| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 农业物联网技术研究现状 | 第10-11页 |
| 1.3 面向农田物联网的数据融合技术研究现状 | 第11-13页 |
| 1.4 本文内容安排 | 第13-14页 |
| 第二章 农田物联网信息采集平台的搭建 | 第14-27页 |
| 2.1 农田物联网信息采集平台总体设计方案 | 第14-15页 |
| 2.2 无线传感器网络 | 第15-23页 |
| 2.2.1 ZigBee技术 | 第15-17页 |
| 2.2.2 主控芯片选型 | 第17-18页 |
| 2.2.3 传感器的选型和通信实现 | 第18-23页 |
| 2.3 影像采集模块选型 | 第23-24页 |
| 2.4 气象数据获取 | 第24-25页 |
| 2.5 数据传输和上位机远程监控模块 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 基于农田物联网的火龙果生长环境大数据分析 | 第27-37页 |
| 3.1 火龙果生长环境数据采集 | 第27-30页 |
| 3.1.1 农田物联网设备安装 | 第28-30页 |
| 3.1.2 数据收集 | 第30页 |
| 3.2 数据的预处理 | 第30-32页 |
| 3.2.1 数据预处理主要方法 | 第30-31页 |
| 3.2.2 火龙果生长环境数据预处理 | 第31-32页 |
| 3.3 基于决策树的数据分析 | 第32-36页 |
| 3.3.1 决策树模型 | 第32-33页 |
| 3.3.2 模型评价标准 | 第33-34页 |
| 3.3.3 火龙果生长环境分析 | 第34-36页 |
| 3.4 本章总结 | 第36-37页 |
| 第四章 基于神经网络的D-S证据理论在农田虫害预测研究 | 第37-52页 |
| 4.1 预测的概念和意义 | 第37-38页 |
| 4.2 预测在农业中的应用概述 | 第38页 |
| 4.3 基于人工神经网络的D-S证据理论的农田虫害预测模型 | 第38-45页 |
| 4.3.1 人工神经网络预测模型 | 第38-42页 |
| 4.3.2 D-S证据理论 | 第42-43页 |
| 4.3.3 虫害预测模型的整体框架 | 第43-45页 |
| 4.4 模型仿真及比较 | 第45-51页 |
| 4.4.1 Matlab神经网络工具箱介绍 | 第45页 |
| 4.4.2 数据的选取与分析 | 第45-47页 |
| 4.4.3 预测结果分析比较 | 第47-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 结论与展望 | 第52-54页 |
| 5.1 结论 | 第52-53页 |
| 5.2 存在的问题及展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间的主要科研成果 | 第59页 |