| 摘要 | 第1-7页 |
| Abstract | 第7-14页 |
| 第一章 绪论 | 第14-21页 |
| ·引言 | 第14-15页 |
| ·本研究的背景和意义 | 第15-18页 |
| ·水稻主要病害 | 第15-16页 |
| ·水稻病害识别方法 | 第16-17页 |
| ·近红外光谱技术检测农作物病害的优势 | 第17-18页 |
| ·本研究的意义 | 第18页 |
| ·本研究的目标 | 第18页 |
| ·本研究的内容与方案 | 第18页 |
| ·技术路线 | 第18-19页 |
| ·课题来源及拟解决的关键问题 | 第19-20页 |
| ·课题来源 | 第19页 |
| ·拟解决的关键问题 | 第19-20页 |
| ·本文的组织与结构 | 第20-21页 |
| 第二章 基于近红外光谱的农作物病害诊断的理论与方法 | 第21-32页 |
| ·近红外光谱技术介绍 | 第21-24页 |
| ·近红外光谱概述 | 第21-22页 |
| ·植被的主要光谱特征 | 第22-24页 |
| ·近红外光谱诊断农作物病害原理 | 第24-26页 |
| ·农作物病害近红外光谱技术 | 第26-29页 |
| ·近红外光谱数据预处理方法研究 | 第26-27页 |
| ·光谱微分技术 | 第27页 |
| ·光谱位置变量分析技术 | 第27-28页 |
| ·建立光谱模式识别模型方法 | 第28-29页 |
| ·近红外光谱在农作物病害中的应用现状 | 第29-30页 |
| ·国内外研究现状 | 第30-32页 |
| ·国外研究现状 | 第30页 |
| ·国内研究现状 | 第30-32页 |
| 第三章 水稻叶部病害近红外光谱数据采集与分析 | 第32-51页 |
| ·材料与方法 | 第32-38页 |
| ·试验材料 | 第32页 |
| ·光谱测量方法 | 第32-34页 |
| ·水稻病害严重度分级标准 | 第34-35页 |
| ·水稻病害叶片光谱数据测量方法研究 | 第35-38页 |
| ·数据处理 | 第38页 |
| ·近红外光谱数据的预处理算法研究 | 第38-46页 |
| ·平滑算法 | 第38-43页 |
| ·导数算法 | 第43-44页 |
| ·多元散射校正算法 | 第44-46页 |
| ·水稻病害近红外光谱特征分析 | 第46-51页 |
| ·健康水稻光谱特征 | 第46页 |
| ·不同水稻病害光谱特征 | 第46-48页 |
| ·不同处理方法对水稻病害光谱影响分析 | 第48-51页 |
| 第四章 水稻叶部病害诊断模型构建 | 第51-60页 |
| ·水稻病害敏感波段的选择 | 第51页 |
| ·近红外光谱特征提取 | 第51-54页 |
| ·主成分分析 | 第51-54页 |
| ·一阶导数特征参数对比分析 | 第54页 |
| ·基于近红外光谱的水稻病害严重度诊断模型 | 第54-57页 |
| ·基于近红外光谱的胡麻斑严重度诊断模型 | 第55-56页 |
| ·基于近红外光谱的纹枯病严重度诊断模型 | 第56-57页 |
| ·多元散射校正对模型的影响 | 第57页 |
| ·基于近红外光谱的水稻不同病害识别模型 | 第57-60页 |
| ·基于逐步回归分析的水稻病害识别模型 | 第57-58页 |
| ·基于人工神经网络的水稻病害识别 | 第58-60页 |
| 第五章 总结与展望 | 第60-63页 |
| ·工作总结 | 第60-61页 |
| ·创新点 | 第61页 |
| ·工作展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 作者简历 | 第69页 |