基于计算机视觉的油茶氮营养诊断
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究的背景和意义 | 第8-9页 |
| 1.2 国内外研究概况 | 第9-13页 |
| 1.2.1 作物营养诊断方法简介 | 第9-10页 |
| 1.2.2 国外计算机视觉应用的历史和发展 | 第10-11页 |
| 1.2.3 国内计算机视觉和氮素诊断研究的发展 | 第11-12页 |
| 1.2.4 评述 | 第12-13页 |
| 1.3 本论文的研究内容 | 第13-15页 |
| 1.3.1 油茶叶片的氮含量和颜色变化规律 | 第13-14页 |
| 1.3.2 氮含量与敏感颜色分布特征 | 第14页 |
| 1.3.3 构建预测模型 | 第14-15页 |
| 第2章 材料与方法 | 第15-35页 |
| 2.1 实验材料 | 第15页 |
| 2.2 实验设备 | 第15-17页 |
| 2.2.1 硬件 | 第15-17页 |
| 2.2.2 软件 | 第17页 |
| 2.3 技术路线 | 第17-18页 |
| 2.4 研究方法 | 第18-32页 |
| 2.4.1 图像获取 | 第18-21页 |
| 2.4.2 图像预处理 | 第21-28页 |
| 2.4.3 图像分析 | 第28-31页 |
| 2.4.4 构建预测模型 | 第31-32页 |
| 2.5 CMS分析系统操作流程 | 第32-35页 |
| 第3章 结果与分析 | 第35-60页 |
| 3.1 敏感颜色特征的筛选 | 第35-40页 |
| 3.1.1 筛选方法 | 第36-40页 |
| 3.2 氮含量分布特征 | 第40-42页 |
| 3.3 敏感颜色分布特征 | 第42-48页 |
| 3.4 预测模型构建 | 第48-60页 |
| 3.4.1 线性模型 | 第48-50页 |
| 3.4.2 稳健线性回归模型 | 第50-52页 |
| 3.4.3 多项式回归模型 | 第52-55页 |
| 3.4.4 随机森林回归模型 | 第55-57页 |
| 3.4.5 支持向量回归模型 | 第57-60页 |
| 第4章 结论与讨论 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 作者简介 | 第68页 |
