| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第8-16页 |
| ·课题的提出 | 第8-10页 |
| ·现代设施农业的发展状况 | 第8页 |
| ·获取作物长势信息的方法及作用 | 第8-9页 |
| ·土壤水份对温室黄瓜生长与生理特性的影响 | 第9-10页 |
| ·计算机图像处理技术用于作物长势检测的应用和发展 | 第10-13页 |
| ·计算机图像处理技术用于作物长势检测的应用 | 第11-12页 |
| ·计算机图像处理技术用于作物长势检测的发展 | 第12-13页 |
| ·研究内容、关键问题与研究路线 | 第13-16页 |
| ·研究内容 | 第13-14页 |
| ·关键问题 | 第14页 |
| ·研究路线 | 第14-16页 |
| 第2章 试验设计与图像预处理 | 第16-25页 |
| ·试验设计 | 第16-17页 |
| ·材料与处理 | 第16页 |
| ·图像采集 | 第16-17页 |
| ·图像预处理 | 第17-20页 |
| ·直方图修正 | 第17-19页 |
| ·图像的平滑 | 第19-20页 |
| ·图像的锐化 | 第20页 |
| ·图像的分割 | 第20-24页 |
| ·过绿分割法 | 第21-23页 |
| ·阈值T的选取 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 黄瓜叶片图像的特征提取与分析 | 第25-39页 |
| ·颜色模型的选取 | 第25-28页 |
| ·RGB颜色模型 | 第26-27页 |
| ·HSI颜色系统 | 第27-28页 |
| ·叶片图像颜色特征参数的选取 | 第28-29页 |
| ·土壤水份含量与叶片颜色特征关系分析 | 第29-37页 |
| ·土壤水份含量与特征R、G、B的关系 | 第30-31页 |
| ·土壤水份含量与特征r、g、b的关系 | 第31-33页 |
| ·土壤水份含量与特征H、S的关系 | 第33-35页 |
| ·土壤水份含量与特征R/(G+B)、G/(R+B)、B/(R+G)的关系 | 第35-37页 |
| ·本章小结 | 第37-39页 |
| 第4章 检测土壤水份含量的BP神经网络构建 | 第39-51页 |
| ·BP神经网络的原理 | 第40-44页 |
| ·BP神经网络结构的设计 | 第44-48页 |
| ·网络层数的选择 | 第44页 |
| ·输入层的设计 | 第44-45页 |
| ·输出层的设计 | 第45-46页 |
| ·隐含层的设计 | 第46-47页 |
| ·网络参数的选择 | 第47-48页 |
| ·BP神经网络训练与测试 | 第48-50页 |
| ·样本的选择和组织 | 第48页 |
| ·网络的训练 | 第48-50页 |
| ·网络的测试 | 第50页 |
| ·本章小结 | 第50-51页 |
| 第5章 基于BP神经网络的土壤水份含量检测系统设计 | 第51-60页 |
| ·检测系统的开发原则与技术指标 | 第51-53页 |
| ·检测系统的设计原则 | 第51-52页 |
| ·检测系统的编写原则 | 第52页 |
| ·技术指标 | 第52-53页 |
| ·系统设计 | 第53-59页 |
| ·软件结构 | 第53-56页 |
| ·主要函数说明 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第6章 结论与讨论 | 第60-62页 |
| ·结论 | 第60-61页 |
| ·讨论 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间发表的学术论文 | 第67页 |