| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究的目的意义及背景 | 第9-10页 |
| ·植物病害智能诊断的国内外研究现状 | 第10-11页 |
| ·模糊神经网络理论及应用概述 | 第11-14页 |
| ·模糊神经网络理论概述 | 第11-12页 |
| ·模糊神经元与模糊神经网络 | 第12-13页 |
| ·模糊神经网络的研究现状与发展趋势 | 第13-14页 |
| ·模糊神经网络应用在植物病害诊断的必然趋势 | 第14-15页 |
| ·本文研究的主要内容及结构 | 第15-17页 |
| 第二章 植物病叶的采集系统及配置设计 | 第17-20页 |
| ·图像采集系统基本配置 | 第17页 |
| ·植物病害叶片来源 | 第17-18页 |
| ·植物病害图像采集 | 第18-19页 |
| ·图像采集设备 | 第18页 |
| ·图像处理设备 | 第18页 |
| ·图像采集方法 | 第18-19页 |
| ·植物病害图像处理过程 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第三章 植物病害叶片图像校正技术的研究 | 第20-27页 |
| ·图像几何失真的产生原理 | 第20-21页 |
| ·图像几何失真校正的方法探讨 | 第21-22页 |
| ·图像几何失真的校正措施 | 第22-23页 |
| ·校正模板标定 | 第22页 |
| ·植物病害叶片失真图像标定 | 第22-23页 |
| ·适合于植物病害叶片图像几何失真校正的步骤 | 第23-26页 |
| ·空间变换 | 第23-24页 |
| ·灰度插值 | 第24-25页 |
| ·校正准确性计算 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第四章 病斑区域识别的模糊神经网络技术研究 | 第27-46页 |
| ·病斑区域识别的理论基础 | 第27-29页 |
| ·图像识别的理论基础 | 第27-28页 |
| ·模糊神经网络图像识别分割的应用 | 第28-29页 |
| ·建立病斑区域识别的模糊神经网络模型 | 第29-36页 |
| ·建立模糊神经网络模型 | 第29-34页 |
| ·模糊神经网络学习算法 | 第34-35页 |
| ·网络模型建立步骤方法 | 第35-36页 |
| ·病斑区域识别的模糊神经网络改进 | 第36-41页 |
| ·动量法和批处理梯度下降学习算法相结合改进 | 第36-37页 |
| ·遗传算法与模糊神经网络融合技术 | 第37-39页 |
| ·遗传算法优化模糊神经网络参数方法 | 第39-41页 |
| ·病斑区域识别的模糊神经网络的应用 | 第41-44页 |
| ·适合植物病斑区域识别的模糊神经网络 | 第41-44页 |
| ·病斑识别分割应用效果 | 第44页 |
| ·本章小结 | 第44-46页 |
| 第五章 病斑区域特征计算及病害诊断技术研究 | 第46-57页 |
| ·病斑区域的预处理技术 | 第46-47页 |
| ·病斑区域特征计算 | 第47-52页 |
| ·几何特征计算 | 第47-49页 |
| ·颜色特征计算 | 第49-50页 |
| ·纹理特征计算 | 第50-52页 |
| ·病害诊断的神经网络技术研究 | 第52-56页 |
| ·建立病害诊断的量子神经网络模型 | 第52-55页 |
| ·量子神经网络在植物病害诊断的应用 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 基于植物病害无损智能诊断技术的实际资料处理 | 第57-64页 |
| ·建立植物病害无损智能诊断的算法 | 第57-58页 |
| ·植物病害无损诊断的流程设计 | 第58-59页 |
| ·植物病害无损智能诊断技术的应用 | 第59-63页 |
| ·本章小结 | 第63-64页 |
| 结论与展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 发表文章目录 | 第70-71页 |
| 致谢 | 第71-72页 |
| 详细摘要 | 第72-83页 |