利用图像处理技术对烤烟烘烤过程主要化学成分预测研究
| 致谢 | 第1-7页 |
| 摘要 | 第7-8页 |
| 1 文献综述 | 第8-17页 |
| ·图像处理技术在现代农业领域的应用 | 第8-12页 |
| ·有关病虫草害的检测 | 第8-10页 |
| ·颜色空间区分法在病虫草害的应用 | 第8-9页 |
| ·图像纹理特征在病虫草害的应用 | 第9页 |
| ·形态特征在病虫草害的应用 | 第9-10页 |
| ·作物叶面积指数检测 | 第10-11页 |
| ·农产品产量和质量检测 | 第11-12页 |
| ·图像处理技术在烟草现代化领域的应用 | 第12-17页 |
| ·图像处理技术在烟叶特征值提取的方法研究 | 第12-13页 |
| ·烟草水分无损检测 | 第13页 |
| ·烟叶成熟度检测 | 第13-14页 |
| ·烟叶检测和分级领域的应用 | 第14-17页 |
| ·图像处理技术和神经网络在烟叶质量检测方面的应用 | 第14-15页 |
| ·图像处理技术和神经网络在烟叶分级领域的应用 | 第15-17页 |
| 2 引言 | 第17-18页 |
| 3 材料与方法 | 第18-28页 |
| ·试验材料 | 第18-19页 |
| ·化学成分测定方法 | 第18-19页 |
| ·图像预处理 | 第19-21页 |
| ·图像消噪 | 第19-20页 |
| ·边缘检测 | 第20页 |
| ·图像分割 | 第20-21页 |
| ·图像特征值提取 | 第21-25页 |
| ·颜色特征值 | 第22-24页 |
| ·RGB 颜色空间 | 第22-23页 |
| ·HSV 颜色空间 | 第23页 |
| ·RGB 与 HSV 颜色空间转换 | 第23-24页 |
| ·纹理特征提取 | 第24-25页 |
| ·数据分析方法 | 第25-28页 |
| ·主成分分析法 | 第25-27页 |
| ·BP 神经网络 | 第27-28页 |
| 4 结果与分析 | 第28-39页 |
| ·图像特征值与主要化学成分的相关性分析 | 第28-29页 |
| ·BP 神经网络的建立 | 第29-32页 |
| ·试验样本数据的建立 | 第29-31页 |
| ·训练方法的选择的网络结构的构建 | 第31页 |
| ·BP 神经网络训练 | 第31-32页 |
| ·预测结果及分析 | 第32-39页 |
| ·预测模型预测值与真实值的散点分布图 | 第32-37页 |
| ·预测模型预测值与实测值误差和回归分析 | 第37-39页 |
| 5 结论与讨论 | 第39-41页 |
| ·图像特征值与主要化学成分的相关性分析 | 第39页 |
| ·BP 神经网络的建立及预测结果分析 | 第39-41页 |
| 参考文献 | 第41-48页 |
| ABSTRACT | 第48-49页 |
