| 摘要 | 第3-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第17-33页 |
| 1.1 果实表型研究背景 | 第17-19页 |
| 1.2 网纹甜瓜果实表型研究的意义 | 第19-21页 |
| 1.3 果实表型检测国内外研究现状 | 第21-26页 |
| 1.3.1 果实表型的主要测量方法 | 第21页 |
| 1.3.2 接触式传感器法研究现状 | 第21-23页 |
| 1.3.3 光学方法的研究现状 | 第23-26页 |
| 1.3.3.1 热成像技术 | 第23-24页 |
| 1.3.3.2 激光技术 | 第24页 |
| 1.3.3.3 视觉成像技术 | 第24-26页 |
| 1.4 现有方法的比较和存在的问题 | 第26-28页 |
| 1.5 研究目的和主要内容 | 第28-31页 |
| 1.6 章节安排 | 第31-32页 |
| 1.7 课题来源 | 第32-33页 |
| 第二章 基于RGB-D成像和主动形状模型算法的果实定位和边缘检测 | 第33-56页 |
| 2.1 引言 | 第33页 |
| 2.2 图像采集与分析 | 第33-36页 |
| 2.2.1 采集设备与场景 | 第33-34页 |
| 2.2.2 温室环境的多源图像分析 | 第34-36页 |
| 2.3 基于融合图像的果实识别定位方法 | 第36-39页 |
| 2.3.1 图像融合策略 | 第36-37页 |
| 2.3.2 基于融合图像的植株检测 | 第37-38页 |
| 2.3.3 果实位置信息 | 第38-39页 |
| 2.4 视觉传感器间的信息传递 | 第39-40页 |
| 2.5 试验结果与讨论 | 第40-42页 |
| 2.6 结论 | 第42-43页 |
| 2.7 主动形状模型(ASM)方法 | 第43-49页 |
| 2.7.1 目标轮廓提取 | 第43-45页 |
| 2.7.2 相似变换 | 第45-46页 |
| 2.7.3 建立先验模型 | 第46-48页 |
| 2.7.4 定位和匹配目标轮廓 | 第48-49页 |
| 2.8 基于主动形状算法甜瓜果实的轮廓提取 | 第49-50页 |
| 2.8.1 初始化调整和多分辨率的搜索 | 第49页 |
| 2.8.2 整体分割框架 | 第49-50页 |
| 2.9 实验结果及分析 | 第50-55页 |
| 2.9.1 实验装置和参数设置 | 第50-52页 |
| 2.9.2 结果分析 | 第52-53页 |
| 2.9.3 实例应用 | 第53-55页 |
| 2.10 本章小结 | 第55-56页 |
| 第三章 基于多重分形维数和间隙度分析的甜瓜网纹解析与量化 | 第56-80页 |
| 3.1 引言 | 第56-58页 |
| 3.2 网纹图像获取与处理 | 第58-63页 |
| 3.2.1 网纹图像获取 | 第58页 |
| 3.2.2 网纹图像分割 | 第58-63页 |
| 3.2.2.1 预处理 | 第59-60页 |
| 3.2.2.2 标记提取 | 第60-63页 |
| 3.2.2.3 标记分水岭转换 | 第63页 |
| 3.2.2.4 目标区域的确定 | 第63页 |
| 3.3 网纹图像处理 | 第63-64页 |
| 3.4 间隙度算法 | 第64-66页 |
| 3.5 多重分形分析 | 第66-68页 |
| 3.6 结果验证与分析 | 第68-79页 |
| 3.6.1 监督分类算法验证 | 第68-70页 |
| 3.6.1.1 支持向量和Ada Boost算法 | 第68-69页 |
| 3.6.1.2 监督分类法验证 | 第69-70页 |
| 3.6.2 结果 | 第70-76页 |
| 3.6.3 讨论 | 第76-79页 |
| 3.7 本章小结 | 第79-80页 |
| 第四章 基于主动光源和椭球体方法的甜瓜颜色分级与量化 | 第80-90页 |
| 4.1 引言 | 第80-81页 |
| 4.2 基于主动光源的甜瓜颜色分级方法 | 第81-83页 |
| 4.2.1 试验材料 | 第81-82页 |
| 4.2.2 采集图像 | 第82页 |
| 4.2.3 图像处理 | 第82-83页 |
| 4.3 结果与讨论 | 第83-84页 |
| 4.3.1 曝光的影响 | 第83-84页 |
| 4.3.2 颜色分级结果 | 第84页 |
| 4.3.3 动态校正 | 第84页 |
| 4.4 结论 | 第84-85页 |
| 4.5 椭球体结构方法 | 第85-87页 |
| 4.5.1 聚类 | 第85-86页 |
| 4.5.2 椭球体结构方法 | 第86-87页 |
| 4.6 应用实例 | 第87-89页 |
| 4.7 本章小结 | 第89-90页 |
| 第五章 基于果实表型和神经网络的甜瓜内部品质预测 | 第90-98页 |
| 5.1 引言 | 第90-91页 |
| 5.2 基于表型和神经网络的内部品质预测 | 第91-94页 |
| 5.2.1 试验装置和图像获取 | 第91页 |
| 5.2.2 化学试验 | 第91-92页 |
| 5.2.3 算法设计 | 第92-94页 |
| 5.2.3.1“定量”预测 | 第93-94页 |
| 5.2.3.2“定性”预测 | 第94页 |
| 5.3 结果与讨论 | 第94-97页 |
| 5.3.1 BP神经网络模型“定量”预测 | 第94页 |
| 5.3.2 BP神经网络模型“定性”预测 | 第94-97页 |
| 5.4 结论 | 第97页 |
| 5.5 本章小结 | 第97-98页 |
| 第六章 基于热成像技术与气候数据果实表面温度的模拟* | 第98-113页 |
| 6.1 引言 | 第98-100页 |
| 6.2 模型构建 | 第100-103页 |
| 6.2.1 模型描述 | 第100-101页 |
| 6.2.2 辐射作用 | 第101-102页 |
| 6.2.3 对流作用 | 第102页 |
| 6.2.4 蒸腾蒸发作用 | 第102-103页 |
| 6.2.5 模型的实现 | 第103页 |
| 6.3 利用热成像果实表面温度获取 | 第103-106页 |
| 6.3.1 果实热图像获取 | 第103-104页 |
| 6.3.2 果实表面最高温度的测量 | 第104-105页 |
| 6.3.3 光学和热能特性分析 | 第105页 |
| 6.3.4 气象数据获取 | 第105-106页 |
| 6.4 结果与讨论 | 第106-112页 |
| 6.4.1 果实表面最高温度与空气温度的比较 | 第106页 |
| 6.4.2 模型的有效性分析 | 第106-107页 |
| 6.4.3 模型的敏感性分析 | 第107-108页 |
| 6.4.4 果实温度和热参数的关系 | 第108-111页 |
| 6.4.5 气象数据与表面温度之间的关系 | 第111-112页 |
| 6.5 本章小结 | 第112-113页 |
| 第七章 结论与展望 | 第113-118页 |
| 7.1 主要结论 | 第113-115页 |
| 7.2 创新点 | 第115-116页 |
| 7.3 不足与展望 | 第116-118页 |
| 参考文献 | 第118-131页 |
| 附录 | 第131-133页 |
| 攻读博士学位期间论文发表情况和相关工作 | 第133-135页 |
| 致谢 | 第135-138页 |
