1. 研究目的与意义（文献综述包含参考文献）
近年来，外来有害生物的入侵风险越来越高，据统计在1998-2008的十年间入侵我国农田和森林生态系统的有害生物多达19种，对我国农林生产造成了巨大的危害。
在农林经营管理过程中，有害生物的监测和治理非常重要。
本解决方案主要包含了两个模块，分别是YOLOV3的目标检测模块，以及后置的SENET分类矫正模块。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
2. 研究的基本内容、问题解决措施及方案
一：研究内容：1.实现的具体功能要求:收集昆虫数据集，数据读取并进行预处理，基于yolov3算法模型，产生候选区域并运用卷积神经网络提取特征，最后能根据输出特征图计算预测框位置和病虫害种类。
改进增强算法在各种情境下的适应与应用。
二：研究手段：进行测试环境的搭建:基于YOLOV3目标检测算法基于PIPELINE构建的AI开发流程BML CODELAB面向机器学习的端云协同开发环境测试数据集: 使用了百度与林业大学合作开发的林业病虫害防治项目中用到昆虫数据集该数据集提供了2183张图片，其中训练集1693张，验证集245，测试集245张。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
