基于计算机视觉技术的棉花长势监测系统构建

发布时间:2016-07-15 14:01

  本文关键词:基于计算机视觉技术的棉花长势监测系统构建,由笔耕文化传播整理发布。


基于计算机视觉技术的棉花长势监测系统构建

[博士毕业论文]

论文目录

 

摘要第1-8页

Abstract第8-16页

符号列表第16-18页

第一章 文献综述第18-27页

  · 选题背景第18页

  · 研究目的及意义第18-19页

    · 目的第18-19页

    · 意义第19页

  · 国内外研究进展及分析第19-27页

    · 作物长势监测技术的发展第19-20页

    · 基于数字图像识别与分析的作物长势监测研究现状第20-23页

    · 作物长势监测远程控制技术国外研究现状第23-24页

    · 数字化远程视频监测系统国外研究现状第24-25页

    · 基于图像识别的区域化作物长势监测存在的问题第25-27页

第二章 研究思路与方法第27-44页

  · 研究内容第27-28页

    · 棉花群体冠层图像获取第27页

    · 数字图像分割第27页

    · 模型建立第27-28页

    · 模型检验第28页

    · 远程监测与诊断服务平台搭建第28页

  · 试验材料第28-31页

    · 小区试验第28-30页

    · 高产田试验第30页

    · 试验地土壤属性第30-31页

  · 测试项目与方法第31-41页

    · 棉花农学参数测量与获取第31-32页

    · 棉花冠层图像获取与图像分割第32-36页

    · 覆盖度的获取方法第36-37页

    · 图像分割四层计算机算法第37-38页

    · 数字图像识别系统 DIRS 提取 CC第38-40页

    · 棉田气象生态数据获取第40-41页

  · 数据分析与模型检验第41-42页

    · 数据分析第41页

    · 模型检验第41-42页

  · 试验技术路线图第42-43页

  · 拟解决的关键问题第43-44页

第三章 不同施氮肥处理棉花冠层颜色特征参数分析第44-58页

  · 材料与方法第44-45页

    · 试验地基本概况第44页

    · 试验测试项目与方法第44-45页

    · 数据处理与分析第45页

  · 结果与分析第45-55页

    · 基于 RGB 模型下不同 N 处理棉花群体数字图像特征第45-50页

    · 基于 HIS 模型下不同 N 处理棉花群体数字图像特征第50-55页

  · 讨论第55-57页

  · 小结第57-58页

第四章 基于覆盖度的棉花长势监测氮素营养诊断模型第58-69页

  · 材料与方法第59-60页

    · 试验材料第59页

    · 棉田冠层覆盖度 CC 获取第59页

    · 相关农学参数的测量第59-60页

    · 数据分析处理与作图第60页

    · 模型建立与检验第60页

  · 结果与分析第60-66页

    · 棉花冠层覆盖度 CC 与 NDVI 和 RVI 间的关系分析第60-61页

    · 棉花冠层覆盖度 CC 与 3 个农学参数间的关系分析第61-64页

    · 覆盖度 CC 与 3 个农学参数间模拟模型的建立第64-65页

    · 模型检验第65-66页

  · 讨论第66-68页

  · 小结第68-69页

第五章 基于不同特征颜色参数的棉花长势监测与氮素营养诊断模型第69-88页

  · 材料与方法第69-70页

    · 试验材料第69-70页

    · 测试内容与方法第70页

    · 数据分析处理与模型检验第70页

  · 结果与分析第70-86页

    · 不同品种棉花图像特征参数与农学参数间相关性分析第70-73页

    · 不同 N 处理棉花图像特征参数与农学参数间相关性分析第73-75页

    · 棉花群体图像特征参数 G-R 与农学参数间动态关系第75-80页

    · 棉花群体图像特征参数 2g-r-b 与农学参数间动态关系第80-85页

    · 棉花群体图像特征参数 G/R 与农学参数间动态关系第85-86页

  · 讨论第86-87页

  · 小结第87-88页

第六章 基于辐热积的棉花地上生物量累积模型第88-97页

  · 材料与方法第89页

    · 试验材料第89页

    · 试测试项目与方法第89页

    · 建模数据归一化处理第89页

    · 数据分析与模型检验第89页

  · 结果与分析第89-95页

    · 棉花地上部生物量累积动态第89-90页

    · RTEP 与 RAGBA 的动态变化关系第90-91页

    · Richards 最优模型参数分析第91-93页

    · 地上部生物量累积最优模型检验第93-94页

    · 地上部生物量累积过程阶段划分第94页

    · 模型特征参数的应用第94-95页

  · 讨论第95-96页

  · 小结第96-97页

第七章 基于辐热积的棉花叶面积指数动态模拟模型第97-109页

  · 材料与方法第98-99页

    · 小区试验设计第98-99页

    · 测试项目与方法第99页

    · 建模数据归一化处理第99页

    · 数据分析与模型检验第99页

  · 结果与分析第99-107页

    · 棉花 LAI 动态变化特征分析第99-101页

    · 棉花相对叶面积指数动态优化第101-102页

    · 棉花相对叶面积指数动态模型关键参数分析第102-103页

    · 棉花相对叶面积指数动态模型检验第103-104页

    · 相对化 LAI 动态变化特征分析与模型的应用第104-107页

  · 讨论第107-108页

  · 小结第108-109页

第八章 棉花长势监测远程诊断系统平台搭建第109-119页

  · 系统设计第109-113页

    · 系统结构设计第109-111页

    · 数据库设计第111-112页

    · 服务功能设计第112-113页

  · 系统开发第113-114页

    · 系统开发环境第113-114页

    · 客户端运行环境第114页

  · 系统实现第114-118页

    · 用户登陆界面第114-115页

    · 实时监测模块第115-116页

    · 图像处理模块第116页

    · 数据查询模块第116-117页

    · 终端配置模块第117-118页

  · 讨论第118页

  · 小结第118-119页

第九章 主要结论与成果、技术创新与研究展望第119-124页

  · 主要结论与成果第119-121页

    · 不同棉花群体冠层数码图像颜色特征参数动态变化规律分析第119页

    · 基于覆盖度 CC 的棉花长势监测与氮素营养状况诊断模型建立第119页

    · 基于不同特征颜色参数的棉花长势监测与氮素营养评价模型建立第119-120页

    · 基于辐热积的棉花地上部生物量累积模型建立第120页

    · 基于辐热积的棉花叶面积指数动态模拟模型建立第120-121页

    · 基于计算机视觉技术的棉花长势监测与氮素诊断远程服务平台构建第121页

  · 特色与创新第121-122页

    · 研究特色第121-122页

    · 创新点第122页

  · 存在问题第122页

  · 研究展望第122-124页

参考文献第124-135页

作者简介第135-136页

致谢第136-137页

石河子大学博士研究生学位论文导师评阅表第137页


本篇论文共137页,点击这进入下载页面。


  本文关键词:基于计算机视觉技术的棉花长势监测系统构建,,由笔耕文化传播整理发布。



本文编号:71609

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/71609.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户9e2a5***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com