| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题研究的背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 基于无人机农田信息获取和监测研究现状 | 第10-12页 |
| 1.2.2 基于图像信息的地膜识别研究现状 | 第12-14页 |
| 1.2.3 残膜评估方法研究现状 | 第14页 |
| 1.3 课题来源及研究内容 | 第14-16页 |
| 1.3.1 课题来源 | 第14-15页 |
| 1.3.2 研究目标 | 第15页 |
| 1.3.3 研究内容 | 第15-16页 |
| 1.4 创新点 | 第16页 |
| 1.5 研究方法与技术路线 | 第16-17页 |
| 1.6 本章小结 | 第17-19页 |
| 第2章 基于无人机的残膜图像采集及图像预处理 | 第19-35页 |
| 2.1 残膜信息采集软硬件系统 | 第19-20页 |
| 2.1.1 残膜图像采集硬件系统 | 第19-20页 |
| 2.1.2 残膜信息采集软件系统 | 第20页 |
| 2.2 无人机田间残膜图像信息采集 | 第20-23页 |
| 2.2.1 研究区域概况 | 第20-21页 |
| 2.2.2 图像获取 | 第21-23页 |
| 2.3 图像预处理 | 第23-33页 |
| 2.3.1 图像预处理介绍 | 第23页 |
| 2.3.2 图像预处理 | 第23-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第3章 残膜图像分割算法研究 | 第35-63页 |
| 3.1 残膜图像颜色空间 | 第35-41页 |
| 3.1.1 图像颜色分量 | 第35-37页 |
| 3.1.2 残膜图像颜色分量分析 | 第37-41页 |
| 3.2 基于无人机的田间残膜分割方法 | 第41-56页 |
| 3.2.1 分割算法理论 | 第41-45页 |
| 3.2.2 残膜图像不同颜色分量分割方法比较 | 第45-51页 |
| 3.2.3 基于无人机的残膜识别算法 | 第51-56页 |
| 3.3 基于无人机的田间残膜识别率 | 第56-60页 |
| 3.3.1 基于无人机的田间残膜识别率计算方法 | 第56-57页 |
| 3.3.2 基于无人机的残膜识别率结果分析 | 第57-60页 |
| 3.4 本章小结 | 第60-63页 |
| 第4章 残膜污染评估方法研究 | 第63-83页 |
| 4.1 残膜污染评估背景 | 第63页 |
| 4.2 材料与方法 | 第63-66页 |
| 4.2.1 实验材料 | 第63页 |
| 4.2.2 调研对象的选择 | 第63-65页 |
| 4.2.3 采样点的选择 | 第65页 |
| 4.2.4 残膜样品的收集和处理 | 第65-66页 |
| 4.2.5 残膜统计 | 第66页 |
| 4.3 残膜污染分布特点 | 第66-68页 |
| 4.3.1 不同覆膜年限残膜数量分布 | 第66-67页 |
| 4.3.2 不同覆膜年限残膜质量分布 | 第67-68页 |
| 4.3.3 残膜破碎度 | 第68页 |
| 4.4 残膜调研数据拟合及数学模型建立 | 第68-76页 |
| 4.5 烟地残膜污染评价等级 | 第76-77页 |
| 4.6 基于无人机图像信息的残膜污染 | 第77-81页 |
| 4.6.1 基于无人机图像信息的残膜污染分布计算方法 | 第77-79页 |
| 4.6.2 基于无人机的残膜污染数学模型 | 第79-80页 |
| 4.6.3 基于无人机图像信息的残膜污染验证 | 第80页 |
| 4.6.4 基于无人机图像信息的残膜污染评价标准 | 第80-81页 |
| 4.7 本章小结 | 第81-83页 |
| 第5章 结论与展望 | 第83-85页 |
| 5.1 主要结论 | 第83-84页 |
| 5.2 展望 | 第84-85页 |
| 致谢 | 第85-87页 |
| 参考文献 | 第87-93页 |
| 附录 | 第93-94页 |