| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 前言 | 第16-18页 |
| 1.2 农作物真菌病害检测的研究现状 | 第18-21页 |
| 1.2.1 基于生物化学方法的检测技术 | 第18-19页 |
| 1.2.2 基于机器视觉的检测技术 | 第19-20页 |
| 1.2.3 基于光谱分析的检测技术 | 第20-21页 |
| 1.3 研究内容及技术路线图 | 第21-24页 |
| 1.3.1 研究内容 | 第21-23页 |
| 1.3.2 技术路线图 | 第23-24页 |
| 第二章 材料与方法 | 第24-39页 |
| 2.0 实验材料 | 第24页 |
| 2.1 实验设备 | 第24-27页 |
| 2.1.1 高光谱成像系统 | 第24-26页 |
| 2.1.2 微孔板分光光度计 | 第26-27页 |
| 2.2 光谱数据的预处理 | 第27-28页 |
| 2.2.1 平滑去噪 | 第27-28页 |
| 2.2.2 多元散射矫正 | 第28页 |
| 2.2.3 标准正态变量变换和归一化 | 第28页 |
| 2.3 光谱数据的特征降维和选择 | 第28-31页 |
| 2.3.1 主成分分析 | 第29-30页 |
| 2.3.2 反向间隔偏最小二乘算法 | 第30页 |
| 2.3.3 连续投影算法 | 第30-31页 |
| 2.3.4 竞争性自适应重加权采样法 | 第31页 |
| 2.3.5 递归特征消除算法 | 第31页 |
| 2.4 顶点成分分析 | 第31页 |
| 2.5 纹理特征提取方法 | 第31-32页 |
| 2.6 光谱数据的建模方法 | 第32-37页 |
| 2.6.1 回归分析 | 第32-35页 |
| 2.6.2 分类分析 | 第35-37页 |
| 2.7 模型评价 | 第37-38页 |
| 2.7.1 回归模型评价 | 第37-38页 |
| 2.7.2 分类模型评价 | 第38页 |
| 2.8 数据处理软件 | 第38-39页 |
| 第三章 基于高光谱大麦灰梨孢病害生理指标定量检测 | 第39-59页 |
| 3.1 前言 | 第39页 |
| 3.2 材料与方法 | 第39-41页 |
| 3.2.1 试验菌株与培养基 | 第39-40页 |
| 3.2.2 供试植物及培育 | 第40页 |
| 3.2.3 菌株的培养和分生孢子的收集 | 第40页 |
| 3.2.4 大麦离体接种实验 | 第40-41页 |
| 3.3 光谱数据采集 | 第41-42页 |
| 3.3.1 试验样本 | 第41页 |
| 3.3.2 可见/近红外高光谱图像的采集与矫正 | 第41-42页 |
| 3.4 大麦代谢物成分测定 | 第42-45页 |
| 3.4.1 样本准备 | 第42页 |
| 3.4.2 ASA测定 | 第42-44页 |
| 3.4.3 MDA测定 | 第44-45页 |
| 3.4.4 叶绿素测定 | 第45页 |
| 3.5 结果与分析 | 第45-57页 |
| 3.5.1 高光谱图像的感兴趣区域选择 | 第45-46页 |
| 3.5.2 染病和健康大麦高光谱平均光谱特征 | 第46页 |
| 3.5.3 染病和健康大麦代谢物成分统计分析 | 第46-50页 |
| 3.5.4 样品集划分 | 第50页 |
| 3.5.5 大麦生理指标的高光谱图像定量检测 | 第50-57页 |
| 3.5.5.2 特征波长选择 | 第52-54页 |
| 3.5.5.3 基于特征波长的回归分析模型 | 第54-57页 |
| 3.6 本章小结 | 第57-59页 |
| 第四章 基于高光谱反射率的大麦病害早期检测 | 第59-71页 |
| 4.1 前言 | 第59页 |
| 4.2 材料与方法 | 第59-60页 |
| 4.2.1 试验菌株 | 第59页 |
| 4.2.2 供试植株及培育 | 第59页 |
| 4.2.3 菌株的培养和分生孢子的收集 | 第59-60页 |
| 4.2.4 大麦接种 | 第60页 |
| 4.2.5 可见/近红外高光谱图像采集 | 第60页 |
| 4.3 基于可见/近红外光谱反射率信息的大麦染病时期分类模型 | 第60-69页 |
| 4.3.1 高光谱图像的感兴趣区域 | 第60页 |
| 4.3.2 样本划分及光谱分析 | 第60-62页 |
| 4.3.3 基于全光谱的分类模型 | 第62-64页 |
| 4.3.4 基于特征波长选择的分类模型 | 第64-67页 |
| 4.3.5 基于特征波段比的分类模型 | 第67-69页 |
| 4.5 本章小结 | 第69-71页 |
| 第五章 基于高光谱图像纹理特征的大麦病斑检测 | 第71-95页 |
| 5.1 前言 | 第71-72页 |
| 5.2 材料与方法 | 第72-74页 |
| 5.2.1 试验菌株 | 第72页 |
| 5.2.2 供试植株及培育 | 第72页 |
| 5.2.3 菌株的培养和分生孢子的收集 | 第72页 |
| 5.2.4 大麦接种 | 第72-73页 |
| 5.2.5 可见/近红外高光谱图像采集 | 第73-74页 |
| 5.3 基于可见/近红外光谱活体大麦灰梨孢病病斑成像 | 第74-82页 |
| 5.3.1 活体叶片染病形态 | 第74-75页 |
| 5.3.2 基于主成分分析和端元提取的高光谱大麦病斑位置识别 | 第75-82页 |
| 5.4 基于灰度图像纹理特征的大麦灰梨孢病分类模型 | 第82-86页 |
| 5.4.1 样本划分及光谱分析 | 第82-83页 |
| 5.4.2 高光谱感兴趣区域的灰度图像获取 | 第83-84页 |
| 5.4.3 纹理特征的提取 | 第84-86页 |
| 5.4.4 分类模型建立 | 第86页 |
| 5.5 结果与讨论 | 第86-93页 |
| 5.5.1 数据预处理 | 第86-87页 |
| 5.5.2 基于主成分灰度图像的纹理特征的分类模型 | 第87-89页 |
| 5.5.3 基于顶点成分分析的高光谱图像纹理特征的分类模型 | 第89-93页 |
| 5.6 本章小结 | 第93-95页 |
| 第六章 结论与展望 | 第95-98页 |
| 6.1 结论 | 第95-97页 |
| 6.2 展望 | 第97-98页 |
| 参考文献 | 第98-102页 |
| 作者简介 | 第102页 |
