基于物联网和机器视觉技术的水耕种植智能化工厂设计
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-12页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.1.1 课题的研究背景 | 第9-10页 |
| 1.1.2 课题的研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 国外研究现状 | 第10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 论文的主要内容与组织结构 | 第11-12页 |
| 2 植物工厂物联网监控系统设计 | 第12-26页 |
| 2.1 植物工厂物联网监控系统介绍 | 第12页 |
| 2.2 物联网监控系统架构设计 | 第12-13页 |
| 2.3 物联网传感器感知层设计 | 第13-15页 |
| 2.3.1 传感器检测系统的设计 | 第13-15页 |
| 2.3.2 传感器控制系统的设计 | 第15页 |
| 2.4 物联网监控系统网络传输层设计 | 第15-20页 |
| 2.4.1 传感器感知层无线网络通信系统设计 | 第16-18页 |
| 2.4.2 物联网客户端服务器通信系统设计 | 第18-20页 |
| 2.5 物联网系统管理应用层设计 | 第20-25页 |
| 2.5.1 PC浏览器端设计 | 第21-22页 |
| 2.5.2 微信移动端设计 | 第22-25页 |
| 2.6 本章小结 | 第25-26页 |
| 3 植物生长特征CCD机器视觉系统设计 | 第26-41页 |
| 3.1 植物生长监控CCD系统架构设计 | 第26-27页 |
| 3.2 图像空间滤波 | 第27-28页 |
| 3.2.1 均值滤波器 | 第27-28页 |
| 3.2.2 中值滤波器 | 第28页 |
| 3.3 图像频域滤波 | 第28-30页 |
| 3.4 图像分割 | 第30-36页 |
| 3.4.1 基于阈值的图像分割方法 | 第30-32页 |
| 3.4.2 基于边缘的图像分割方法 | 第32-34页 |
| 3.4.3 基于聚类分析的图像分割方法 | 第34页 |
| 3.4.4 植物图像分割方法选择 | 第34-36页 |
| 3.5 形态学处理 | 第36-37页 |
| 3.6 植物生长特征提取 | 第37-38页 |
| 3.6.1 植物叶片颜色特征检测 | 第37页 |
| 3.6.2 植物叶片投影覆盖面积检测 | 第37-38页 |
| 3.6.3 植物特征图像检测实验与结果 | 第38页 |
| 3.7 植物图像处理监控系统设计 | 第38-39页 |
| 3.8 本章小结 | 第39-41页 |
| 4 植物生长成熟度预测 | 第41-54页 |
| 4.1 逻辑回归模型简介 | 第41-44页 |
| 4.1.1 逻辑回归和线性回归的比较 | 第41-43页 |
| 4.1.2 逻辑回归求解的实现过程 | 第43-44页 |
| 4.2 神经网络模型简介 | 第44-47页 |
| 4.2.1 神经网络的特点及学习方法 | 第46页 |
| 4.2.2 误差反向传播学习算法 | 第46-47页 |
| 4.3 机器学习算法对小白菜生长成熟度预测 | 第47-53页 |
| 4.4 本章小结 | 第53-54页 |
| 5 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
