| 致谢 | 第7-8页 |
| 摘要 | 第8-10页 |
| Abstract | 第10-11页 |
| 目录 | 第12-16页 |
| 图目录 | 第16-19页 |
| 表目录 | 第19-21页 |
| 第一章 绪论 | 第21-33页 |
| 1.1 研究背景及意义 | 第21-22页 |
| 1.2 国内外研究现状 | 第22-31页 |
| 1.2.1 常规作物病害检测方法 | 第22-24页 |
| 1.2.2 基于光谱技术的作物病害检测 | 第24-30页 |
| 1.2.3 目前存在的问题与难点 | 第30-31页 |
| 1.3 研究内容 | 第31页 |
| 1.4 技术路线图 | 第31-32页 |
| 1.5 本章小结 | 第32-33页 |
| 第二章 材料与方法 | 第33-45页 |
| 2.1 实验材料 | 第33-35页 |
| 2.1.1 茶树试验材料 | 第33页 |
| 2.1.2 番茄试验材料 | 第33-35页 |
| 2.1.3 油菜试验样本 | 第35页 |
| 2.2 实验仪器 | 第35-37页 |
| 2.2.1 雷尼绍显微共焦拉曼光谱仪 | 第35-36页 |
| 2.2.2 光谱和高光谱成像系统 | 第36-37页 |
| 2.3 数据处理与建模方法 | 第37-44页 |
| 2.3.1 数据预处理方法 | 第37-41页 |
| 2.3.2 特征提取方法 | 第41-42页 |
| 2.3.3 建模分析方法 | 第42-44页 |
| 2.4 本章小结 | 第44-45页 |
| 第三章 基于拉曼光谱的作物病害侵入期诊断方法研究 | 第45-65页 |
| 3.1 引言 | 第45-47页 |
| 3.2 材料和方法 | 第47-49页 |
| 3.2.1 样本准备 | 第47页 |
| 3.2.2 仪器设置 | 第47页 |
| 3.2.3 胞壁拉曼光谱数据采集 | 第47-48页 |
| 3.2.4 数据处理 | 第48-49页 |
| 3.3 结果和讨论 | 第49-64页 |
| 3.3.1 不同预处理方法的比较 | 第49-50页 |
| 3.3.2 主成分分析(PCA) | 第50-51页 |
| 3.3.3 染病与健康茶叶的判别分析 | 第51-64页 |
| 3.4 本章小结 | 第64-65页 |
| 第四章 基于光谱及成像技术的发病早期诊断方法研究 | 第65-87页 |
| 4.1 引言 | 第65-66页 |
| 4.2 材料与方法 | 第66-68页 |
| 4.2.1 试验样本 | 第66-67页 |
| 4.2.2 高光谱图像采集系统 | 第67页 |
| 4.2.3 高光谱图像获取与校正 | 第67页 |
| 4.2.4 感兴趣区域的光谱反射率值提取 | 第67-68页 |
| 4.3 早疫病光谱检测结果(400-1000nm) | 第68-72页 |
| 4.3.1 光谱反射率曲线分析 | 第68-69页 |
| 4.3.2 基于反射率值的病害定性分析 | 第69-70页 |
| 4.3.3 特征波长 | 第70页 |
| 4.3.4 定量模型建立与分析 | 第70-71页 |
| 4.3.5 基于每个特征波长的识别率 | 第71-72页 |
| 4.4 早疫病光谱检测结果(900-1700nm) | 第72-75页 |
| 4.4.1 光谱反射率曲线图分析 | 第72页 |
| 4.4.2 基于反射率值的病害定性分析 | 第72-73页 |
| 4.4.3 特征波长 | 第73-74页 |
| 4.4.4 定量模型建立与分析 | 第74页 |
| 4.4.5 基于每个特征波长的识别率 | 第74-75页 |
| 4.5 基于高光谱图像的早疫病检测结果 | 第75-78页 |
| 4.5.1 主成分图像的选取 | 第75-76页 |
| 4.5.2 基于纹理特征值的病害定性分析 | 第76-77页 |
| 4.5.3 定量模型的建立与比较 | 第77页 |
| 4.5.4 基于每个纹理特征值的识别率 | 第77-78页 |
| 4.6 灰霉病光谱检测结果及病害胁迫下SPAD值研究 | 第78-85页 |
| 4.6.1 光谱反射率曲线分析 | 第78-79页 |
| 4.6.2 基于反射率值的病害定性分析 | 第79-80页 |
| 4.6.3 特征波长 | 第80页 |
| 4.6.4 定量模型建立与分析 | 第80-81页 |
| 4.6.5 基于每个特征波长的识别率 | 第81-82页 |
| 4.6.6 SPAD值预测 | 第82-85页 |
| 4.7 本章小结 | 第85-87页 |
| 第五章 基于高光谱成像的作物病害发病期诊断方法研究 | 第87-114页 |
| 5.1 引言 | 第87页 |
| 5.2 材料与方法 | 第87-101页 |
| 5.2.1 油菜菌核病叶片制备 | 第87页 |
| 5.2.2 油菜叶片高光谱图像采集 | 第87-88页 |
| 5.2.3 高光谱图像光谱信息 | 第88-90页 |
| 5.2.4 建模集与预测集划分 | 第90页 |
| 5.2.5 健康样本与染病样本的主成分分析 | 第90-92页 |
| 5.2.6 基于不同光谱预处理的油菜菌核病鉴定 | 第92-95页 |
| 5.2.7 特征波长选择 | 第95-100页 |
| 5.2.8 基于特征波长的判别分析模型 | 第100-101页 |
| 5.3 基于高光谱图像的图像信息的油菜菌核病诊断 | 第101-112页 |
| 5.3.1 基于灰度直方图的纹理特征的油菜菌核病判别分析 | 第104-106页 |
| 5.3.2 基于灰度共生矩阵纹理特征的油菜菌核病判别分析 | 第106-107页 |
| 5.3.3 基于纹理特征与灰度共生矩阵纹理特征的油菜菌核病判别分析 | 第107-109页 |
| 5.3.4 基于SPA的特征纹理特征选择 | 第109-112页 |
| 5.4 本章小结 | 第112-114页 |
| 第六章 作物病害图像特征提取与识别系统开发 | 第114-138页 |
| 6.1 引言 | 第114页 |
| 6.2 开发环境与工具 | 第114页 |
| 6.2.1 VC++本 | 第114页 |
| 6.2.2 Matlab版本 | 第114页 |
| 6.3 软件的主要功能 | 第114-136页 |
| 6.3.1 VC++版本 | 第115-128页 |
| 6.3.2 Matlab版本 | 第128-136页 |
| 6.4 本章小结 | 第136-138页 |
| 第七章 结论与展望 | 第138-141页 |
| 7.1 主要结论 | 第138-139页 |
| 7.2 主要创新点 | 第139页 |
| 7.3 进一步研究展望 | 第139-141页 |
| 参考文献 | 第141-149页 |
| 作者简介 | 第149-150页 |
