首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于多光谱视觉的稻瘟病检测技术研究

提要第1-10页
第1章 绪论第10-26页
   ·引言第10-11页
   ·本研究目的及意义第11-15页
   ·光谱、图像和光谱视觉技术检测作物病虫害研究进展第15-24页
     ·光谱分析技术检测作物病虫害研究进展第15-18页
     ·计算机图像处理技术检测作物病虫害研究进展第18-21页
     ·光谱视觉技术检测作物病虫害研究进展第21-24页
   ·课题来源及依据第24页
   ·本研究主要内容第24-26页
第2章 实验材料与仪器测试方法第26-41页
   ·实验材料制备第26-28页
     ·稻瘟病病原及侵染特点第26页
     ·稻瘟病菌单孢分离与保存第26-27页
     ·菌株繁殖与孢子悬浮液制备第27页
     ·育秧与接种第27-28页
   ·多光谱视觉系统实验台第28-36页
     ·多光谱视觉系统实验台硬件组成第29-30页
     ·多光谱成像设备性能参数第30-32页
     ·图像采集卡性能参数第32页
     ·图像采集卡驱动及相机控制软件安装和调试第32-35页
     ·光照系统设计第35-36页
   ·多光谱视觉技术检测植物病害理论基础第36-40页
     ·绿色植物光谱特性第36-38页
     ·植被指数第38-39页
     ·多光谱视觉技术特点第39-40页
   ·本章小结第40-41页
第3章 基于虚拟仪器技术的多光谱视觉系统软件设计第41-63页
   ·虚拟仪器、Labview 及其视觉模块第42-44页
     ·虚拟仪器技术第42-43页
     ·Labview 编程技术及其视觉模块第43-44页
   ·多光谱视觉系统软件设计第44-59页
     ·多光谱图像采集、保存及显示模块设计第46-49页
     ·多光谱图像实时处理和分析模块设计第49-58页
     ·多光谱视觉系统软件界面及功能简介第58-59页
   ·多光谱视觉系统软件测试第59-62页
     ·实验室条件下测试结果第59页
     ·田间条件下测试结果第59-62页
   ·本章小结第62-63页
第4章 稻瘟病病害程度分级检测技术研究第63-84页
   ·稻叶瘟病病害程度分级标准第63-65页
   ·稻瘟病病斑多光谱视觉识别第65-67页
   ·试验方案设计第67页
   ·病斑和稻苗多光谱图像灰度变化趋势第67-69页
   ·敏感波段及植被指数特征参数选择第69-72页
   ·基于概率神经网络的稻瘟病病害程度分级检测模型第72-75页
     ·PNN 分类器设计第72-74页
     ·模型的仿真与测试第74-75页
   ·基于支持向量机技术的稻瘟病病害程度分级检测模型第75-82页
     ·支持向量机分类原理第76-78页
     ·支持向量机多值分类器构造方法第78-79页
     ·LibSVM 分类器设计与仿真第79-82页
   ·分类精度影响因素分析第82-83页
   ·本章小结第83-84页
第5章 稻瘟病早期检测技术研究第84-101页
   ·稻瘟病潜育期特点第84-85页
   ·试验方案设计第85-86页
   ·潜育期内水稻单株和冠层多光谱图像信息总体变化趋势第86-88页
   ·敏感波段及植被指数特征参数选择第88-92页
     ·单株样本分析第88-90页
     ·冠层样本分析第90-92页
   ·基于时间序列分析技术的稻瘟病早期检测模型第92-99页
     ·时间序列及其特点第92-93页
     ·稻瘟病潜育期内NIR 图像灰度时间序列建立第93-94页
     ·稻瘟病潜育期内NIR 图像灰度时间序列相似性度量方法第94-95页
     ·稻瘟病潜育期内NIR 图像灰度时间序列模式距离第95-97页
     ·基于K-近邻算法的稻瘟病早期分类检测技术第97-99页
   ·本章小结第99-101页
第6章 全文总结与展望第101-104页
   ·全文总结第101-103页
   ·下一步研究工作展望第103-104页
参考文献第104-116页
附录1 相关缩略词及名词术语第116-117页
附录2 稻瘟病早期检测部分建模数据第117-120页
攻读博士学位期间发表的学术论文及其他成果第120-122页
致谢第122-123页
摘要第123-126页
ABSTRACT第126-129页

论文共129页,点击 下载论文
上一篇:基于顺序形态学理论的医学CT图像三维重建方法的研究
下一篇:面向大型科学仪器网络实验室的视觉视频关键技术研究与应用