基于深度学习的玉米果穗筛分虚拟仿真系统开发

目 录
第一章 绪论 1
1.1研究背景及意义 1
1.2国内外研究现状 2
1.3论文研究内容 4
1.4本章小结 4
第二章 相关理论基础 5
2.1游戏引擎Unity3D 5
2.2图形界面系统UGUI 5
2.3脚本开发 7
2.4深度学习原理 8
2.5通信协议WebSocket 9
2.6数据库MySQL 10
2.7本章小结 10
第三章 系统需求分析与设计 11
3.1系统需求分析 11
3.2系统总体设计 12
3.3深度学习算法设计 13
3.4功能模块设计 17
3.5数据库设计 22
3.6本章小结 25
第四章 虚拟仿真实验系统实现 26
4.1系统开发环境 26
4.2系统功能实现 27
4.3本章小结 38
第五章 虚拟仿真实验系统测试 39
5.1功能测试 39
5.2性能测试 42
5.3本章小结 43
第六章 总结与展望 44
6.1总结 44
6.2展望 45
参考文献 46
致 谢 49
作者简介 50

插图和附表清单
图 2-1 垂直布局管理器组件参数设置面板 6
图 2-2 水平布局管理器组件参数设置面板 6
图 2-3 网格布局管理器组件参数设置面板 7
图 2-4 Unity场景索引设置 7
表 2-1 MonoBehaviour类常用可重写方法 8
图 2-5 WebSocket通信原理 9
图 3-1 系统总体设计图 12
图 3-2 AlexNet模型网络结构示意图 14
图 3-3 VGG模型网络结构示意图 14
图 3-4 ResNet50模型网络结构示意图 15
图 3-5 深度可分离卷积 15
图 3-6 MobileNetV1模型网络结构示意图 16
图 3-7 MobileNetV2模型网络结构示意图 17
图 3-8 系统功能结构图 18
表 3-1 可调整的模型参数设置 19
图 3-9 玉米果穗筛分装置设计 20
表 3-2 Input输入对象的主要方法 20
表 3-3 Transform类常用的属性 21
表 3-4 Transform类常用的方法 21
图 3-10 系统数据实体关联图 22
图 3-11 用户实体 E-R 图 22
图 3-12 知识点实体 E-R 图 23
图 3-13 问题答案实体 E-R 图 23
图 3-14 做题记录实体 E-R 图 23
表 3-5 用户信息表（user_info） 24
表 3-6 知识点信息表（knowledge_info） 24
表 3-7 做题记录表（record） 24
表 3-8 问题答案表（quiz_answer） 25
表 4-1 硬件开发环境配置 26
表 4-2 软件开发环境配置 26
图 4-1 系统主界面 27
图 4-2 神经网络的基本原理学习 27
图 4-3 神经元 28
图 4-4 生物神经网络 28
图 4-5 人工神经网络 29
图 4-6 全连接神经网络 29
图 4-7 卷积神经网络 30
图 4-8 基于TensorSpace的可交互的LeNet模型 30
图 4-9 小节测试习题 31
图 4-10 查看数据集 31
图 4-11 全连接神经网络参数设置 32
图 4-12 可自定义的卷积神经网络参数设置 32
图 4-13 网络的基础结构和参数信息 33
图 4-14 运行过程及准确度输出 33
图 4-15 小节测试习题 34
图 4-16 初始使用说明 34
图 4-17 玉米果穗筛分装置的三维场景 35
图 4-18 玉米果穗筛分过程 35
图 4-19 使用说明 36
图 4-20 装置细节图 36
图 4-21 选择图片 37
图 4-22 图像数据库 37
图 4-23 识别结果展示 37
图 4-24 场景漫游 38
表 5-1 神经网络的基本原理学习模块测试用例及结果1 39
表 5-2 神经网络的基本原理学习模块测试用例及结果2 40
表 5-3 神经网络的工作机制分析模块测试用例及结果1 40
表 5-4 神经网络的工作机制分析模块测试用例及结果2 41
表 5-5 玉米果穗筛分的情景体验模块测试用例及结果1 41
表 5-6 玉米果穗筛分的情景体验模块测试用例及结果2 42
图 5-1 Profiler性能分析工具 43
1.3论文研究内容
选题围绕基于深度学习的玉米果穗筛分虚拟仿真实验系统研发，将人工智能技术与农业生产要求结合，按照人工智能基础算法认知到模型调参优化，再到实际案例应用这样层层递进的学习模式，逐步设计虚拟项目。将深度学习相关算法落实到玉米果穗图像识别实际案例中，利用神经网络模型（包括全连接神经网络和各类卷积神经网络，进一步地，包括AlexNet、VGG、ResNet和MobileNet等）分别对多通道传输装置采集到的玉米果穗图像数据（正常、带苞叶、异常虫蛀、异常损伤等多个类别数据集）进行分类。接着主要针对开展人工智能教学的教师和学生，结合实际教学需求，利用Unity3D编写虚拟仿真实验，其功能界面分为“神经网络的基本原理学习”、“神经网络的工作机制分析”和“玉米果穗筛分的情景体验”三个层层递进的子模块，并使用 MySQL 数据库存储和查询系统数据。用户能够通过该系统学习和体验深度学习的相关算法，设置不同神经网络模型参数组合，来实现深度神经网络系统的运行、优化，提升学生调参优化模型能力。同时搭建了玉米果穗筛分控制虚拟仿真装置，可视化玉米果穗筛分装置的各个组成模块和控制流程，在线上即可交互式体验高通量筛分智能控制系统的运行，进一步理解深度学习算法在农业领域的重要应用。
1.4本章小结
本章从选题的研究背景和意义出发，探讨了实现一套人工智能复杂算法的虚拟仿真实验系统的重要意义。然后对比分析了国内外虚拟现实和虚拟仿真教学的研究现状，最后确定选题的研究内容，提出一套基于深度学习的玉米果穗筛分虚拟仿真实验系统，作为新型的人工智能教学方式。