致谢 | 第6-7页 |
摘要 | 第7-10页 |
ABSTRACT | 第10-11页 |
目录 | 第12-15页 |
图目录 | 第15-19页 |
表目录 | 第19-23页 |
第一章 绪论 | 第23-36页 |
1.1 研究背景和意义 | 第23-24页 |
1.2 国内外研究现状 | 第24-33页 |
1.2.1 化学诊断方法 | 第24-25页 |
1.2.2 物理诊断方法 | 第25-33页 |
1.3 研究思路与技术路线 | 第33-36页 |
1.3.1 研究思路与研究内容 | 第33-35页 |
1.3.2 技术路线 | 第35-36页 |
第二章 研究材料和方法 | 第36-50页 |
2.1 试验设计 | 第36-37页 |
2.2 图像采集及测定项目 | 第37-39页 |
2.2.1 扫描图像采集 | 第37-39页 |
2.3 图像预处理 | 第39-41页 |
2.3.1 扫描图像的背景变换 | 第39-40页 |
2.3.2 扫描图像的去噪处理 | 第40-41页 |
2.3.3 扫描图像的灰度化处理 | 第41页 |
2.4 水稻特征的获取及归一化处理 | 第41-45页 |
2.4.1 水稻叶片、叶鞘形状特征的获取 | 第41-43页 |
2.4.2 水稻叶片、叶鞘颜色特征的提取 | 第43-44页 |
2.4.3 不同尺度水稻叶片颜色特征的提取 | 第44页 |
2.4.4 特征的归一化处理 | 第44-45页 |
2.5 特征筛选 | 第45-46页 |
2.5.1 特征筛选的方法 | 第45页 |
2.5.2 特征筛选的步骤 | 第45-46页 |
2.6 机器学习方法 | 第46-50页 |
2.6.1 Fisher判别分析 | 第47页 |
2.6.2 支持向量机(SVM) | 第47-50页 |
第三章 水稻氮、磷、钾营养胁迫种类的识别 | 第50-67页 |
3.1 引言 | 第50-52页 |
3.2 材料与方法 | 第52-53页 |
3.2.1 研究材料 | 第52页 |
3.2.2 数据分析方法 | 第52-53页 |
3.3 结果与讨论 | 第53-65页 |
3.3.1 识别特征的获取 | 第53-56页 |
3.3.2 水稻氮磷钾营养状况的模式识别 | 第56-64页 |
3.3.3 模型验证 | 第64-65页 |
3.4 小结 | 第65-67页 |
第四章 水稻不同氮营养胁迫程度的识别 | 第67-78页 |
4.1 引言 | 第67-68页 |
4.2 材料与方法 | 第68-69页 |
4.2.1 研究材料 | 第68页 |
4.2.2 数据分析方法 | 第68-69页 |
4.3 结果与讨论 | 第69-77页 |
4.3.1 水稻氮营养胁迫程度的诊断 | 第69-75页 |
4.3.2 利用便携式扫描仪对水稻氮营养的诊断 | 第75-77页 |
4.4 小结 | 第77-78页 |
第五章 水稻不同磷营养胁迫程度的识别 | 第78-86页 |
5.1 引言 | 第78页 |
5.2 材料和方法 | 第78-79页 |
5.2.1 研究材料 | 第78-79页 |
5.2.2 数据分析方法 | 第79页 |
5.3 结果与讨论 | 第79-84页 |
5.3.1 识别特征的获取以及筛选 | 第80-81页 |
5.3.2 基于SVM的诊断模型的建立与验证 | 第81-84页 |
5.4 小结 | 第84-86页 |
第六章 水稻不同钾营养胁迫程度的识别 | 第86-96页 |
6.1 引言 | 第86页 |
6.2 材料和方法 | 第86-87页 |
6.2.1 研究材料 | 第86-87页 |
6.2.2 数据分析方法 | 第87页 |
6.3 结果与讨论 | 第87-95页 |
6.3.1 基于面向对象的钾胁迫下水稻叶片特征的提取 | 第88-91页 |
6.3.2 识别特征的筛选 | 第91-93页 |
6.3.3 基于SVM的诊断模型的建立与验证 | 第93-95页 |
6.4 小结 | 第95-96页 |
第七章 结论、创新点和展望 | 第96-101页 |
7.1 结论 | 第96-99页 |
7.1.1 建立了不同氮、磷、钾营养水平的水稻叶片、叶鞘形态和光谱特征数据库 | 第96页 |
7.1.2 水稻氮磷钾缺素(胁迫种类)的识别 | 第96-97页 |
7.1.3 水稻氮营养水平(胁迫程度)的识别 | 第97-98页 |
7.1.4 水稻磷营养水平(胁迫程度)的识别 | 第98页 |
7.1.5 水稻钾营养水平(胁迫程度)的识别 | 第98-99页 |
7.2 创新点 | 第99页 |
7.3 展望 | 第99-101页 |
参考文献 | 第101-109页 |
论文发表情况 | 第109页 |