| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 农业信息系统国内外研究现状 | 第11-12页 |
| 1.2.2 图像识别在农业信息系统中的应用现状 | 第12-13页 |
| 1.3 本文研究内容 | 第13-14页 |
| 第2章 水稻精准农业系统的构建 | 第14-40页 |
| 2.1 系统整体结构 | 第14-15页 |
| 2.2 农田环境信息感知层传感器选择 | 第15-18页 |
| 2.2.1 气象信息传感器 | 第15-17页 |
| 2.2.2 图像信息与GPS传感器 | 第17-18页 |
| 2.3 传输层硬件选择与电路连接设计 | 第18-31页 |
| 2.3.1 田间数据传输模块 | 第18-22页 |
| 2.3.2 FTP服务器搭建与客户端 | 第22-23页 |
| 2.3.3 网络数据传输模块 | 第23-31页 |
| 2.4 酷痞物联云存储平台搭建 | 第31-36页 |
| 2.5 应用层客户端搭建 | 第36-39页 |
| 2.6 本章小结 | 第39-40页 |
| 第3章 基于人工智能的水稻病虫害分类算法 | 第40-59页 |
| 3.1 算法总述 | 第40-41页 |
| 3.2 OpenCV病虫害图像处理 | 第41-48页 |
| 3.2.1 田间图像病虫害初判别与拍摄改进 | 第41-43页 |
| 3.2.2 PC端病虫害图像处理 | 第43-48页 |
| 3.3 水稻病虫害CNN分类模型构建 | 第48-58页 |
| 3.3.1 CNN底层计算框架Tensorflow | 第48-51页 |
| 3.3.2 建立病虫害图像数据库 | 第51-55页 |
| 3.3.3 病虫害CNN分类模型结构 | 第55-58页 |
| 3.4 本章小结 | 第58-59页 |
| 第4章 系统功能测试 | 第59-66页 |
| 4.1 数据传输测试 | 第59-62页 |
| 4.2 CNN分类模型正确率评估 | 第62-64页 |
| 4.3 客户端使用测试 | 第64-65页 |
| 4.4 本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读学位期间发表的学术成果 | 第71-72页 |
| 致谢 | 第72页 |