首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

光谱及高光谱成像技术在作物特征信息提取中的应用研究

摘要第1-6页
Abstract第6-10页
图目录第10-12页
表目录第12-13页
第一章 绪论第13-25页
   ·研究背景及意义第13-15页
   ·国内外的研究现状分析第15-21页
   ·研究的内容与方法第21-22页
   ·本章小结第22-25页
第二章 作物信息采集的理论基础和常用方法概述第25-45页
   ·光谱学原理与常用测量设备第25-31页
   ·光谱数据处理方法概述第31-37页
   ·高光谱成像技术原理及测量设备第37-40页
   ·高光谱图像数据处理概述第40-44页
   ·本章小结第44-45页
第三章 基于光谱技术的植物生化组分含量检测仪的研制第45-63页
   ·引言第45页
   ·仪器设计的原理第45-47页
   ·硬件结构设计第47-54页
   ·测量仪器的内部软件设计第54-58页
   ·标定试验及仪器性能测试第58-62页
   ·本章小结第62-63页
第四章 基于光谱技术的冬小麦生化组分含量测量研究第63-77页
   ·引言第63页
   ·材料与方法第63-65页
   ·光谱数据预处理方法探讨第65-70页
   ·光谱数据特征值提取方法比较第70-74页
   ·冬小麦生化组分定量分析模型的建立第74-76页
   ·本章小结第76-77页
第五章 基于光谱技术及高光谱成像技术的柑橘黄龙病识别第77-99页
   ·引言第77-78页
   ·材料与方法第78-81页
   ·基于光谱技术的柑橘黄龙病识别第81-89页
   ·基于高光谱成像技术的柑橘黄龙病识别第89-97页
   ·本章小结第97-99页
第六章 基于高光谱成像技术的蓝莓果实田间识别第99-113页
   ·引言第99-100页
   ·材料与方法第100-104页
   ·果实识别结果分析第104-108页
   ·高光谱图像数据降维方法第108-112页
   ·本章小结第112-113页
第七章 结论与展望第113-116页
   ·结论第113-114页
   ·创新点第114页
   ·展望与建议第114-116页
参考文献第116-123页
致谢第123-124页
作者简介第124-125页

论文共125页,点击 下载论文
上一篇:大豆孢囊线虫两个生理小种转录组比较及CLE2基因功能分析
下一篇:齿蛉亚科分子系统学研究