| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-15页 |
| 1.1 选题背景 | 第10页 |
| 1.2 国内外高光谱技术在农业上的应用现状 | 第10-13页 |
| 1.2.1 高光谱的特征参数提取研究现状 | 第10-11页 |
| 1.2.2 基于高光谱的植物分类和识别研究现状 | 第11-12页 |
| 1.2.3 基于高光谱技术的植物病害检测研究现状 | 第12-13页 |
| 1.2.4 基于高光谱技术的机器学习算法研究现状 | 第13页 |
| 1.3 研究内容及方法 | 第13页 |
| 1.4 研究意义 | 第13-14页 |
| 1.5 技术路线 | 第14-15页 |
| 2 实验原理、设备与软件 | 第15-24页 |
| 2.1 试验地概况 | 第15页 |
| 2.2 试验设计 | 第15-17页 |
| 2.3 设备和软件的介绍 | 第17-19页 |
| 2.3.1 采集仪器及配套软件介绍 | 第17-19页 |
| 2.3.2 数据分析工具SPSS | 第19页 |
| 2.4 数据处理方法 | 第19-24页 |
| 2.4.1 特征提取的方法 | 第20-22页 |
| 2.4.2 逐步判别方法 | 第22-24页 |
| 3 苎麻叶片高光谱特征分析 | 第24-35页 |
| 3.1 绿色植物高光谱基本特征 | 第24页 |
| 3.2 不同品种的苎麻叶片高光谱特征 | 第24-28页 |
| 3.2.1 三边参数 | 第26-27页 |
| 3.2.2 植被指数 | 第27页 |
| 3.2.3 苎麻不同品种旺长期和成熟期参数 | 第27-28页 |
| 3.3 苎麻与其他作物高光谱特征比较 | 第28-31页 |
| 3.4 苎麻褐斑病叶片光谱基本特征 | 第31-35页 |
| 4 基于高光谱的苎麻品种分类 | 第35-45页 |
| 4.1 基于原始高光谱峰谷参数品种分类 | 第36-38页 |
| 4.2 基于植被指数的品种分析 | 第38-40页 |
| 4.3 基于三边参数的品种分类 | 第40-42页 |
| 4.4 基于偏度峰度的品种分类 | 第42-44页 |
| 4.5 结论 | 第44-45页 |
| 5 基于高光谱的苎麻褐斑病识别 | 第45-53页 |
| 5.1 基于原始数据峰谷参数的褐斑病识别 | 第46-47页 |
| 5.2 基于植被指数的褐斑病识别 | 第47-49页 |
| 5.3 基于三边参数的褐斑病识别 | 第49-50页 |
| 5.4 基于偏度峰度的褐斑病识别 | 第50-52页 |
| 5.5 结论 | 第52-53页 |
| 6 结论与展望 | 第53-55页 |
| 6.1 主要结论 | 第53-54页 |
| 6.1.1 苎麻叶片高光谱特征 | 第53页 |
| 6.1.2 苎麻四种不同品种的分类识别模型结论 | 第53-54页 |
| 6.1.3 苎麻褐斑病品种和健康品种的分类识别模型结论 | 第54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 作者简介 | 第60页 |