日光温室黄瓜叶片湿润时间机器视觉监测研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 引言 | 第11-18页 |
| 1.1 研究背景及问题的提出 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 传感器测量在叶片湿润时间中的应用 | 第12页 |
| 1.2.2 模型预测在叶片湿润时间中的应用 | 第12-13页 |
| 1.2.3 机器视觉在叶片湿润时间中的应用 | 第13-14页 |
| 1.3 研究目标和内容安排 | 第14-16页 |
| 1.3.1 研究目标和主要内容 | 第14-15页 |
| 1.3.2 论文章节结构 | 第15-16页 |
| 1.4 创新和特色 | 第16-18页 |
| 1.4.1 选题的特色 | 第16页 |
| 1.4.2 创新点 | 第16-18页 |
| 第二章 叶片图像采集系统及图像预处理算法分析 | 第18-27页 |
| 2.1 图像采集系统 | 第18-19页 |
| 2.2 颜色模型 | 第19-22页 |
| 2.2.1 RGB颜色模型 | 第19-20页 |
| 2.2.2 HSI颜色模型 | 第20-21页 |
| 2.2.3 L*a*b*颜色模型 | 第21-22页 |
| 2.3 图像滤波 | 第22-23页 |
| 2.3.1 空间域滤波 | 第23页 |
| 2.3.2 频域滤波 | 第23页 |
| 2.4 图像分割 | 第23-27页 |
| 2.4.1 基于阈值的分割方法 | 第24-25页 |
| 2.4.2 基于特定理论的分割方法 | 第25-27页 |
| 第三章 黄瓜叶热红外图像的预处理算法 | 第27-41页 |
| 3.1 试验样本采集 | 第27-29页 |
| 3.1.1 热红外成像仪介绍 | 第27-28页 |
| 3.1.2 叶片图像采集 | 第28-29页 |
| 3.2 叶片图像预处理 | 第29-30页 |
| 3.2.1 叶片图像抠图 | 第29页 |
| 3.2.2 叶片图像去噪 | 第29-30页 |
| 3.3 基于K-均值聚类算法的叶片图像分割 | 第30-34页 |
| 3.3.1 聚类颜色空间的选择 | 第31-33页 |
| 3.3.2 K-均值聚类算法 | 第33-34页 |
| 3.4 基于MRF模型的叶片图像分割 | 第34-38页 |
| 3.4.1 基于G-MPF模型的叶片图像分割 | 第35-38页 |
| 3.5 算法分割结果比较与分析 | 第38-41页 |
| 3.5.1 算法分割效果图的对比分析 | 第38-39页 |
| 3.5.2 算法分割所得的性能参数对比分析 | 第39-40页 |
| 3.5.3 结论分析 | 第40-41页 |
| 第四章 叶片湿润时间的估测算法研究 | 第41-47页 |
| 4.1 试验样本选取 | 第41页 |
| 4.2 叶片湿润阈值的界定 | 第41-42页 |
| 4.2.1 叶片湿润初始时刻的界定 | 第42页 |
| 4.2.2 叶片湿润结束时刻的界定 | 第42页 |
| 4.3 叶片湿润时间的估算 | 第42-45页 |
| 4.4 人工观测结果对比验证 | 第45-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 结论 | 第47-48页 |
| 5.2 未来展望 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 附录 | 第54-55页 |
| 附录 攻读硕士学位期间的科研成果 | 第54-55页 |
| 致谢 | 第55页 |
