| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究的目的和意义 | 第8-9页 |
| 1.2 国内外图像识别技术在农业工程中的研究进展 | 第9-13页 |
| 1.2.1 图像识别技术在农产品品质检测与分级领域的研究进展 | 第9-10页 |
| 1.2.2 图像识别技术在农作物生长监测领域的研究进展 | 第10-13页 |
| 1.3 研究与应用展望 | 第13页 |
| 1.4 本文研究内容与技术路线 | 第13-15页 |
| 1.4.1 研究内容 | 第13-14页 |
| 1.4.2 技术路线 | 第14-15页 |
| 2 病害图像获取 | 第15-20页 |
| 2.1 图像采集试验装置 | 第15-16页 |
| 2.2 病害样本图像采集方法 | 第16页 |
| 2.3 采集图像传输方法 | 第16-19页 |
| 2.4 本章小结 | 第19-20页 |
| 3 病害图像处理 | 第20-33页 |
| 3.1 图像处理主要方法 | 第20-28页 |
| 3.1.1 图像平滑 | 第20-22页 |
| 3.1.2 图像数学形态学运算 | 第22页 |
| 3.1.3 图像灰度化处理 | 第22-23页 |
| 3.1.4 图像分割与边缘检测 | 第23-28页 |
| 3.2 图像预处理 | 第28-30页 |
| 3.3 病斑分割 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 4 病害图像特征提取和优化 | 第33-49页 |
| 4.1 病害图像颜色特征的提取 | 第33-40页 |
| 4.1.1 常见颜色特征的提取方法 | 第37-39页 |
| 4.1.2 病害图像颜色特征的提取与分析 | 第39-40页 |
| 4.2 病害图像形状特征的提取 | 第40-42页 |
| 4.2.1 常见形状特征的提取方法 | 第40-41页 |
| 4.2.2 病害图像形状特征的提取与分析 | 第41-42页 |
| 4.3 病害图像纹理特征的提取 | 第42-45页 |
| 4.3.1 纹理特征的提取方法 | 第42-43页 |
| 4.3.2 病害图像纹理特征的提取与分析 | 第43-45页 |
| 4.4 病害图像的特征优化 | 第45-48页 |
| 4.5 本章小结 | 第48-49页 |
| 5 病害图像识别 | 第49-57页 |
| 5.1 模式识别方法 | 第49-52页 |
| 5.1.1 统计模式识别 | 第49-50页 |
| 5.1.2 句法结构模式识别 | 第50页 |
| 5.1.3 模糊模式识别 | 第50页 |
| 5.1.4 人工神经网络模式识别 | 第50-51页 |
| 5.1.5 模板匹配模式识别 | 第51页 |
| 5.1.6 支持向量机的模式识别 | 第51-52页 |
| 5.2 茄子叶部病害识别 | 第52-56页 |
| 5.2.1 基于费歇尔判别分析的病害识别 | 第52-54页 |
| 5.2.2 基于贝叶斯判别分析的病害识别 | 第54-55页 |
| 5.2.3 基于支持向量机的病害识别 | 第55-56页 |
| 5.3 识别结果分析与讨论 | 第56页 |
| 5.4 本章小结 | 第56-57页 |
| 6 结论与讨论 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-64页 |