目录
摘 要 I
ABSTRACT II
第一章 绪论 1
1 研究背景及意义 1
2 研究现状 1
2.1 国外研究现状 1
2.2 国内研究现状 2
3 技术路线 3
第二章 稻种品种识别相关算法 5
1 PointNet和PointNet++算法 5
2 LightPointNet算法 6
3 PointCNN算法 6
第三章 稻种品种识别系统设计 8
1 总体设计 8
2 系统数据采集平台 8
3 系统软件设计平台 9
4 实验样品 10
第四章 稻种品种识别系统实现 11
1 点云采集 11
1.1 光场相机标定 11
1.2 稻种点云采集 11
2 点云处理 11
2.1 点云预处理 11
2.2 点云分割 12
2.3 点云下采样 12
2.4 点云归一化 14
3 识别网络构建 15
3.1 网络正则化 15
3.2 激活函数 15
3.3 网络结构 16
3.4 网络改进 17
4 稻种品种识别 20
4.1 点云数据集构建 20
4.2 网络参数优化 20
4.3 网络训练与测试 21
5 基于PyQt5的稻种品种识别软件开发 25
5.1 软件设计概述 25
5.2 软件界面 25
5.3 点云三维可视化功能 26
5.4 稻种品种识别功能 27
第五章 结果与分析 28
1 结果展示 28
1.1 点云采集结果 28
1.2 点云处理结果 29
1.3 稻种品种识别结果 29
1.4 软件设计结果 30
2 稻种品种识别结果分析 30
第六章 结论与展望 34< *51今日免费论文网|www.51jrft.com +Q: #351916072# 
br /> 参考文献 36
致 谢 39
基于PointNet模型的稻种品种识别系统的设计与实现
摘 要
水稻是我国重要的粮食作物。水稻种子的品种识别是水稻种植过程中的关键环节，影响着水稻的产量高低和稻米的品质。将深度学习与机器视觉技术结合，应用于稻种品种检测工作，能够克服人工检测的种种不足，实现非接触式、快速高效的稻谷种子品种识别。
本文设计和实现了基于深度学习和三维点云的稻种品种识别系统。首先，搭建以Raytrix光场相机为核心的点云采集硬件平台采集稻种表面三维点云数据；然后，对采集的点云进行填充、滤波和平滑预处理，再进行基于随机采样一致性RANSAC算法的点云分割、结合体素栅格滤波算法和随机采样算法的点云下采样；接着，构建了两种基于PointNet模型改进而来的分类网络：跨层次特征连接的PointNet网络和轻量化PointNet网络，并对网络进行优化和训练；最后，基于PyQt5开发了应用改进PointNet网络模型的稻种品种识别软件。经过测试，跨层次特征连接的PointNet网络和轻量化PointNet网络对8个稻种的平均识别准确率分别为89.4%和85.8%，轻量化PointNet网络模型对单个稻种点云的识别速度达到了54.58ms。实验结果表明，本文方法实现了快速、准确的稻种品种识别。
目录

原文链接：http://www.jxszl.com/dzxx/dzdq/609033.html