| 摘要 | 第1-8页 |
| ABSTRACT | 第8-11页 |
| 第一章 绪论 | 第11-19页 |
| ·研究目的和意义 | 第11页 |
| ·土壤含水率检测技术研究现状 | 第11-16页 |
| ·土壤含水率的传统检测方法 | 第12-14页 |
| ·用近红外光谱技术检测土壤含水率 | 第14-16页 |
| ·用机器视觉技术检测土壤含水率 | 第16页 |
| ·研究内容 | 第16-17页 |
| ·论文安排 | 第17-19页 |
| 第二章 土壤含水率近红外光谱分析模型的建立 | 第19-51页 |
| ·土壤含水率近红外光谱分析原理 | 第19-20页 |
| ·近红外光谱分析方法 | 第20-25页 |
| ·光谱预处理方法 | 第22页 |
| ·近红外光谱定量分析方法 | 第22-24页 |
| ·近红外分析模型评价指标 | 第24-25页 |
| ·试验材料和仪器 | 第25-29页 |
| ·样品的采集 | 第25-27页 |
| ·近红外光谱仪 | 第27-28页 |
| ·样品的制备 | 第28-29页 |
| ·土壤近红外光谱的测量 | 第29页 |
| ·近红外光谱仪参数设置 | 第29页 |
| ·光谱的采集 | 第29页 |
| ·试验设计 | 第29-31页 |
| ·近红外光谱土壤含水率分级的定性分析 | 第31-33页 |
| ·近红外光谱土壤含水率分析模型的建立 | 第33-40页 |
| ·光谱预处理方法优化及最优模型的建立 | 第33-38页 |
| ·不同光谱预处理方法的比较 | 第38-39页 |
| ·最优平滑点确定 | 第39-40页 |
| ·近红外光谱土壤含水率分析模型的适应性检验 | 第40-46页 |
| ·模型对不同颗粒样本土壤的适应性 | 第40-44页 |
| ·模型对不同种类土壤的适应性 | 第44-46页 |
| ·近红外光谱小波(WT)消噪后建立的土壤含水率分析模型 | 第46-49页 |
| ·小波(WT)消噪原理 | 第46-47页 |
| ·基于LabVIEW的土壤近红外光谱小波消噪方法 | 第47-49页 |
| ·小结 | 第49-51页 |
| 第三章 近红外光谱傅里叶变换特征提取方法的研究 | 第51-58页 |
| ·概述 | 第51-52页 |
| ·基于傅里叶变换特征提取的原理和方法 | 第52-54页 |
| ·基于傅里叶变换特征提取方法土壤含水率模型的建立 | 第54-57页 |
| ·试验设计 | 第54页 |
| ·傅里叶特征提取点数与回归模型参数的关系 | 第54-55页 |
| ·模型适应性研究 | 第55-57页 |
| ·小结 | 第57-58页 |
| 第四章 机器视觉技术土壤含水率分析模型的建立 | 第58-73页 |
| ·概述 | 第58-59页 |
| ·数字图像处理技术 | 第59页 |
| ·数字图像滤波 | 第59页 |
| ·中值滤波的基本原理 | 第59页 |
| ·图像颜色模型 | 第59-62页 |
| ·基础颜色空间 | 第59-60页 |
| ·RGB颜色模型 | 第60-61页 |
| ·HSV颜色模型 | 第61页 |
| ·La*b*颜色模型 | 第61-62页 |
| ·试验装置 | 第62-63页 |
| ·图像采集与分析 | 第63-65页 |
| ·土壤图像直方图分析 | 第65页 |
| ·基于机器视觉技术的土壤含水率分析模型 | 第65-71页 |
| ·试验设计 | 第65-66页 |
| ·基于土壤图像灰度值的线性含水率分析模型 | 第66-67页 |
| ·基于土壤图像特征参数的多元线性含水率分析模型 | 第67页 |
| ·基于土壤图像特征参数的人工神经网络非线性含水率分析模型 | 第67-71页 |
| ·小结 | 第71-73页 |
| 第五章 基于近红外光谱和机器视觉的数据融合土壤含水率检测方法 | 第73-80页 |
| ·数据融合技术 | 第73页 |
| ·多源数据融合的数据处理方法 | 第73-76页 |
| ·贝叶斯方法 | 第73-74页 |
| ·D-S证据推理方法 | 第74页 |
| ·模糊集理论 | 第74-75页 |
| ·基于人工神经网络的数据融合技术 | 第75-76页 |
| ·基于人工神经网络的数据融合土壤含水率定量分析 | 第76-79页 |
| ·基于BP人工神经网络的数据融合模型 | 第76-78页 |
| ·基于RBF人工神经网络的数据融合模型 | 第78-79页 |
| ·小结 | 第79-80页 |
| 第六章 结论与讨论 | 第80-82页 |
| ·结论 | 第80-81页 |
| ·讨论 | 第81-82页 |
| 参考文献 | 第82-87页 |
| 致谢 | 第87-88页 |
| 硕士研究生期间科研工作 | 第88-90页 |
| 附件 网络数据融合程序 | 第90-91页 |
