基于视觉的农作物病虫害监测飞行器设计与实现
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 植保无人机在国内外的研究现状 | 第10-12页 |
| 1.3 视觉检测技术在农业中的应用现状 | 第12-13页 |
| 1.4 视觉检测技术在病虫害识别中的研究现状 | 第13-14页 |
| 1.5 研究目标及内容 | 第14-15页 |
| 1.5.1 研究目标 | 第14-15页 |
| 1.5.2 研究内容 | 第15页 |
| 1.6 研究方案及技术路线 | 第15-18页 |
| 1.6.1 研究方案 | 第16-17页 |
| 1.6.2 技术路线 | 第17-18页 |
| 1.7 论文章节安排 | 第18-19页 |
| 2 农作物病虫害监测飞行器设计 | 第19-39页 |
| 2.1 病虫害监测飞行器硬件设计 | 第19-23页 |
| 2.1.1 飞行器机体器件选型 | 第20-21页 |
| 2.1.2 飞行器飞控系统硬件设计 | 第21-22页 |
| 2.1.3 遥操作控制器设计 | 第22页 |
| 2.1.4 病虫害视觉检测系统硬件设计 | 第22-23页 |
| 2.2 飞行器姿态估计及位姿控制算法研究 | 第23-32页 |
| 2.2.1 飞行器飞行及运动控制原理 | 第23-25页 |
| 2.2.2 飞行器动力学建模 | 第25-29页 |
| 2.2.3 飞行器姿态估计 | 第29-31页 |
| 2.2.4 飞行器位姿控制 | 第31-32页 |
| 2.3 病虫害监测飞行器软件设计 | 第32-36页 |
| 2.3.1 飞行器飞控系统软件设计 | 第32-33页 |
| 2.3.2 病虫害视觉检测系统软件设计 | 第33-34页 |
| 2.3.3 飞行器地面监控系统软件设计 | 第34-36页 |
| 2.4 病虫害监测策略 | 第36-37页 |
| 2.5 飞行器实际飞行及图像传输测试 | 第37-38页 |
| 2.6 本章小结 | 第38-39页 |
| 3 农作物病虫害视觉检测的基础研究 | 第39-50页 |
| 3.1 目标识别问题的分类 | 第39-40页 |
| 3.2 病虫害图片获取及样本构建 | 第40-46页 |
| 3.2.1 病虫害的图片获取 | 第40-45页 |
| 3.2.2 样本数据集构建 | 第45-46页 |
| 3.3 病虫害图片预处理算法 | 第46-49页 |
| 3.3.1 灰度化处理 | 第46-47页 |
| 3.3.2 图像增强 | 第47-48页 |
| 3.3.3 图像预处理实验验证 | 第48-49页 |
| 3.4 本章小结 | 第49-50页 |
| 4 病虫害目标识别算法研究 | 第50-66页 |
| 4.1 病虫害图片特征提取 | 第50-60页 |
| 4.1.1 Haar-like特征 | 第50-52页 |
| 4.1.2 HOG特征 | 第52-54页 |
| 4.1.3 纹理特征 | 第54-60页 |
| 4.2 病虫害目标识别算法与移植 | 第60-65页 |
| 4.2.1 基于级联分类器的目标识别算法 | 第60-62页 |
| 4.2.2 基于SVM分类器的目标识别算法 | 第62-64页 |
| 4.2.3 目标识别算法的检测方式 | 第64-65页 |
| 4.2.4 目标识别算法在TK1平台上的移植 | 第65页 |
| 4.3 本章小结 | 第65-66页 |
| 5 病虫害监测飞行器实验测试 | 第66-80页 |
| 5.1 飞行器农田飞行及图像采集回传测试 | 第66-67页 |
| 5.2 病虫害监测飞行器视觉检测测试及分析 | 第67-77页 |
| 5.2.1 基于分类器的目标检测测试 | 第67-75页 |
| 5.2.2 检测结果分析 | 第75-77页 |
| 5.3 病虫害监测飞行器系统测试 | 第77-79页 |
| 5.4 本章小结 | 第79-80页 |
| 结论 | 第80-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 攻读硕士学位期间发表的学术论文及研究成果 | 第86页 |
