致谢 | 第7-8页 |
摘要 | 第8-10页 |
Abstract | 第10-11页 |
第一章 绪论 | 第15-21页 |
1.1 研究背景与意义 | 第15-17页 |
1.2 国内外研究进展 | 第17-19页 |
1.2.1 光谱及图像技术对作物养分信息的检测 | 第17-18页 |
1.2.2 光谱技术对农作物虫害的检测 | 第18-19页 |
1.2.3 图像技术对于作物虫害的监测 | 第19页 |
1.3 研究目的与内容 | 第19-20页 |
1.3.1 研究目的 | 第19-20页 |
1.3.2 研究内容 | 第20页 |
1.4 本章小结 | 第20-21页 |
第二章 试验设备与研究方法 | 第21-37页 |
2.1 实验设备 | 第21-27页 |
2.1.1 Cropscan MSR16多光谱辐射仪 | 第21-22页 |
2.1.2 SPAD-502叶绿素仪 | 第22-23页 |
2.1.3 ADC相机 | 第23-24页 |
2.1.4 高光谱图像系统 | 第24-27页 |
2.2 高光谱预处理方法 | 第27-28页 |
2.2.1 平滑算法(SG) | 第27页 |
2.2.2 变量标准化(SNV) | 第27-28页 |
2.2.3 多元散射校正 | 第28页 |
2.2.4 去趋势预处理方法(De-trending) | 第28页 |
2.3 特征波长提取方法 | 第28-30页 |
2.3.1 连续投影算法(SPA) | 第29-30页 |
2.3.2 载荷系数法(x-LW) | 第30页 |
2.3.3 主成分分析法 | 第30页 |
2.4 图像纹理特征提取 | 第30-32页 |
2.5 化学计量学建模方法 | 第32-35页 |
2.5.1 偏最小二乘法(PLS) | 第32页 |
2.5.2 最小二乘法支持向量机(LS-SVM) | 第32-34页 |
2.5.3 极限学习机(ELM) | 第34-35页 |
2.6 定量和定性模型的评价指标 | 第35页 |
2.6.1 定量模型的评价指标 | 第35页 |
2.6.2 定性模型的评价指标 | 第35页 |
2.7 本章小结 | 第35-37页 |
第三章 基于Cropscan多光谱仪对油菜冠层SPAD值检测研究 | 第37-44页 |
3.1 引言 | 第37页 |
3.2 油菜苗期SPAD值检测研究 | 第37-40页 |
3.2.1 油菜SPAD值测量 | 第37-38页 |
3.2.2 油菜多光谱数据的采集 | 第38页 |
3.2.3 油菜苗期叶片的光谱特征及SPAD值统计分析 | 第38-39页 |
3.2.4 Cropscan全波段下SPAD检测模型 | 第39-40页 |
3.3 基于植被指数的建模分析 | 第40-43页 |
3.4 本章小结 | 第43-44页 |
第四章 基于高成像技术对油菜虫害的快速诊断与分析 | 第44-58页 |
4.1 引言 | 第44页 |
4.2 实验仪器和样本预处理 | 第44-45页 |
4.3 油菜叶片蚜虫虫害的鉴别诊断 | 第45-50页 |
4.3.1 光谱信息的提取 | 第45-46页 |
4.3.2 光谱预处理与全波段蚜虫虫害诊断 | 第46-48页 |
4.3.3 特征波长的提取 | 第48-49页 |
4.3.4 基于特征波长下的鉴别模型 | 第49-50页 |
4.4 油菜茎秆蚜虫的诊断 | 第50-51页 |
4.4.1 油菜叶与茎秆的光谱反射率 | 第50页 |
4.4.2 健康茎秆与虫害茎秆的鉴别 | 第50-51页 |
4.4.3 特征波长的提取 | 第51页 |
4.5 油菜叶片虫害的图像处理与分析 | 第51-55页 |
4.5.1 特征波段下的油菜叶片图像 | 第51-53页 |
4.5.2 纹理特征提取与建模 | 第53-54页 |
4.5.3 光谱特征和纹理特征结合的鉴别棋型 | 第54-55页 |
4.6 ADC相机对油菜菜青虫动态吞噬叶片初步研究 | 第55-57页 |
4.6.1 菜青虫吞噬油菜苗期叶片的过程监测 | 第55页 |
4.6.2 油菜菜青虫虫害程度的评估 | 第55-57页 |
4.7 本章小结 | 第57-58页 |
第五章 结论与展望 | 第58-61页 |
5.1 结论 | 第58-59页 |
5.2 主要创新点 | 第59-60页 |
5.3 展望 | 第60-61页 |
参考文献 | 第61-69页 |
附录 | 第69-71页 |
作者简介 | 第71-72页 |