基于物联网的小麦病虫害动态气象模型和远程诊断方法研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 引言 | 第10-21页 |
| 1.1 研究背景 | 第10-13页 |
| 1.1.1 我国小麦基本情况 | 第10页 |
| 1.1.2 黄淮区小麦病虫害 | 第10-12页 |
| 1.1.3 物联网与农业应用现状 | 第12-13页 |
| 1.2 研究目的和意义 | 第13-14页 |
| 1.2.1 现存问题 | 第13页 |
| 1.2.2 常规解决方式 | 第13页 |
| 1.2.3 新的解决思路和技术手段 | 第13-14页 |
| 1.2.4 研究内容和意义总结 | 第14页 |
| 1.3 研究进展 | 第14-18页 |
| 1.3.1 病虫害气象研究进展 | 第14-16页 |
| 1.3.2 病虫害图像识别技术研究进展 | 第16-17页 |
| 1.3.3 农业物联网技术 | 第17-18页 |
| 1.4 研究内容和方法 | 第18-21页 |
| 1.4.1 黄淮区小麦条锈病物联网模型 | 第18页 |
| 1.4.2 基于物联网的小麦病虫害远程诊断方法 | 第18-19页 |
| 1.4.3 技术路线 | 第19-21页 |
| 第二章 黄淮区小麦条锈病的物联网病虫害气象模型 | 第21-26页 |
| 2.1 黄淮区小麦条锈病传播发展规律 | 第21-22页 |
| 2.1.1 黄淮区小麦条锈病的周年循环 | 第21-22页 |
| 2.1.2 黄淮区小麦条锈病流行的关键因素 | 第22页 |
| 2.2 黄淮区小麦条锈病气象预警模型的建立 | 第22-25页 |
| 2.2.1 病害等级 | 第22-23页 |
| 2.2.2 条锈病温度子模型 | 第23页 |
| 2.2.3 条锈病湿度子模型 | 第23-24页 |
| 2.2.4 前期诊断修正系数 | 第24页 |
| 2.2.5 模型的最终建立与实现 | 第24-25页 |
| 2.3 物联网模型的建立 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于物联网的小麦病虫害诊断方法 | 第26-34页 |
| 3.1 基本原理 | 第26页 |
| 3.2 小麦病虫害诊断功能在物联网平台上的实现 | 第26页 |
| 3.3 图像识别模型设计 | 第26-28页 |
| 3.3.1 病虫害图像分割方法 | 第27页 |
| 3.3.2 病虫害图像特征提取方法 | 第27-28页 |
| 3.3.3 基于向量机的病虫害图像分类识别方法 | 第28页 |
| 3.4 结果与分析 | 第28-33页 |
| 3.4.1 病虫害图像分割结果 | 第29页 |
| 3.4.2 病虫害图像特征提取结果 | 第29-31页 |
| 3.4.3 支持向量机分类识别结果 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 总结与讨论 | 第34-37页 |
| 4.1 研究内容总结 | 第34页 |
| 4.2 创新点 | 第34-35页 |
| 4.3 讨论和展望 | 第35-37页 |
| 参考文献 | 第37-42页 |
| 致谢 | 第42-44页 |
| 作者简历 | 第44页 |
| 作者简介 | 第44页 |
| 参与课题 | 第44页 |
| 硕士期间发表文章 | 第44页 |
