前言 第1章 緒論 1.1 引言 1.2 人工智能技術研究現狀及分析 1.2.1 人工智能的定義及基本內容 1.2.2 人工智能中的邏輯與知識表示 1.2.2.1 基于圖的知識表示 1.2.2.2 基于邏輯的識別表示 1.2.2.3 產生式系統 1.2.2.4 知識圖譜 1.2.3 專家系統研究現狀及分析 1.2.4 自然語言理解研究現狀及分析 1.2.5 機器學習技術研究現狀及分析 1.2.5.1 寬度學習 1.2.5.2 深度學習 1.2.6 機器感知、思維及行為 1.3 圖像識別技術研究現狀及分析 1.4 本章小結 參考文獻 第2章 茶葉病蟲害及其遠程監測與識別技術 2.1 引言 2.2 茶葉常見病害 2.3 茶葉常見蟲害 2.4 茶葉病蟲害遠程監測與自動識別 2.4.1 茶園數據采集系統 2.4.1.1 體系結構 2.4.1.2 關鍵技術 2.4.2 茶葉大數據平臺 2.4.3 茶葉病蟲害數據采集及自動識別 2.5 發展趨勢 2.6 本章小結 參考文獻 第3章 茶葉病蟲害圖像的特征提取與圖像分割技術 3.1 引言 3.2 圖像預處理方法 3.3 特征提取算法 3.4 圖像分割算法 3.4.1 基于聚類和邊緣的圖像分割 3.4.2 基于深度學習的圖像分割 3.5 存在的問題 3.6 本章小結 參考文獻 第4章 采用遷移學習技術的茶葉常見病害識別方法 4.1 引言 4.2 遷移學習 4.3 深度卷積網絡模型設計 4.4 圖像分割方法 4.5 模型的訓練與優化 4.6 采用遷移學習技術的病害識別算法 4.7 實驗及結果分析 4.7.1 數據集的構建 4.7.2 實驗結果分析 4.8 本章小結 參考文獻 第5章 基于BP神經網絡的茶葉病害識別方法 5.1 引言 5.2 BP神經網絡 5.3 茶葉病害識別方法的設計 5.4 實驗結果及分析 5.5 本章小結 參考文獻 第6章 基于改進支持向量機的茶葉病蟲害識別方法 6.1 引言 6.2 改進的支持向量機模型 6.3 參數優化方法 6.4 茶葉病蟲害圖像的預處理及特征提取 6.5 模型的訓練過程 6.6 實驗及結果分析 6.6.1 實驗方案及參數設置 6.6.2 實驗結果分析 6.7 本章小結 參考文獻 第7章 采用深度卷積網絡的茶葉病蟲害識別技術 7.1 引言 7.2 茶葉病蟲害數據集的構建 7.2.1 病蟲害數據集 7.2.2 圖像分割方法 7.3 深度卷積網絡的設計 7.4 采用深度卷積網絡的茶葉病蟲害識別算法 7.4.1 深度卷積網絡結構 7.4.2 網絡模型的訓練 7.4.3 卷積網絡模型分析 7.5 實驗及分析 7.6 本章小結 參考文獻 第8章 深度卷積網絡優化技術及其在茶葉病蟲害識別中的應用 8.1 引言 8.2 深度卷積網絡的訓練方法 8.3 參數優化方法 8.3.1 卷積核分析 8.3.2 參數分布與優化 8.3.3 模型分析與驗證 8.4 深度卷積網絡的剪枝方法 8.4.1 面向下一層參數的剪枝方法 8.4.2 基于參數類比的剪枝方法 8.5 實驗結果及分析 8.5.1 實驗方案及參數設置 8.5.2 實驗結果分析 8.6 本章小結 參考文獻 第9章 茶葉病蟲害診斷專家系統 9.1 病蟲害診斷專家系統原理 9.2 病蟲害信息推薦 9.2.1 信息推薦模型 9.2.2 信息推薦算法 9.3 病蟲害診斷模型 9.3.1 知識庫的構建 9.3.2 推理機模型 9.4 茶葉病蟲害診斷專家系統的設計與開發 9.5 實驗結果及分析 9.6 本章小結 參考文獻 第10章 茶葉病蟲害識別與防治技術發展趨勢 10.1 茶葉病蟲害防治大數據平臺 10.2 病蟲害識別算法的優化與改進 10.3 智慧茶園建設 10.4 本章小結 參考文獻 第11章 總結與展望 附錄