致谢 | 第5-6页 |
摘要 | 第6-8页 |
ABSTRACT | 第8-9页 |
目录 | 第10-13页 |
1 绪论 | 第13-21页 |
1.1 研究意义与背景 | 第13-14页 |
1.2 国内外研究方法 | 第14-17页 |
1.2.1 国外研究方法 | 第14-16页 |
1.2.2 国内研究方法 | 第16-17页 |
1.3 研究现状总结 | 第17-18页 |
1.4 本文主要工作及思路 | 第18-21页 |
2 基于双目视觉的作物多维信息监测与处理 | 第21-37页 |
2.1 信息监测系统总体介绍 | 第21-22页 |
2.2 主要功能与设计原则 | 第22-23页 |
2.2.1 主要功能 | 第22-23页 |
2.2.2 设计原则 | 第23页 |
2.3 系统结构与工作原理 | 第23-29页 |
2.3.1 整体结构 | 第23-24页 |
2.3.2 控制主机 | 第24-25页 |
2.3.3 图像采集部件 | 第25-27页 |
2.3.4 无线通信部件 | 第27页 |
2.3.5 车辆运动部件 | 第27-28页 |
2.3.6 电源 | 第28页 |
2.3.7 设备轨道 | 第28-29页 |
2.4 农作物信息提取 | 第29-36页 |
2.4.1 维农作物信息 | 第31-35页 |
2.4.2 三维农作物信息 | 第35-36页 |
2.5 本章小结 | 第36-37页 |
3 基于改进型局部保持投影的农作物多维生长特征优化 | 第37-51页 |
3.1 农作物多维生长特征体系的建立 | 第37-38页 |
3.1.1 特征结构体系建立过程 | 第37页 |
3.1.2 多维特征结构体系的建立 | 第37-38页 |
3.2 多维特征的选取与定义 | 第38-44页 |
3.2.1 高度特征 | 第38-39页 |
3.2.2 面积特征 | 第39-40页 |
3.2.3 形状特征 | 第40-41页 |
3.2.4 颜色特征 | 第41-42页 |
3.2.5 纹理特征 | 第42-43页 |
3.2.6 标准化处理 | 第43-44页 |
3.3 基于改进型局部保持投影的多维特征优化 | 第44-50页 |
3.3.1 特征优化模型的选择 | 第44-45页 |
3.3.2 基本LPP算法 | 第45-46页 |
3.3.3 改进型LPP算法 | 第46-48页 |
3.3.4 基于改进型LPP算法的特征优化方法 | 第48-50页 |
3.4 本章小结 | 第50-51页 |
4 基于蝙蝠算法的农作物长势评价方法 | 第51-65页 |
4.1 评价模型的选择 | 第51-53页 |
4.1.1 分类模型 | 第51-52页 |
4.1.2 群体智能算法 | 第52-53页 |
4.2 蝙蝠算法的基本理论 | 第53-57页 |
4.2.1 蝙蝠算法概述 | 第53页 |
4.2.2 蝙蝠行为与定位原理 | 第53-54页 |
4.2.3 蝙蝠算法的规则化前提 | 第54页 |
4.2.4 蝙蝠算法的运算流程 | 第54-56页 |
4.2.5 蝙蝠算法变量的更新规则 | 第56-57页 |
4.2.6 蝙蝠算法特点总结 | 第57页 |
4.3 基于蝙蝠算法的农作物长势评价模型 | 第57-63页 |
4.3.1 总体评价流程 | 第57-59页 |
4.3.2 评价规则表示 | 第59-61页 |
4.3.3 评价规则构造过程 | 第61-62页 |
4.3.4 分类规则适应度 | 第62-63页 |
4.3.5 评价模型的性能 | 第63页 |
4.4 本章小结 | 第63-65页 |
5 实验与分析 | 第65-79页 |
5.1 作物生长特征优化的实验分析 | 第65-73页 |
5.1.1 特征数据采集与处理 | 第65-68页 |
5.1.2 优化效果分析 | 第68-70页 |
5.1.3 SVM分类测试分析 | 第70-73页 |
5.2 农作物长势评价模型的实验分析 | 第73-77页 |
5.2.1 基于蝙蝠算法的规则挖掘与评价过程 | 第73-75页 |
5.2.2 对比分析实验 | 第75-77页 |
5.3 本章小结 | 第77-79页 |
6 结论与展望 | 第79-81页 |
6.1 论文工作总结 | 第79页 |
6.2 进一步工作展望 | 第79-81页 |
参考文献 | 第81-85页 |
作者简历及攻读硕士学位期间取得的研究成果 | 第85-89页 |
学位论文数据集 | 第89页 |