自然光照条件下基于机器视觉的番茄缺素的智能诊断研究
| 第1章 绪论 | 第1-16页 |
| 1．1 研究的目的和意义 | 第9-10页 |
| 1．2 国内外研究现状 | 第10-13页 |
| 1．2．1 国外研究现状 | 第11-12页 |
| 1．2．2 国内研究现状 | 第12-13页 |
| 1．3 研究内容、关键问题、技术路线和预期效果 | 第13-15页 |
| 1．3．1 研究内容 | 第13-14页 |
| 1．3．2 关键问题 | 第14页 |
| 1．3．3 技术路线 | 第14页 |
| 1．3．4 预期效果 | 第14-15页 |
| 1．4 本章小结 | 第15-16页 |
| 第2章 实验与图像预处理 | 第16-29页 |
| 2．1 样本的培育和营养液的配制 | 第16-19页 |
| 2．1．1 缺素样本的培育 | 第16-17页 |
| 2．1．2 营养液的配制 | 第17-19页 |
| 2．2 图像的采集 | 第19页 |
| 2．3 图像预处理 | 第19-23页 |
| 2．3．1 空域变换增强 | 第19-21页 |
| 2．3．2 空域上的平滑方法 | 第21-23页 |
| 2．3．3 频域上的平滑方法 | 第23页 |
| 2．4 图像分割 | 第23-28页 |
| 2．4．1 现有图像分割方法概述 | 第24-25页 |
| 2．4．2 超绿分割法 | 第25-27页 |
| 2．4．3 阈值 T的选取 | 第27-28页 |
| 2．5 本章小结 | 第28-29页 |
| 第3章 样本特征提取 | 第29-48页 |
| 3．1 概述 | 第29-30页 |
| 3．2 图像的灰度化处理 | 第30页 |
| 3．3 RGB颜色模型介绍 | 第30-31页 |
| 3．4 样本颜色特征参数的选取 | 第31-36页 |
| 3．4．1 元素缺乏症状和色度特征 | 第32-34页 |
| 3．4．2 面积比参数 | 第34-35页 |
| 3．4．3 方差、相关系数法 | 第35-36页 |
| 3．5 样本纹理特征参数的选取 | 第36-47页 |
| 3．5．1 灰度—梯度共生矩阵法 | 第37-40页 |
| 3．5．2 傅立叶变换法 | 第40-44页 |
| 3．5．3 小波变换法 | 第44-47页 |
| 3．6 本章小结 | 第47-48页 |
| 第4章 番茄缺素模式识别的研究 | 第48-57页 |
| 4．1 模式识别的概述 | 第48-50页 |
| 4．2 番茄缺素二叉树的设计 | 第50页 |
| 4．3 模糊 K-近邻树分类法诊断系统的建立 | 第50-55页 |
| 4．3．1 模糊 K-近邻法原理 | 第50-52页 |
| 4．3．2 诊断模型的结构图 | 第52页 |
| 4．3．3 老叶片与缺素叶片分类器的建立 | 第52-54页 |
| 4．3．4 缺钙样本和缺铁样本分类器的建立 | 第54-55页 |
| 4．3．5 缺氮样本和缺镁样本分类器的建立 | 第55页 |
| 4．4 结论与分析 | 第55-56页 |
| 4．5 本章小结 | 第56-57页 |
| 第5章 结论和展望 | 第57-59页 |
| 5．1 本课题研究总结 | 第57-58页 |
| 5．2 几点建议 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 硕士期间参与的课题及取得的成果 | 第64-65页 |
| 硕士期间作者发表的论文 | 第64页 |
| 硕士期间参与的科研工作 | 第64页 |
| 硕士期间取得的成果 | 第64-65页 |
| 附表1:小波分析法提取的特征统计图 | 第65-67页 |
