| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-12页 |
| 第一章 引言 | 第12-30页 |
| ·选题依据及意义 | 第12-15页 |
| ·玉米病虫害的发生现状 | 第12-14页 |
| ·选题的必要性 | 第14-15页 |
| ·作物病害机器视觉自动化诊断研究进展 | 第15-18页 |
| ·基于颜色特征的作物病害机器视觉诊断研究 | 第15-16页 |
| ·基于纹理特征的作物病害机器视觉诊断研究 | 第16-17页 |
| ·基于形状特征的作物病害机器视觉诊断研究 | 第17页 |
| ·基于多元特征的作物病害机器视觉诊断研究 | 第17-18页 |
| ·专家系统的开发与应用现状 | 第18-24页 |
| ·专家系统及其发展历程 | 第18-20页 |
| ·植保专家系统的产生及应用 | 第20-24页 |
| ·作物病害机器视觉诊断及植保专家系统存在的问题及解决途径 | 第24-28页 |
| ·作物病害机器视觉诊断存在的问题及对策 | 第24-25页 |
| ·植保专家系统存在的问题 | 第25-26页 |
| ·植保专家系统的需求分析和开发策略 | 第26-28页 |
| ·研究的特色及其创新点 | 第28-30页 |
| ·理论研究和应用研究相结合 | 第28页 |
| ·成功引入和实现了两种新的高效算法分割大田开放环境下作物病症图像 | 第28页 |
| ·提出了基于病症图像机器视觉信息和人眼病症图像求解病害的两类诊断模型 | 第28页 |
| ·开发了两套基于病症图像的病害智能诊断系统 | 第28-30页 |
| 第二章 病症图像识别的玉米叶斑病害自动化诊断模型的构建 | 第30-69页 |
| ·研究内容及技术路线 | 第30-31页 |
| ·大田环境下病症图像的采集方法 | 第30页 |
| ·病斑分割新算法的引入及选择 | 第30页 |
| ·大田开放环境下识别特征的提取及优选 | 第30页 |
| ·病害图像的模式识别 | 第30页 |
| ·技术路线 | 第30-31页 |
| ·病症图像采集规范的制定 | 第31-34页 |
| ·试验材料和设备 | 第32页 |
| ·病症图像采集步骤 | 第32-34页 |
| ·病斑分割算法选择 | 第34-48页 |
| ·图像分割算法概述 | 第34-37页 |
| ·材料与方法 | 第37-44页 |
| ·结果分析 | 第44-48页 |
| ·玉米叶斑病症图像特征提取与优选 | 第48-61页 |
| ·图像颜色特征的提取 | 第48-50页 |
| ·纹理分析的构造与提取方法 | 第50-52页 |
| ·图像形状特征的提取 | 第52-54页 |
| ·图像处理材料 | 第54页 |
| ·特征提取结果 | 第54-55页 |
| ·特征的优选 | 第55-61页 |
| ·玉米叶斑病症图像的模糊模式识别 | 第61-66页 |
| ·模糊集合 | 第61-62页 |
| ·模糊模式识别 | 第62-66页 |
| ·本章小结 | 第66-69页 |
| ·将病症图像的灰度信息和空间信息相关联是提高算法分割精度的有效途径 | 第67-68页 |
| ·对尺寸、旋转和光照变化不敏感的特征是大田非结构环境下病症图像识别的有效特征 | 第68页 |
| ·识别精度的提高受限于可用特征的不足 | 第68-69页 |
| 第三章 玉米叶斑病害自动识别系统的实现 | 第69-77页 |
| ·模式识别系统结构 | 第69-70页 |
| ·玉米叶斑病害自动识别系统的结构 | 第70页 |
| ·玉米叶斑病害自动识别系统的实现 | 第70-75页 |
| ·系统开发环境 | 第70-71页 |
| ·系统功能的实现方法 | 第71页 |
| ·系统功能菜单 | 第71-72页 |
| ·系统功能演示 | 第72-75页 |
| ·本章小节 | 第75-77页 |
| 第四章 基于图象规则的玉米病害诊断系统设计 | 第77-101页 |
| ·系统概述 | 第77-80页 |
| ·系统构建原则 | 第77页 |
| ·系统功能设计 | 第77-78页 |
| ·系统的结构 | 第78-79页 |
| ·系统开发技术路线 | 第79-80页 |
| ·系统知识 | 第80-91页 |
| ·系统知识获取 | 第81-82页 |
| ·构建本系统的领域知识 | 第82-85页 |
| ·知识的表示 | 第85-91页 |
| ·推理机制 | 第91-99页 |
| ·推理机的设计 | 第91-93页 |
| ·推理机的算法设计 | 第93-99页 |
| ·知识库设计 | 第99-100页 |
| ·本章小结 | 第100-101页 |
| 第五章 基于图像规则的玉米病害诊断专家系统的集成 | 第101-130页 |
| ·系统开发环境 | 第101页 |
| ·软件环境 | 第101页 |
| ·硬件配置 | 第101页 |
| ·系统的逻辑结构 | 第101-102页 |
| ·采用面向对象方法处理数据 | 第102-105页 |
| ·封装性 | 第103页 |
| ·继承性 | 第103页 |
| ·多态性 | 第103-105页 |
| ·诊断模块功能的实现 | 第105-121页 |
| ·数据库 | 第105-113页 |
| ·推理功能的实现 | 第113-115页 |
| ·图形化显示界面 | 第115-121页 |
| ·系统功能演示 | 第121-129页 |
| ·系统界面说明 | 第121页 |
| ·图像规则诊断 | 第121-125页 |
| ·指认式诊断 | 第125-129页 |
| ·本章小节 | 第129-130页 |
| 第六章 结论与展望 | 第130-134页 |
| ·制定了大田非结构环境下病害自动化识别的图像采集规范 | 第130页 |
| ·实现并筛选出了胜任大田非结构环境下的病斑分割算法 | 第130-131页 |
| ·筛选出了大田非结构环境下可用于病斑识别的特征 | 第131页 |
| ·实现了模糊识别分类器的优选及自动化识别算法步骤的设计 | 第131页 |
| ·构建了模糊模式识别玉米叶斑病害自动识别系统 | 第131页 |
| ·基于图像规则的玉米病害诊断专家系统实现了植保技术推广模式创新 | 第131-132页 |
| ·展望 | 第132-134页 |
| ·综合集成技术体系是农业智能系统的发展方向 | 第132-134页 |
| ·病害智能诊断系统融合发展的趋势 | 第134页 |
| 参考文献 | 第134-143页 |
| 致谢 | 第143-144页 |
| 作者简介 | 第144-145页 |
| 石河子大学博士研究生学位论文 导师评阅表 | 第145页 |
