新書推薦：
《
复利效应
》
售價：HK$
48.4
《
莫雷诺心理学：慢性焦虑（西班牙临床心理学家经典入门指南，焦虑症与恐惧症治愈手册。冲破情绪困局，揭示焦虑本质）
》
售價：HK$
54.8
《
莫雷诺心理学：克服强迫症（第5版，西班牙临床心理学家经典入门指南，强迫症的诱因、病症与治疗，收录强迫症自测表）
》
售價：HK$
54.8
《
杰出投资者的情绪管理课：揭秘巴菲特不住在华尔街的真相（德国年度财经图书奖）
》
售價：HK$
87.8
《
粤港澳大湾区协同发展报告（2024）
》
售價：HK$
178.2
《
中国美术全集：陶瓷器（一部汇集中华五千年文化的大型图集）
》
售價：HK$
1680.0
《
科技革命与日本现代化
》
售價：HK$
174.6
《
天气好极了，钱几乎没有： 契诃夫书信集 1876—1904
》
售價：HK$
92.2
|
| 內容簡介： |
深度学习技术是计算机、人工智能领域的前沿技术，为智慧农业的发展提供了重要的技术支撑，是我国农业现代化、农村数字化和乡村振兴的重要技术方向。來源：香港大書城megBookStore,http://www.megbook.com.hk
本书系统介绍了深度学习的基本概念、历史发展、关键技术及其在智慧农业中的应用，着重总结了编著者在深度学习技术研究及其在智慧农业应用方面的成果，旨在为读者提供全面的知识体系。本书包含七章内容，首先对深度学习技术及其应用现状进行了概述；然后，系统介绍了小麦生育期识别、小麦小穗检测计数、小麦麦穗赤霉病检测、玉米病害识别、苹果病害识别等方面的研究；最后，探讨了基于深度学习的智慧农业发展趋势和前景展望。
本书是一本将深度学习技术研究与智慧农业生产有机结合的专著，适合作为计算机科学与技术、农业工程与信息技术、智慧农业等相关学科的科技人员、教育工作者、农技推广人员、农业管理人员及研究生、本科生等的参考读物。
|
| 目錄：
|
前言
第一章 深度学习概述
第一节 人工智能、深度学习概念与发展
一、人工智能的概念
二、人工智能的发展
三、深度学习概念
四、深度学习发展
第二节 深度学习架构与关键技术
一、深度学习架构
二、深度学习关键技术
第三节 深度学习应用
一、深度学习应用领域
二、深度学习应用案例
第四节 深度学习在智慧农业中的应用
一、国外智慧农业发展现状
二、国内智慧农业发展现状
三、深度学习在智慧农业中的应用
第二章 基于改进FasterNet的轻量化小麦生育期识别
第一节 小麦图像数据集
一、数据来源
二、数据集划分
第二节 小麦生育期识别模型
一、FasterNet
二、改进FasterNet的轻量化小麦生育期识别模型
三、Lion优化器
四、试验设置与评价指标
第三节 结果与分析
一、Channel Shuffle机制对模型的影响
二、Swin Transformer模块对模型的影响
三、消融实验
四、FSST模型与其他模型性能对比
五、小麦生育期识别结果
第四节 小结
第三章 基于深度学习的小麦小穗检测计数
第一节 研究内容与技术路线
一、研究内容
二、技术路线
第二节 研究区域与数据采集
一、研究区域
二、数据采集
第三节 数据集构建
一、数据标注
二、数据划分
三、数据清洗
第四节 YOLOv5目标检测网络模型
一、YOLOv5目标检测网络模型的网络结构
二、输入端
三、主干网络
四、Neck结构
五、输出端
第五节 YOLOv5s模型轻量化改进
一、C3结构与CSP结构
二、YOLOv5s T模型
三、YOLOv5s T＋模型
第六节 结果与分析
一、实验环境配置
二、算法评价指标
三、SSD目标检测网络模型结果分析
四、Faster R CNN目标检测网络模型结果分析
五、YOLOv5目标检测网络模型结果分析
六、测试集泛化性分析
七、YOLOv5s模型轻量化结果分析
第七节 小麦小穗检测计数系统设计与实现
一、系统设计
二、系统总体架构
三、系统实现
第八节 小结
第四章 小麦麦穗赤霉病检测和发生程度分级
第一节 小麦麦穗赤霉病数据集构建
一、数据采集
二、数据标注和划分
第二节 YOLOv8s算法轻量化改进
一、C FasterNet模块
二、GhostConv的轻量化卷积
三、损失函数Focal CIoU改进
四、目标检测头（Detection Head）改进
五、YOLOv8s CGF模型
第三节 模型结果分析
一、模型消融实验
二、不同模型对比结果和分析
三、统计分析试验
四、小麦麦穗赤霉病计数结果和分析
五、小麦麦穗赤霉病发生程度预测结果
第四节 小结
第五章 玉米病害识别
第一节 研究内容与数据集构建
一、研究内容与技术路线
二、玉米图像数据集
三、玉米图像预处理
第二节 基于VGG 16模型的玉米病害识别
一、特征可视化
二、VGG 16模型对玉米病害的识别结果
第三节 基于GoogLeNet的玉米病害识别
一、Inception结构
二、GoogLeNet对玉米病害的识别结果
第四节 基于改进VGG多尺度卷积神经网络的玉米病害识别
一、改进的VGG多尺度卷积神经网络
二、模型优化措施
第五节 病害识别结果与分析
一、实验环境与参数设置
二、图像分辨率对模型识别准确率的影响
三、数据源对模型识别准确率的影响
四、不同卷积神经网络的识别准确率对比
五、模型泛化能力分析
第六节 小结
第六章 苹果病害识别
第一节 研究内容与数据集构建
一、研究内容与技术路线
二、苹果病害数据集构建
三、数据集预处理与增强
第二节 基于ResNet101的苹果叶片病害分类
一、深度残差网络结构
二、环境参数与评价指标
三、实验结果与分析
第三节 基于YOLOv5s模型的苹果叶片病斑实时检测
一、叶片病害数据标注
二、基于YOLO的苹果叶片病害检测模型
三、环境参数与评价指标
四、BTC YOLOv5s的苹果叶片病害检测模型性能分析
五、消融实验与注意力机制分析
六、主流检测模型性能对比
七、模型鲁棒性检测
第四节 病害检测系统开发
一、系统需求分析
二、系统设计
三、系统实现
四、系统功能与性能测试
第五节 小结
第七章 智慧农业中深度学习发展趋势和前景展望
第一节 基于深度学习的智慧农业发展现状与趋势
一、智慧种植发展现状
二、智慧植保发展现状
三、精准估产发展现状
四、科学育种发展现状
第二节 基于深度学习的智慧农业发展面临的机遇与挑战
一、基于深度学习的智慧农业发展机遇
二、基于深度学习的智慧农业面临的挑战
第三节 基于深度学习的智慧农业发展对策与建议
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
