| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪言 | 第10-29页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 稻穗对于水稻育种研究的意义 | 第11-12页 |
| 1.3 水稻产量预估方法与研究现状 | 第12-15页 |
| 1.4 穗部区域分割方法研究现状 | 第15-17页 |
| 1.5 深度学习在植物表型上的应用 | 第17-26页 |
| 1.6 课题来源和主要研究内容 | 第26-29页 |
| 2 实验材料与技术方案 | 第29-37页 |
| 2.1 引言 | 第29-30页 |
| 2.2 实验材料与水稻种植分布 | 第30-32页 |
| 2.3 可移动支架式田间成像设备 | 第32-33页 |
| 2.4 技术方案 | 第33-35页 |
| 2.5 本章小结 | 第35-37页 |
| 3 稻穗分割方法研究 | 第37-89页 |
| 3.1 引言 | 第37-39页 |
| 3.2 人工标注稻穗区域 | 第39-40页 |
| 3.3 分割结果的性能评估指标 | 第40-41页 |
| 3.4 Panicle-SEG稻穗分割算法 | 第41-58页 |
| 3.5 基于对称编解码结构的PanicleNet算法 | 第58-70页 |
| 3.6 基于空洞卷积的PanicleNetv2算法 | 第70-83页 |
| 3.7 三种分割算法的性能和效率对比 | 第83-87页 |
| 3.8 本章小结 | 第87-89页 |
| 4 稻穗区域特征提取与性状筛选 | 第89-120页 |
| 4.1 引言 | 第89-90页 |
| 4.2 稻穗小区图像特征提取 | 第90-111页 |
| 4.3 单一稻穗细节图像特征提取 | 第111-117页 |
| 4.4 水稻谷粒考种性状提取 | 第117-119页 |
| 4.5 本章小结 | 第119-120页 |
| 5 水稻产量预估方法 | 第120-141页 |
| 5.1 引言 | 第120页 |
| 5.2 小区总产量正态性检验 | 第120-122页 |
| 5.3 模拟水稻产量相关四因素的小区总产量预估 | 第122-130页 |
| 5.4 水稻小区产量回归模型中引入纹理和形状特征 | 第130-137页 |
| 5.5 回归结果讨论 | 第137-140页 |
| 5.6 本章小结 | 第140-141页 |
| 6 总结与展望 | 第141-144页 |
| 6.1 总结 | 第141-142页 |
| 6.2 展望 | 第142-144页 |
| 致谢 | 第144-145页 |
| 参考文献 | 第145-155页 |
| 附录1 攻读学位期间发表论文目录 | 第155-156页 |
| 附录2 申请专利及软件著作权 | 第156-157页 |