基 础 篇
第1章 人工智能概述与计算机程序设计 3
1.1 人工智能概述 3
1.2 计算机程序设计 4
1.2.1 计算机程序设计语言 4
1.2.2 结构化程序设计 5
1.2.3 面向对象程序设计 6
1.3 Python的特点 7
1.4 Python 3.×编程环境的配置与编程实例 8
1.4.1 Python 2.×和Python 3.×的区别 10
1.4.2 编写简单Python程序 11
本章小结 13
第2章 Python语言基础 14
2.1 Python的语法特点 14
2.1.1 注释 14
2.1.2 代码缩进 15
2.1.3 编码规范 16
2.2 保留字与标识符 18
2.2.1 保留字 18
2.2.2 标识符 19
2.3 变量 19
2.3.1 变量的定义与使用 19
2.3.2 理解Python中的变量 19
2.4 基本数据类型及其转换 20
2.4.1 数字类型 20
2.4.2 字符串类型 21
2.4.3 布尔类型 22
2.4.4 数据类型转换 22
2.5 运算符 23
2.5.1 算术运算符 23
2.5.2 赋值运算符 24
2.5.3 关系运算符 24
2.5.4 逻辑运算符 25
2.5.5 位运算符 25
2.5.6 成员运算符和身份运算符 26
2.5.7 运算符的优先级和结合性 26
2.6 基本输入和输出 26
2.6.1 使用input()函数输入 26
2.6.2 使用print()函数输出 27
本章小结 29
第3章 Python程序的控制结构 30
3.1 程序的顺序结构 30
3.2 程序的分支结构 31
3.2.1 单分支结构 31
3.2.2 双分支结构 32
3.2.3 多分支结构 34
3.2.4 分支结构的嵌套 37
3.3 程序的循环结构 38
3.3.1 while循环 38
3.3.2 for循环 40
3.3.3 循环控制：break和continue 41
3.3.4 循环语句的else用法 42
3.3.5 循环的嵌套 44
3.4 程序设计应用实例 45
3.4.1 递推法编程实例 45
3.4.2 穷举法编程实例 47
3.4.3 解析法编程实例 49
本章小结 51
第4章 组合数据类型 52
4.1 列表 52
4.1.1 创建列表 53
4.1.2 访问列表元素 53
4.1.3 列表切片 55
4.1.4 列表操作 56
4.1.5 列表推导式 60
4.1.6 列表的应用 61
4.2 元组 65
4.2.1 创建元组 65
4.2.2 操作元组 66
4.2.3 元组的拆包与封装 66
4.2.4 元组的应用 67
4.3 字符串 68
4.3.1 创建字符串 68
4.3.2 操作字符串 68
4.3.3 字符串的应用 71
4.4 字典 73
4.4.1 创建字典 73
4.4.2 操作字典 74
4.4.3 嵌套 76
4.4.4 字典的应用 80
4.5 集合 82
4.5.1 创建集合 82
4.5.2 操作集合 83
4.5.3 集合的应用 85
本章小结 86
第5章 函数 87
5.1 函数的使用 88
5.1.1 函数的定义 88
5.1.2 函数的调用与返回值 90
5.1.3 形参和实参 91
5.2 函数的参数 92
5.2.1 引用传递 92
5.2.2 必备参数 93
5.2.3 命名参数 94
5.2.4 默认参数 94
5.2.5 不定长参数 95
5.2.6 经典案例 95
5.3 嵌套函数和lambda函数 100
5.3.1 嵌套函数 100
5.3.2 lambda函数 100
5.4 变量的作用域 102
5.4.1 使用global声明全局变量 103
5.4.2 嵌套函数中的nonlocal声明 103
5.5 递归函数 105
本章小结 110
第6章 文件与异常 111
6.1 文件的定义、引用与分类 111
6.1.1 文件的定义 111
6.1.2 文件的引用 111
6.1.3 文件的分类 112
6.2 文件的打开与关闭 112
6.3 文本文件的读写操作及其综合应用 114
6.3.1 文本文件的读操作 114
6.3.2 文本文件的写操作 116
6.3.3 文本文件的综合应用 117
6.4 二进制文件的读写操作 129
6.4.1 使用pickle模块读写二进制文件 130
6.4.2 使用struct模块读写二进制文件 131
6.5 os模块的使用 132
6.6 JSON文件 135
6.6.1 JSON概述 135
6.6.2 JSON文件的格式 136
6.6.3 JSON文件的读写 136
6.7 异常处理 138
6.7.1 异常概述 138
6.7.2 使用try…except处理异常 140
6.7.3 使用try…except…except处理异常 142
6.7.4 使用try…except…else处理异常 143
6.7.5 使用try…except…finally处理异常 144
本章小结 146
实 践 篇
第7章 数据处理与可视化 149
7.1 pandas库 149
7.1.1 pandas库概述 149
7.1.2 使用pandas库进行数据处理与数据分析 151
7.1.3 使用pandas库进行数据治理 158
7.2 numpy库 160
7.2.1 numpy库概述 160
7.2.2 numpy库的应用 162
7.3 matplotlib库 168
7.3.1 matplotlib库概述 168
7.3.2 matplotlib库的应用 168
7.4 综合实例 171
7.4.1 天气预报图 171
7.4.2 羊只平均日增重 179
本章小结 184
第8章 图形图像处理 185
8.1 图形图像基础知识 185
8.1.1 图形和图像 185
8.1.2 图像数字化及相关概念 187
8.2 pillow库简介 188
8.2.1 pillow库的特点 188
8.2.2 pillow库的安装 189
8.3 pillow库基础知识 189
8.3.1 创建Image对象 189
8.3.2 Image对象属性 190
8.3.3 图像保存与格式转换 192
8.3.4 图像缩放及批量修改图像 193
8.3.5 图像分离与合并 196
8.3.6 图像裁剪、复制与粘贴 198
8.3.7 图像的几何变换 200
8.3.8 图像降噪处理 202
8.3.9 绘图与文字处理 206
8.3.10 抓取屏幕 209
8.4 pillow库的应用 209
8.4.1 生成验证码 209
8.4.2 抓屏并合成GIF图像 210
8.4.3 pillow库与numpy数组 211
8.4.4 使用pillow库进行图像预处理 212
本章小结 217
第9章 机器学习 218
9.1 机器学习概述 218
9.1.1 机器学习的定义 218
9.1.2 机器学习的发展历史和应用领域 218
9.1.3 机器学习算法的类型 219
9.2 机器学习准备 220
9.2.1 机器学习库与机器学习流程 220
9.2.2 数据预处理 222
9.3 现代农业中的分类问题 223
9.3.1 分类问题的定义 223
9.3.2 分类模型的评估指标 223
9.3.3 SVM分类模型原理 225
9.3.4 基于SVM模型的鸢尾花种类预测 225
9.4 现代农业中的回归问题 228
9.4.1 回归问题的定义 228
9.4.2 回归模型的评估指标 229
9.4.3 人工神经网络模型及其原理 230
9.4.4 基于神经网络的蓝莓产量预测 232
9.5 现代农业中的聚类问题 234
9.5.1 聚类问题的定义 234
9.5.2 聚类模型的评估指标 235
9.5.3 K均值聚类模型原理 235
9.5.4 基于K均值聚类模型的葡萄酒种类预测 236
本章小结 240
第10章 计算机视觉 241
10.1 计算机视觉概述 241
10.1.1 计算机视觉的发展 241
10.1.2 深度学习与CNN 242
10.1.3 典型的CNN 243
10.2 深度学习框架概述 245
10.2.1 深度学习框架简介 246
10.2.2 常用深度学习框架 246
10.3 PyTorch框架概述 247
10.3.1 为什么选择PyTorch框架 247
10.3.2 PyTorch框架的发展历程 248
10.3.3 PyTorch框架的软硬件要求 248
10.4 计算机视觉与现代农业 251
10.4.1 计算机视觉在现代农业中的主要应用 251
10.4.2 深度学习的常用数据集格式 252
10.4.3 YOLOv8模型 255
10.4.4 植物病害数据集 257
10.4.5 植物病害检测模型训练 267
本章小结 277
第11章 自然语言处理 278
11.1 自然语言处理概述 278
11.2 自然语言处理的关键技术 280
11.2.1 正则表达式 280
11.2.2 分词 284
11.2.3 词性标注 289
11.2.4 关键词提取 291
11.2.5 文本向量表示 293
11.2.6 句法分析 295
11.3 自然语言处理的应用 298
11.3.1 文本分类 298
11.3.2 农业信息问答系统 303
本章小结 305

参考文献 306