| 摘要 | 第6-9页 |
| Abstract | 第9-11页 |
| 第一章 绪论 | 第21-31页 |
| 1.1 研究背景和意义 | 第21-22页 |
| 1.2 研究现状 | 第22-29页 |
| 1.2.1 光谱技术在作物营养及水分检测中的应用 | 第22-23页 |
| 1.2.2 作物长势信息的获取与应用 | 第23-26页 |
| 1.2.3 作物纹理及颜色信息的获取与应用 | 第26-28页 |
| 1.2.4 作物生长规律与水肥吸收规律 | 第28-29页 |
| 1.3 研究内容 | 第29-30页 |
| 1.4 本章小结 | 第30-31页 |
| 第二章 样本培育及数据获取 | 第31-38页 |
| 2.1 实验设计 | 第31-33页 |
| 2.1.1 不同营养水平处理 | 第31-33页 |
| 2.1.2 不同水分处理 | 第33页 |
| 2.2 数据采集 | 第33-35页 |
| 2.2.1 冠层反射光谱采集 | 第33-34页 |
| 2.2.2 冠层图像采集 | 第34-35页 |
| 2.2.3 产量的测定 | 第35页 |
| 2.3 理化分析 | 第35-36页 |
| 2.3.1 氮磷钾含量测定 | 第35-36页 |
| 2.3.2 水分含量测定 | 第36页 |
| 2.4 算法实现软件 | 第36-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第三章 基于光谱技术的生菜营养及水分检测方法研究 | 第38-63页 |
| 3.1 光谱预处理及模型评价 | 第38-45页 |
| 3.1.1 滤波及光谱变换 | 第38-41页 |
| 3.1.2 模型评价标准 | 第41-42页 |
| 3.1.3 样本集划分方法优选 | 第42-45页 |
| 3.2 特征波长筛选 | 第45-56页 |
| 3.2.1 间隔偏最小二乘算法 | 第45-46页 |
| 3.2.2 联合区间偏最小二乘算法 | 第46-49页 |
| 3.2.3 后向区间偏最小二乘算法 | 第49-52页 |
| 3.2.4 遗传后向/联合区间偏最小二乘算法 | 第52-54页 |
| 3.2.5 连续投影算法-遗传后向/联合区间偏最小二乘算法 | 第54-56页 |
| 3.3 基于光谱特征检测模型的建立及结果分析 | 第56-61页 |
| 3.3.1 多元线性回归 | 第56-57页 |
| 3.3.2 径向基函数神经网络 | 第57-58页 |
| 3.3.3 极限学习机 | 第58-60页 |
| 3.3.4 模型对比分析 | 第60-61页 |
| 3.4 本章小结 | 第61-63页 |
| 第四章 基于图像技术的生菜营养及水分检测方法研究 | 第63-82页 |
| 4.1 图像滤波 | 第63-66页 |
| 4.1.1 均值滤波 | 第63-64页 |
| 4.1.2 中值滤波 | 第64-65页 |
| 4.1.3 小波去噪 | 第65页 |
| 4.1.4 滤波方法比较分析 | 第65-66页 |
| 4.2 特征提取 | 第66-77页 |
| 4.2.1 长势特征提取 | 第67-73页 |
| 4.2.2 颜色特征提取 | 第73-75页 |
| 4.2.3 纹理特征提取 | 第75-77页 |
| 4.3 基于图像特征检测模型的建立及结果分析 | 第77-78页 |
| 4.4 生菜冠层图像特征提取软件的开发 | 第78-81页 |
| 4.4.1 软件界面 | 第79页 |
| 4.4.2 软件的主要功能 | 第79-80页 |
| 4.4.3 软件使用特别说明 | 第80-81页 |
| 4.5 本章小结 | 第81-82页 |
| 第五章 多信息融合营养及水分检测模型研究 | 第82-92页 |
| 5.1 特征降维 | 第82-86页 |
| 5.1.1 主成分分析 | 第82-84页 |
| 5.1.2 核主成分分析 | 第84-86页 |
| 5.2 多信息融合层次选择 | 第86-88页 |
| 5.3 融合模型的建立及结果分析 | 第88-91页 |
| 5.4 本章小结 | 第91-92页 |
| 第六章 生菜长势信息时间序列模型及生长规律研究 | 第92-103页 |
| 6.1 生菜长势时间序列模型的建立 | 第92-95页 |
| 6.1.1 Gomportz预测模型 | 第92-93页 |
| 6.1.2 Logistic预测模型 | 第93-94页 |
| 6.1.3 灰色Verhulst预测模型 | 第94-95页 |
| 6.2 长势时间序列模型的评价 | 第95-99页 |
| 6.2.1 评价参数 | 第95-97页 |
| 6.2.2 冠幅投影面积的时间序列模型检验 | 第97-98页 |
| 6.2.3 株高的时间序列模型检验 | 第98页 |
| 6.2.4 冠幅周长的时间序列模型检验 | 第98-99页 |
| 6.3 生菜速生点及速生期的确定 | 第99-102页 |
| 6.3.1 冠幅投影面积速生点及速生期的确定 | 第99-100页 |
| 6.3.2 株高速生点及速生期的确定 | 第100-101页 |
| 6.3.3 冠幅周长速生点及速生期的确定 | 第101页 |
| 6.3.4 长势的速生点和速生期比较分析 | 第101-102页 |
| 6.4 本章小结 | 第102-103页 |
| 第七章 基于长势的时域变量施肥研究 | 第103-117页 |
| 7.1 养分含量、长势与产量的关系研究 | 第103-106页 |
| 7.1.1 养分含量与长势间的灰色关联分析 | 第104-105页 |
| 7.1.2 养分含量与产量间的灰色关联分析 | 第105-106页 |
| 7.1.3 长势与产量间的灰色关联分析 | 第106页 |
| 7.2 长势预测模型及养分供给模型的建立 | 第106-112页 |
| 7.2.1 不同养分含量条件下产量变化规律研究 | 第106-107页 |
| 7.2.2 长势预测模型的建立 | 第107-111页 |
| 7.2.3 养分供给与养分含量关系研究 | 第111-112页 |
| 7.3 施肥量的确定 | 第112-116页 |
| 7.4 本章小结 | 第116-117页 |
| 第八章 总结与展望 | 第117-122页 |
| 8.1 研究的主要结论 | 第117-120页 |
| 8.2 研究的主要创新点 | 第120页 |
| 8.3 研究展望 | 第120-122页 |
| 参考文献 | 第122-136页 |
| 致谢 | 第136-137页 |
| 博士期间取得的科研成果 | 第137-139页 |
| 附录 | 第139-144页 |