| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 基于光谱技术的病害检测研究 | 第10-13页 |
| 1.2.2 基于计算机视觉技术的病害检测研究 | 第13-14页 |
| 1.2.3 基于高光谱成像技术的病害检测研究 | 第14-16页 |
| 1.3 主要研究内容 | 第16-17页 |
| 1.4 本文结构安排 | 第17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 基本理论介绍 | 第18-26页 |
| 2.1 高光谱成像技术 | 第18-20页 |
| 2.1.1 高光谱成像技术应用 | 第18-19页 |
| 2.1.2 高光谱图像采集系统 | 第19-20页 |
| 2.2 光谱预处理方法 | 第20-21页 |
| 2.2.1 Savitzky-Golay 卷积平滑滤波 | 第20-21页 |
| 2.2.2 多元散射校正 | 第21页 |
| 2.2.3 分段多元散射校正 | 第21页 |
| 2.3 降维算法 | 第21-22页 |
| 2.3.1 连续投影算法 | 第22页 |
| 2.4 分类模型概述 | 第22-23页 |
| 2.4.1 最小二乘支持向量机 | 第22页 |
| 2.4.2 人工神经网络 | 第22-23页 |
| 2.5 实验相关软件介绍 | 第23-25页 |
| 2.5.1 ENVI简介 | 第23页 |
| 2.5.2 Caffe框架简介 | 第23-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 基于SPA2-ELM的大豆花叶病早期检测方法研究 | 第26-37页 |
| 3.1 实验样本制备 | 第26-27页 |
| 3.1.1 大豆花叶病毒接种 | 第26页 |
| 3.1.2 大豆高光谱图像采集步骤 | 第26-27页 |
| 3.2 大豆叶片光谱信息的提取与预处理 | 第27-30页 |
| 3.3 基于全光谱数据的大豆花叶病早期检测 | 第30-33页 |
| 3.3.1 极限学习机 | 第30-32页 |
| 3.3.2 实验结果分析 | 第32-33页 |
| 3.4 特征波长的选取 | 第33-34页 |
| 3.5 基于特征提取算法的分类建模 | 第34-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第4章 基于CNN模型的大豆花叶病早期检测方法研究 | 第37-46页 |
| 4.1 卷积神经网络简介 | 第37-41页 |
| 4.1.1 卷积层介绍 | 第38-39页 |
| 4.1.2 激励层介绍 | 第39-41页 |
| 4.1.3 池化层介绍 | 第41页 |
| 4.2 CNN模型建立 | 第41-43页 |
| 4.3 结果与分析 | 第43-44页 |
| 4.4 本章小结 | 第44-46页 |
| 第5章 基于CNN-SVM模型大豆花叶病分级检测方法研究 | 第46-56页 |
| 5.1 病害等级分类 | 第46页 |
| 5.2 大豆样本高光谱采集与预处理 | 第46-49页 |
| 5.3 CNN-SVM模型建立 | 第49-50页 |
| 5.4 分级检测结果分析 | 第50-55页 |
| 5.5 本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间的研究成果 | 第63页 |
