首页--农业科学论文--林业论文--森林树种论文--特用阔叶树类论文--橡胶树论文

基于光谱技术的橡胶树氮素水平无损诊断策略研究

摘要第4-6页
Abstract第6-7页
1 绪论第11-18页
    1.1 研究背景第11-12页
    1.2 植物氮素营养状况检测技术现状第12-16页
        1.2.1 植物氮素营养诊断技术概述第12-13页
        1.2.2 植物氮素营养光谱诊断方法的研究进展第13-15页
        1.2.3 橡胶树光谱营养诊断方法的研究进展第15-16页
    1.3 主要研究内容第16-17页
    1.4 论文总体结构第17页
    1.5 本章小结第17-18页
2 实验材料与方法第18-29页
    2.1 实验材料第18页
        2.1.1 实验样本的获取第18页
        2.1.2 橡胶树叶片营养水平划分标准第18页
    2.2 光谱数据的获取第18-19页
        2.2.1 实验仪器第18-19页
        2.2.2 光谱数据获取第19页
    2.3 理化指标的采集第19-20页
    2.4 光谱信息预处理方法第20-23页
        2.4.1 导数运算第20页
        2.4.2 分数阶微积分第20-22页
        2.4.3 直接正交信号处理第22-23页
    2.5 氮素水平检测模型建立方法第23-27页
        2.5.1 橡胶树氮含量定性分析方法第23-26页
        2.5.2 橡胶树氮含量定量分析方法第26-27页
    2.6 氮素检测模型评价准则第27-28页
    2.7 本章小结第28-29页
3 基于BP-Adaboost算法的橡胶树氮素含量光谱诊断模型第29-39页
    3.1 橡胶叶光谱特性的描述性分析第29-30页
    3.2 基于BP-Adabost算法的橡胶树氮素水平分类识别方法研究第30-35页
        3.2.1 橡胶树氮素含量水平划分第30-31页
        3.2.2 数据预处理第31-32页
        3.2.3 基于特征融合的光谱建模策略第32-33页
        3.2.4 模型结构及建模步骤第33-35页
    3.3 BP-Adaboost算法建模效果分析第35-36页
    3.4 不同建模方案的比较第36-38页
        3.4.1 BP神经网络模型第36-37页
        3.4.2 Bayes判别分析模型第37-38页
        3.4.3 分析与讨论第38页
    3.5 本章小结第38-39页
4 基于分数阶算法的橡胶树氮含量光谱定性分析模型第39-49页
    4.1 光谱数据的分数阶微积分预处理第39-42页
    4.2 建模集和预测集的划分第42-43页
    4.3 特征的提取第43-46页
    4.4 橡胶树氮素含量SVM、ELM分析模型的建立第46-47页
        4.4.1 橡胶树氮素含量的SVM定性分析模型第46-47页
        4.4.2 橡胶树氮素含量的ELM定性分析模型第47页
    4.5 不同阶次分数阶光谱所建模型预测能力比较第47-48页
    4.6 本章小结第48-49页
5 基于分数阶算法的橡胶树氮含量光谱定量分析模型第49-59页
    5.1 橡胶树氮素含量光谱定量分析模型的建立第49-54页
        5.1.1 光谱数据的数学变换第49-50页
        5.1.2 分数阶光谱的获取第50-52页
        5.1.3 特征的选择第52页
        5.1.4 定量分析模型建模流程第52-54页
    5.2 橡胶树氮素含量光谱定量分析模型预测结果第54-55页
    5.3 分数阶模型效果分析第55-58页
        5.3.1 分数阶模型与整数阶模型预测效果分析第55-56页
        5.3.2 分数阶模型与已有建模方法预测效果比较第56页
        5.3.3 最优阶次选择第56-58页
    5.4 不同数学处理手段的影响第58页
    5.5 本章小结第58-59页
6 结论与展望第59-61页
    6.1 主要研究结论第59页
    6.2 进一步研究展望第59-61页
参考文献第61-65页
攻读学位期间发表的学术论文目录第65-67页
攻读学位期间参与的项目第67-68页
致谢第68-69页

论文共69页,点击 下载论文
上一篇:彩桥记忆湿地景观的嘉木与花卉设计
下一篇:不同立地栽培条件下南美星油藤生物学特性比较