小麦苗情诊断指标智能监测及系统开发
| 摘要 | 第2-4页 |
| ABSTRACT | 第4-6页 |
| 第一章 文献综述 | 第10-26页 |
| 1 研究背景 | 第10页 |
| 2 小麦苗情诊断指标的研究概况 | 第10-15页 |
| 2.1 叶面积指数 | 第11-12页 |
| 2.2 SPAD值 | 第12-13页 |
| 2.3 茎蘖数 | 第13页 |
| 2.4 生物量 | 第13-14页 |
| 2.5 氮含量 | 第14-15页 |
| 3 图像处理技术在小麦研究中的主要应用 | 第15-17页 |
| 3.1 生长监测 | 第15-16页 |
| 3.2 病虫草害监测 | 第16-17页 |
| 3.3 产量估测 | 第17页 |
| 4 总结 | 第17-18页 |
| 5 研究目的与意义 | 第18-19页 |
| 参考文献 | 第19-26页 |
| 第二章 材料与方法 | 第26-34页 |
| 1 试验设计 | 第26页 |
| 2 田间测定项目与方法 | 第26-27页 |
| 2.1 叶面积指数 | 第26页 |
| 2.2 SPAD值 | 第26页 |
| 2.3 茎蘖数 | 第26页 |
| 2.4 地上部生物量 | 第26页 |
| 2.5 氮素积累量 | 第26-27页 |
| 3 图像获取与特征参数提取 | 第27-29页 |
| 3.1 图像获取 | 第27页 |
| 3.2 图像处理 | 第27-28页 |
| 3.3 特征参数 | 第28-29页 |
| 4 建模方法及模型检验 | 第29-30页 |
| 5 技术路线 | 第30-32页 |
| 参考文献 | 第32-34页 |
| 第三章 基于图像特征参数的小麦苗情诊断指标估测 | 第34-46页 |
| 1 引言 | 第34页 |
| 2 结果与分析 | 第34-42页 |
| 2.1 小麦苗期LAI估测 | 第34-36页 |
| 2.1.1 LAI与冠层图像特征参数的相关性 | 第34-35页 |
| 2.1.2 LAI估测模型构建 | 第35页 |
| 2.1.3 LAI估测模型检验 | 第35-36页 |
| 2.2 小麦苗期SPAD值估测 | 第36-37页 |
| 2.2.1 SPAD值与冠层图像特征参数的相关性 | 第36-37页 |
| 2.2.2 SPAD值估测模型构建 | 第37页 |
| 2.2.3 SPAD值估测模型检验 | 第37页 |
| 2.3 小麦苗期茎蘖数估测 | 第37-39页 |
| 2.3.1 茎蘖数与冠层图像特征参数的相关性 | 第37-38页 |
| 2.3.2 茎蘖数估测模型构建 | 第38页 |
| 2.3.3 茎蘖数估测模型检验 | 第38-39页 |
| 2.4 小麦苗期生物量估测 | 第39-40页 |
| 2.4.1 生物量与冠层图像特征参数的相关性 | 第39-40页 |
| 2.4.2 生物量估测模型构建 | 第40页 |
| 2.4.3 生物量估测模型检验 | 第40页 |
| 2.5 小麦苗期氮素积累量估测 | 第40-42页 |
| 2.5.1 氮素积累量与冠层图像特征参数的相关性 | 第40-41页 |
| 2.5.2 氮素积累量估测模型构建 | 第41页 |
| 2.5.3 氮素积累量估测模型检验 | 第41-42页 |
| 3 本章小结 | 第42-44页 |
| 参考文献 | 第44-46页 |
| 第四章 小麦苗情诊断指标智能监测系统开发 | 第46-65页 |
| 1 引言 | 第46页 |
| 2 系统设计 | 第46页 |
| 3 系统开发环境 | 第46-47页 |
| 4 系统模块 | 第47-63页 |
| 4.1 主界面模块 | 第47页 |
| 4.2 图像预处理模块 | 第47-49页 |
| 4.3 图像特征参数提取模块 | 第49-54页 |
| 4.4 小麦苗情诊断指标智能估测模块 | 第54-63页 |
| 5 本章小结 | 第63-64页 |
| 参考文献 | 第64-65页 |
| 第五章 结论与讨论 | 第65-71页 |
| 1 结论 | 第65-66页 |
| 2 讨论 | 第66-68页 |
| 3 本研究的创新点 | 第68页 |
| 4 存在问题 | 第68页 |
| 5 展望 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 致谢 | 第71-72页 |
| 攻读学位期间发表的学术论文及科研成果目录 | 第72-73页 |
