|
|
|
机器学习在鸡蛋产量预测与品质检测中的应用 |
|
论文目录 |
|
摘要 | 第3-5页 | ABSTRACT | 第5-7页 | 1 绪论 | 第10-17页 | 1.1 课题研究背景 | 第10-11页 | 1.2 课题研究现状 | 第11-14页 | 1.2.1 鸡蛋产量预测模型 | 第11-12页 | 1.2.2 鸡蛋外部品质检测 | 第12-13页 | 1.2.3 鸡蛋内部品质检测 | 第13-14页 | 1.3 研究内容和方法 | 第14-15页 | 1.3.1 鸡蛋产量预测模型研究 | 第14页 | 1.3.2 鸡蛋外部品质检测方法研究 | 第14页 | 1.3.3 鸡蛋内部品质检测方法研究 | 第14-15页 | 1.4 论文结构安排 | 第15-17页 | 2 基于机器学习的鸡蛋产量预测模型研究 | 第17-30页 | 2.1 基于极限学习机的产蛋率时间序列预测模型 | 第18-23页 | 2.1.1 极限学习机原理 | 第18-19页 | 2.1.2 时间序列预测 | 第19-20页 | 2.1.3 实验材料与处理 | 第20页 | 2.1.4 基于ELM时间序列的产蛋率预测模型 | 第20-21页 | 2.1.5 实验结果 | 第21-22页 | 2.1.6 模型验证 | 第22-23页 | 2.2 基于SVM回归的产蛋率多参数预测模型 | 第23-28页 | 2.2.1 支持向量机回归 | 第23-24页 | 2.2.2 实验材料与处理 | 第24-25页 | 2.2.3 SVM产蛋率预测模型 | 第25-26页 | 2.2.4 SVM核函数选择和参数优化 | 第26页 | 2.2.5 实验结果 | 第26-27页 | 2.2.6 模型验证 | 第27-28页 | 2.3 本章小结 | 第28-30页 | 3 基于卷积神经网络GoogLeNet模型的鸡蛋暗斑检测方法研究 | 第30-40页 | 3.1 材料与方法 | 第30-32页 | 3.1.1 实验材料 | 第30-31页 | 3.1.2 采集装置 | 第31页 | 3.1.3 样本采集 | 第31-32页 | 3.1.4 图像处理 | 第32页 | 3.2 基于卷积神经网络GoogLeNet模型的鸡蛋暗斑检测模型 | 第32-35页 | 3.2.1 卷积神经网络原理 | 第32-33页 | 3.2.2 GoogLeNet模型 | 第33-34页 | 3.2.3 检测流程 | 第34-35页 | 3.3 结果与分析 | 第35-38页 | 3.3.1 实验结果 | 第35-36页 | 3.3.2 模型验证 | 第36-38页 | 3.4 本章小结 | 第38-40页 | 4 基于卷积神经网络的鸡蛋新鲜度检测方法研究 | 第40-48页 | 4.1 材料与方法 | 第41-43页 | 4.1.1 鸡蛋新鲜度分级 | 第41页 | 4.1.2 实验材料 | 第41页 | 4.1.3 鸡蛋图像采集 | 第41页 | 4.1.4 鸡蛋哈夫值测定 | 第41-42页 | 4.1.5 样本采集实验设计 | 第42-43页 | 4.1.6 图像处理 | 第43页 | 4.2 基于卷积神经网络的鸡蛋新鲜度检测模型 | 第43-46页 | 4.2.1 模型结构 | 第43-45页 | 4.2.2 检测流程 | 第45-46页 | 4.3 结果与分析 | 第46-47页 | 4.3.1 实验结果 | 第46页 | 4.3.2 模型验证 | 第46-47页 | 4.4 本章小结 | 第47-48页 | 5 总结与展望 | 第48-51页 | 5.1 总结 | 第48-49页 | 5.2 展望 | 第49-51页 | 参考文献 | 第51-56页 | 攻读硕士学位期间取得的研究成果 | 第56-57页 | 致谢 | 第57-59页 |
|
|
|
|
论文编号BS4331549,这篇论文共59页 会员购买按0.35元/页下载,共需支付20.65元。 直接购买按0.5元/页下载,共需要支付29.5元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|