基于神经网络和机器视觉的南方葡萄专家系统研究
| 摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 第一章 绪论 | 第13-27页 |
| 1 课题研究背景及研究意义 | 第13-15页 |
| 2 国内外研究现状与发展趋势 | 第15-24页 |
| ·果树专家系统的研究现状 | 第15-17页 |
| ·计算机相关理论在果树专家系统上的应用研究 | 第17-19页 |
| ·计算机视觉在农业上的应用研究 | 第19-23页 |
| ·果树专家系统的开发技术及工具 | 第23-24页 |
| 3 存在的主要问题 | 第24-25页 |
| 4 本文的主要研究内容 | 第25-27页 |
| 第二章 南方葡萄专家系统的框架结构的构建 | 第27-38页 |
| 1 系统平台搭建的关键技术 | 第27-29页 |
| ·面向对象的构件技术 | 第27-28页 |
| ·数据库技术 | 第28页 |
| ·.NET技术 | 第28-29页 |
| 2 专家系统的主要理论 | 第29-32页 |
| ·典型的专家系统 | 第29-31页 |
| ·人工神经网络专家系统 | 第31-32页 |
| 3 南方葡萄专家系统总体设计方案 | 第32-37页 |
| ·南方葡萄专家系统体系结构 | 第32-34页 |
| ·南方葡萄专家系统功能结构设计 | 第34-35页 |
| ·南方葡萄专家系统模块设计 | 第35-36页 |
| ·运行平台和开发环境的选择 | 第36-37页 |
| 4 小结 | 第37-38页 |
| 第三章 葡萄栽培管理子系统的构建 | 第38-58页 |
| 1 葡萄栽培管理子系统的设计思想 | 第38-39页 |
| 2 葡萄栽培生产管理的主要问题 | 第39-40页 |
| 3 葡萄栽培管理子系统的结构功能设计 | 第40-42页 |
| 4 知识的获取 | 第42页 |
| ·系统的数据与知识来源 | 第42页 |
| ·知识获取机制 | 第42页 |
| 5 事实数据库的构建 | 第42-46页 |
| ·基本事实库 | 第43-45页 |
| ·页面管理数据库 | 第45-46页 |
| 6 知识库的构建 | 第46-55页 |
| ·知识的类型和表示方法 | 第46-47页 |
| ·知识库的具体实现 | 第47-55页 |
| 7 推理机制 | 第55-56页 |
| 8 小结 | 第56-58页 |
| 第四章 葡萄病害诊断子系统的研究 | 第58-72页 |
| 1 葡萄病害及其人工神经网络诊断系统概述 | 第58-59页 |
| ·葡萄病害 | 第58-59页 |
| ·人工神经网络诊断系统 | 第59页 |
| 2 病害知识表示存储与推理方法 | 第59-64页 |
| ·描述型知识表 | 第59-63页 |
| ·诊断型知识表 | 第63-64页 |
| 3 基于人工神经网络的葡萄病害诊断子系统模型 | 第64-71页 |
| ·葡萄病害诊断专家系统结构设计 | 第64-65页 |
| ·样本集的产生 | 第65-66页 |
| ·葡萄病害诊断专家系统神经网络设计 | 第66-71页 |
| 4 小结 | 第71-72页 |
| 第五章 葡萄果实成熟度采前无损检测的方法 | 第72-96页 |
| 1 葡萄成熟度 | 第72-73页 |
| 2 葡萄采前无损检测系统设计与实验样本采集 | 第73-75页 |
| ·葡萄采前无损检测系统构建设计 | 第73-74页 |
| ·实验样本及其图像信息的采集 | 第74-75页 |
| 3 基于计算机视觉的样本图像信息处理 | 第75-86页 |
| ·自然环境中的葡萄样本彩色图像分割 | 第75-83页 |
| ·特征提取 | 第83-86页 |
| 4 实验样本的内质参数测量与分析 | 第86-91页 |
| ·样本的内质参数测量 | 第86-87页 |
| ·参数的分析与建立 | 第87-91页 |
| 5 基于神经网络的葡萄无损检测模型的建立 | 第91-94页 |
| ·葡萄无损检测人工神经网络模型的设计 | 第91-92页 |
| ·葡萄无损检测人工神经网络模型结构 | 第92-93页 |
| ·训练样本 | 第93页 |
| ·测试及分析 | 第93-94页 |
| 6 小结 | 第94-96页 |
| 第六章 讨论 | 第96-99页 |
| 1 研究内容的讨论 | 第96-97页 |
| 2 研究的结论 | 第97-98页 |
| 3 研究的创新点 | 第98-99页 |
| 参考文献 | 第99-107页 |
| 致谢 | 第107-108页 |
| 作者简介 | 第108-109页 |
| 科技查新报告 | 第109-117页 |
