害識別效果分析
2.6 小結
第3章 植株關鍵器官實時目標檢測
3.1 植株圖像數(shù)據(jù)采集
3.2 目標檢測模型
3.3 骨干網(wǎng)絡分析及設計
3.4 檢測模型構建與評估
3.5 關鍵器官目標檢測效果分析
3.6 小結
第4章 自監(jiān)督雙目植株圖像深度估計
4.1 雙目視覺基本原理
4.2 自監(jiān)督深度估計方法
4.3 模型網(wǎng)絡結構設計
4.4 深度估計試驗方法
4.5 深度估計效果與影響因素分析
4.6 小結
第5章 雙目植株圖像深度估計方法優(yōu)化
5.1 視差及置信度預測
5.2 稠密卷積自編碼器
5.3 深度真值獲取及深度恢復性能評估
5.4 深度估計效果測試
5.5 空間相關性假設
5.6 小結
第6章 溫室移動機器人自監(jiān)督位姿跟蹤
6.1 自監(jiān)督位姿變換估計模型的提出
6.2 模型的網(wǎng)絡結構設計
6.3 數(shù)據(jù)集構建及模型評估方法
6.4 模型的性能測試及分析
6.5 小結
第7章 基于無監(jiān)督光流的視覺里程估計
7.1 基于雙目視頻的位姿估計基本原理
7.2 基于幾何約束的無監(jiān)督光流估計模型的提出
7.3 光流估計網(wǎng)絡結構設計
7.4 軌跡真值獲取與模型評估
7.5 視覺里程跟蹤效果分析
7.6 小結
第8章 植株圖像弱監(jiān)督語義分割
8.1 弱監(jiān)督圖像分割模型
8.2 模型主干網(wǎng)絡設計
8.3 數(shù)據(jù)集構建與模型實現(xiàn)
8.4 弱監(jiān)督語義分割效果及分析
8.5 小結
參考文獻