基于遗传算法的水稻联合收割机喂入密度检测方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 插图清单 | 第8-9页 |
| 附表清单 | 第9-10页 |
| 1 引言 | 第10-13页 |
| ·研究的目的和意义 | 第10页 |
| ·遗传算法应用的研究现状 | 第10-12页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·本论文的内容安排 | 第12-13页 |
| 2 遗传算法的基本理论及方法 | 第13-20页 |
| ·遗传算法的基本思路 | 第13-14页 |
| ·遗传算法的特点 | 第14页 |
| ·遗传算法的基本操作步骤 | 第14-20页 |
| ·编码 | 第15页 |
| ·群体的设定 | 第15-16页 |
| ·适应度函数的设计 | 第16页 |
| ·遗传操作 | 第16-18页 |
| ·控制参数的设定 | 第18-20页 |
| 3 试验及数据处理 | 第20-23页 |
| ·试验材料及方法 | 第20页 |
| ·试验材料及设备 | 第20页 |
| ·试验方法 | 第20页 |
| ·试验数据处理 | 第20-22页 |
| ·图像处理 | 第20-21页 |
| ·数据处理 | 第21-22页 |
| ·试验技术路线 | 第22-23页 |
| 4 基于遗传算法的图像分割 | 第23-45页 |
| ·图像分割原理 | 第23页 |
| ·经典阈值分割方法 | 第23-35页 |
| ·迭代阈值分割法 | 第23-29页 |
| ·最大类间方差法 | 第29-34页 |
| ·传统阈值分割方法结果与分析 | 第34-35页 |
| ·基于最大类间方差的遗传算法 | 第35-45页 |
| ·算法主要步骤及流程 | 第35-38页 |
| ·实验结果 | 第38-43页 |
| ·遗传算法的图像分割性能分析 | 第43-45页 |
| 5 水稻联合收割机喂入密度与图像特征值相关性分析 | 第45-51页 |
| ·图像特征值提取 | 第45页 |
| ·分析方法和工具 | 第45-46页 |
| ·水稻联合收割机喂入密度相关性分析 | 第46-49页 |
| ·早稻图像拟合模型建立及相关性分析 | 第46-48页 |
| ·晚稻图像拟合模型建立及相关性分析 | 第48-49页 |
| ·小结 | 第49-51页 |
| 6 结论与展望 | 第51-53页 |
| ·结论 | 第51-52页 |
| ·展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 作者简介 | 第57-58页 |
| 攻读学位期间发表的学术论文 | 第58页 |
