| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第11-19页 |
| 1.1 研究背景及问题的提出 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 基于机器视觉的害虫图像获取方法研究现状及分析 | 第13-14页 |
| 1.2.2 害虫图像识别与计数研究现状与分析 | 第14-15页 |
| 1.3 论文研究内容和技术路线 | 第15-17页 |
| 1.3.1 论文研究主要内容 | 第15-16页 |
| 1.3.2 论文技术路线 | 第16-17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第二章 害虫图像采集、预处理及目标分割提取 | 第19-36页 |
| 2.1 害虫图像采集系统 | 第19-21页 |
| 2.1.1 图像识别研究对象：粉虱与蓟马 | 第19页 |
| 2.1.2 自动监测设备及害虫监测软件 | 第19-21页 |
| 2.2 颜色模型转换与选取 | 第21-26页 |
| 2.2.1 颜色模型转换 | 第21-25页 |
| 2.2.2 不同颜色空间下的害虫图像 | 第25-26页 |
| 2.3 图像增强 | 第26-28页 |
| 2.3.1 直方图均衡化增强 | 第26-27页 |
| 2.3.2 灰度拉伸 | 第27-28页 |
| 2.4 害虫图像目标的分割与提取 | 第28-35页 |
| 2.4.1 图像分割方法 | 第28-29页 |
| 2.4.2 基于边缘检测的害虫目标分割 | 第29-32页 |
| 2.4.3 害虫目标提取 | 第32-33页 |
| 2.4.4 分割算法分析 | 第33-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 利用支持向量机对害虫目标识别分类 | 第36-42页 |
| 3.1 害虫目标特征选取与特征值处理 | 第36-37页 |
| 3.2 支持向量机的建模与识别 | 第37-40页 |
| 3.2.1 支持向量机的基本原理 | 第37-38页 |
| 3.2.2 利用支持向量机训练建模 | 第38-39页 |
| 3.2.3 不同核函数、特征向量组合的支持向量机识别分析 | 第39-40页 |
| 3.3 BP与SVM的害虫识别结果对比分析 | 第40-41页 |
| 3.4 图像识别效果 | 第41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 自动监测装置参数与拍摄参数标准的探索 | 第42-49页 |
| 4.1 常见图像数据类型 | 第42-43页 |
| 4.2 光照变化产生的问题 | 第43-45页 |
| 4.2.1 光照变化对害虫图像整体灰度分布的影响 | 第43-44页 |
| 4.2.2 光照变化对害虫图像色度空间的影响 | 第44页 |
| 4.2.3 光照变化对害虫图像识别的影响 | 第44-45页 |
| 4.3 解决光照变化的处理方法 | 第45-47页 |
| 4.3.1 优化自动监测获取害虫图像的参数 | 第45-46页 |
| 4.3.2 图像处理算法 | 第46-47页 |
| 4.4 自动监测装置和图像识别参数标准 | 第47-48页 |
| 4.4.1 自动监测装置参数标准化 | 第47-48页 |
| 4.4.2 拍摄图像参数标准化 | 第48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 害虫图像识别的应用研究 | 第49-56页 |
| 5.1 客户端害虫自动监测系统 | 第49-51页 |
| 5.2 服务器端系统功能及其实现 | 第51-54页 |
| 5.2.1 模型构建 | 第52-53页 |
| 5.2.2 害虫识别 | 第53页 |
| 5.2.3 系统实现 | 第53-54页 |
| 5.3 自动监测装置稳定性分析 | 第54-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第六章 结论与展望 | 第56-58页 |
| 6.1 结论 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62-63页 |
| 攻读硕士学位期间的科研成果 | 第62-63页 |
| 致谢 | 第63页 |