| 中文摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 1 前言 | 第10-16页 |
| 1.1 植物病害识别与病情监测的研究进展 | 第10-14页 |
| 1.1.1 植物病害识别与病情监测方法的研究进展 | 第10-11页 |
| 1.1.2 植物病害识别与病情监测设备的研究进展 | 第11-12页 |
| 1.1.3 植物病害识别与病情监测现代化技术的研究进展 | 第12-14页 |
| 1.2 小麦锈病识别与病情监测的研究进展 | 第14-15页 |
| 1.3 研究的目的与意义 | 第15-16页 |
| 2 材料与方法 | 第16-22页 |
| 2.1 实验材料 | 第16页 |
| 2.2 实验方法 | 第16-22页 |
| 2.2.1 脉冲云智能孢子捕捉仪的研制 | 第16-17页 |
| 2.2.1.1 生物胶最佳稀释溶剂与稀释倍数的研究 | 第16-17页 |
| 2.2.1.2 精准调节装置滚珠丝杆型号与脉冲数量的研究 | 第17页 |
| 2.2.1.3 玻片仓与玻片材质的研究 | 第17页 |
| 2.2.1.4 脉冲云智能孢子捕捉仪进风系统的研究 | 第17页 |
| 2.2.2 小麦锈病病原菌自动识别系统 | 第17-20页 |
| 2.2.2.1 小麦锈病病原菌夏孢子显微图像采集与处理 | 第17-18页 |
| 2.2.2.2 小麦锈病病原菌夏孢子特征数据提取 | 第18页 |
| 2.2.2.3 小麦锈病病原菌夏孢子特征数据库构建 | 第18-19页 |
| 2.2.2.4 深度学习神经网络模型构建 | 第19-20页 |
| 2.2.2.5 小麦锈病病情远程智能监测系统 | 第20页 |
| 2.2.3 脉冲云智能孢子捕捉仪田间使用方案与对比实验 | 第20-22页 |
| 2.2.3.1 脉冲云智能孢子捕捉仪田间使用方案的研究 | 第20页 |
| 2.2.3.2 脉冲云智能孢子捕捉仪与传统孢子捕捉仪田间对比实验 | 第20-21页 |
| 2.2.3.3 小麦锈病发病指数与锈菌夏孢子数量关系的研究 | 第21-22页 |
| 3 结果与分析 | 第22-42页 |
| 3.1 脉冲云智能孢子捕捉仪的研制 | 第22-28页 |
| 3.1.1 生物胶最佳稀释溶剂与稀释倍数 | 第22页 |
| 3.1.2 精准调节装置滚珠丝杆最佳型号与脉冲数量 | 第22-24页 |
| 3.1.3 玻片仓与玻片材质 | 第24-26页 |
| 3.1.4 孢子捕捉仪进风系统 | 第26-28页 |
| 3.2 小麦锈病病原菌自动识别系统 | 第28-32页 |
| 3.2.1 小麦锈病病原菌夏孢子显微图像采集与处理 | 第28-29页 |
| 3.2.2 小麦锈病病原菌夏孢子特征数据提取 | 第29-30页 |
| 3.2.3 小麦锈病病原菌夏孢子特征数据库构建 | 第30-31页 |
| 3.2.4 深度学习神经网络模型构建 | 第31-32页 |
| 3.3 小麦锈病病情远程智能监测系统 | 第32-39页 |
| 3.3.1 小麦锈病病情远程智能监测系统安装与登陆 | 第32-33页 |
| 3.3.2 小麦锈病病原菌夏孢子自动识别系统 | 第33-36页 |
| 3.3.2.1 病原菌夏孢子远程监控功能 | 第33-35页 |
| 3.3.2.2 病原菌夏孢子图像识别矫正功能 | 第35-36页 |
| 3.3.3 小麦锈病病情宏观监控系统 | 第36-37页 |
| 3.3.3.1 病情实时监控 | 第36页 |
| 3.3.3.2 病情预警发布 | 第36-37页 |
| 3.3.4 气象数据监测系统 | 第37-39页 |
| 3.4 脉冲云智能孢子捕捉仪田间使用方案与对比实验 | 第39-42页 |
| 3.4.1 脉冲云智能孢子捕捉仪田间使用方案 | 第39页 |
| 3.4.2 脉冲云智能孢子捕捉仪与传统孢子捕捉仪田间对比实验 | 第39-41页 |
| 3.4.3 小麦锈病发病指数与锈菌夏孢子数量关系 | 第41-42页 |
| 4 讨论 | 第42-45页 |
| 4.1 植物锈病病原菌的智能识别 | 第42-43页 |
| 4.2 国内智能孢子捕捉仪的比较与硬件改进 | 第43页 |
| 4.3 物联网技术在未来农林病害监测预报方面的发展 | 第43-44页 |
| 4.4 计算机深度学习技术在未来农林病害识别方面的发展 | 第44-45页 |
| 5 结论 | 第45-46页 |
| 参考文献 | 第46-51页 |
| 致谢 | 第51-52页 |
| 研究生期间论文发表与专利获得情况 | 第52页 |
