一、数学形态学在田间蚜虫图象处理中的初步应用（论文文献综述）
蒲小剑[1]（2021）在《红三叶抗白粉病的生理和分子机制及抗病基因TpGDSL的克隆与遗传转化》文中进行了进一步梳理红三叶（Trifolium pratense L.）是营养价值和草产量仅次于苜蓿（Medicago Sativa L.）的多年生豆科牧草之一。该牧草用途广泛,具有广阔的开发应用前景。白粉菌（Erysiphales）作为一类普遍而重要的专性生物营养型病原菌,可严重降低红三叶草产量与品质,限制其在草牧业中的应用与发展。为阐明白粉菌对红三叶生理生化、内源激素和细胞结构的影响并验证抗白粉病TpGDSL基因的功能,本研究首先对感白粉病品种（岷山红三叶）和×抗白粉病品种（“甘农RPM1”红三叶）的杂交F2代进行抗病性评价,并建立白粉病抗性分离群体,采用人工接菌的方法,测定白粉菌侵染后不同抗性群体的生理生化变化、内源激素含量和细胞结构变化;利用F2代群体的抗病单株和感病单株作为试验材料,进行转录组分析;克隆由转录组分析得到的红三叶抗白粉病相关候选基因TpGDSL,同时构建p HB-GDSL过表达载体,并遗传转化拟南芥。取得的主要结果如下:1.白粉病病原菌为三叶草白粉菌（Erysiphe trifoliorum）;人工接菌后抗病材料的电导率（EC）先升高后降低、感病材料持续升高,接菌15 d时感病材料EC较接菌前增加3.57倍。抗病材料的相对含水量（RWC）先降后升,感病材料持续降低,接菌15d时感病材料的RWC含量较接菌前减少了31.85%。超氧化物歧化酶（SOD）、过氧化物酶（POD）活性与过氧化氢酶（CAT）活性和可溶性糖（WSC）含量分别在接菌后第7 d和11 d升高,随后降低,其最高值分别为534.43±10.07 U·g-1·min-1 FW、411.73±4.08 U·g-1·min-1 FW、136.53±1.00 U·g-1·min-1 FW和32.02±0.57 mg·g-1。接菌第15 d的丙二醛（MDA）与游离脯氨酸（Pro）含量分别是接菌前的4.84和5.38倍。接白粉菌后第1和7 d,抗病材料的玉米素（ZR）、茉莉酸（JA）与水杨酸（SA）含量出现两个峰值,感病材料接菌第1d后增加,之后持续降低。抗病材料的ABA含量先升后降,感病材料的变化趋势相反。抗病材料的ZR、JA、SA与ABA含量的分别在接菌第7 d、1 d、7 d和1 d时最大,其值分别为12.23±1.27 ng·g-1、15.55±0.30 ng·g-1、124.82±1.68 ng·g-1、483.50±125.50 ng·g-1,分别较接菌前增加3.52、0.93、1.60和1.04倍。接菌后红三叶抗病材料内源激素变化幅度大于感病材料,表明抗病材料中白粉菌对红三叶体内内源激素的效应更明显。2.抗病红三叶单株叶片的上表皮细胞宽,叶片厚度、栅栏组织厚度及蜡质含量均极显着高于感病材料（P<0.01）,分别高16.13%、22.29%、29.99%与85.90%;抗病材料的上表皮细胞宽度增大、栅栏组织加厚、栅栏组织细胞排列更紧密有序,感病材料的海绵组织厚度显着增加、海绵细胞排列松散混乱。白粉菌侵染增加了细胞壁的半纤维素、纤维素和木质素含量,降低了可溶性果胶的含量,其中抗病材料纤维素、半纤维素、木质素和羟脯氨酸糖蛋白含量略高于感病材料。3.白粉菌侵染后抗性差异红三叶代谢中DEGs分别富集在苯丙烷途径、甲醛戊酸途径、木质素和木酚素途径与硫代葡萄糖苷等代谢途径。CHRs、C2H2、HAD、MYB、b ZIP和MADS等转录因子家族基因参与红三叶白粉病防御反应。SA与IAA通路中相关基因AXR1、CYP、CAND1和PPR-like可能在红三叶白粉病防御反应中具有积极作用。细胞色素P450、氧化酶类、磷酸酶、腈水解酶及GDSL脂肪酶等家族中DEGs分别富集23、20、18、14与2条。木质素代谢途径中PAL、C4H、4CL和BGL、ABA调控路径中NAD（P）-binding Rossmann-fold、赤霉素代谢途径中2-氧戊二酸/铁（II）依赖双加氧酶及JA合成前体12-Oxo-PDA等基因均参与调控红三叶的防御过程。转录组分析显示红三叶GDSL同源基因有较高的本底表达和差异表达倍数,Log2（FC）为10.62,本研究选择GDSL基因进行研究。4.克隆得到编码366个氨基酸,全长1101bp的TpGDSL基因。蒺藜苜蓿（Medicago truncatula）GDSL基因与该基因氨基酸序列相似性高达86.47%。TpGDSL基因编码蛋白分子式为C1776H2704N470O561S15,相对分子量为40.9672kD,理论等电点（p I）为4.39,正、负电荷残基为20和35,不稳定系数为31.38,为不稳定蛋白,脂肪系数为81.01。TpGDSL编码蛋白可能存在于细胞外基质（Extracell）。TpGDSL蛋白主要包括36.34%α螺旋（Alpha helix,Hh）、4.10%β转角（Beta turn,Tt）、17.49%延伸链（Extended strand,Ee）、及42.08%无规则卷曲（Random coil,Cc）。该基因翻译的蛋白均由二级结构和三维结构覆盖,覆盖率和可信度分别达82%和100%。本试验采用农杆菌介导的花序浸染法将重组过表达载体p HB-GDSL转入模式植物野生型拟南芥中,得到16 lines T1代阳性转基因种子,为TpGDSL基因的功能分析奠定了基础。
徐艳平[2]（2021）在《基于双目视觉扭梳式油茶果实采摘设计与试验》文中提出油茶是我国特有高品质油料作物之一,具有较高的食用价值和工业价值。本文针对现有的油茶果采摘特点,结合国内外果实采摘经验,提出了一种基于双目视觉辅助技术的扭梳式油茶果实采摘方法,该方法重点研究了花蕾低损伤的油茶果实扭梳式采摘机构模型设计,结合图像处理技术实现了成熟油茶果识别与分割,采用双目立体匹配技术完成油茶果的空间位置标定,实现了油茶果实的有效识别和三维空间的定位,为扭梳式油茶果实采摘机构提供必要的位置信息。本文主要研究内容如下:（1）通过对油茶果实与花蕾物理力学性能研究,利用油茶果实与花蕾纵向拉断力与扭断力学特征差异,在Solidworks建立扭梳式采摘三维模型,确定了减小花蕾损伤的油茶果实整体采摘方案,设计了一种扭梳式油茶果实采摘装置。（2）利用Zynq平台的技术优势,搭建了基于OV5640双目摄像头的图像采集系统。在平台的PL部分实现了图像数据采集与DMA模块的传输,减轻了CPU的负担,提高了图像采集与传输的效率。该系统采集的图像数据,为成熟油茶果实分割与提取以及双目立体匹配提供了硬件基础。（3）对采集的油茶图片进行预处理,并对预处理后的成熟油茶、未成熟油茶和油茶树叶图像进行基于色差分析,提出了一种基于色差的阈值分割的成熟油茶果实识别算法,利用该算法对油茶图像进行分割。试验结果表明该算法对成熟油茶识别率可达到75.5%～83.3%。（4）根据黑白棋格相机标定的方法对双目摄像头进行标定试验,获取摄像头的内部和外部参数,得到了双目摄像头空间位置关系的旋转矩阵和平移向量。利用SURF算法对油茶果实的特征点提取,并利用极限约束的误匹配特征点,进而完成了油茶的三维坐标计算。实验表明,油茶果实空间的定位误差在1.789～6.801cm之间,满足扭梳式油茶采摘机构精度要求。
谭文豪[3]（2021）在《基于机器视觉的玉米行道识别系统设计与研究》文中提出中国是玉米种植大国,病虫害是造成玉米减产的主要原因,在玉米生长中后期发生病虫害时,传统喷药机喷药存在视野遮挡、驾驶员视觉疲劳、对行不准等问题,机器视觉技术能够很好的代替驾驶员的眼睛,结合识别算法及程序,使喷药机沿玉米行对行行走。本文针对玉米中后期,基于机器视觉技术,研究设计了玉米行道识别系统,本文主要研究内容如下:（1）玉米植株物理特性研究。本论文通过查阅文献、实地考察统计得到中后期玉米植株物理特性:第—片叶子离地高度约为40cm,玉米行距约为60cm,株距约为30cm。这些数据为摄像头安装、图像识别提供了依据,使摄像头采集行道图像无遮挡,图像清晰、规范,后续图像识别处理准确、快速。（2）机器视觉系统构成。本文通过对比筛选,确定了摄像机、车载计算机、STM32微控制器、蓄电池组、步进电机及电机驱动器等系统硬件的相关型号参数。基于自走式高地隙喷药机底盘平台,进行了硬件设备的组装调试,并运用LabVIEW软件进行了识别模块、处理模块、驱动模块的程序开发。（3）玉米行道图像采集与识别。通过实地拍摄,采集了试验所需的图像,并将图像进行筛选分类,通过LabVIEW软件对采集的图像进行预处理,包括灰度化、二值化、低通滤波、适当开启、膨胀、腐蚀、高斯平滑卷积滤波等操作。根据预处理后的图像,运用形态学确定图像中感兴趣区域,提取分析行道中线。最后通过对摄像头标定,计算得到实际位置的横向偏移距离及航向偏移角度。设计了系统监控界面,实时对喷药机速度、图像信息、路径数据、错误提示等信息进行监控。（4）驱动控制系统试验。本文确定车载计算机为上位机,STM32微控制器为下位机,通过串口通讯,对驱动电机与微控制器进行了标定,确定喷药机航向控制方案。仿真试验结果表明:该系统能够准确的提取玉米行道中线,图像处理时间约为300ms,响应快,满足喷药机沿玉米对行行走的要求。
关卓怀[4]（2020）在《履带式水稻联合收获机辅助导航系统关键技术研究》文中进行了进一步梳理水稻是我国第一大粮食作物,履带式联合收获机是水稻机械化收获的主要作业装备,为兼顾作业效率和收获质量,收获过程中需根据水稻生长情况实时动态调整收获机前进方向、作业速度、割台高度、拨禾轮位置和工作部件运行参数,解决其操作要求高和劳动强度大的有效途径之一为机组自动导航系统,能够实现收获路径的自主规划跟踪,提高作业效率,降低劳动强度,延长作业时间。为提升导航系统对履带式水稻联合收获机的适应性,针对“满幅作业”的收获要求并结合水稻收获时田间土壤含水率高、承压能力弱的环境特点,开展履带式水稻联合收获机辅助导航系统关键技术研究,包括导航信息采集与数据处理方法、水稻待收获区域视觉识别与路径提取方法、作业路径跟踪算法与控制策略和导航系统末端执行机构,并进行试验验证。主要研究内容包括:（1）在全面系统比较分析国内外农业装备定位导航技术研究进展与发展现状的基础上,明确了履带式水稻联合收获机辅助导航系统的功能要求和作业特点及其对应的主要技术与装置,包括导航信息采集与数据处理、水稻待收获区域识别与作业路径提取、作业路径跟踪控制和辅助导航系统末端执行机构。（2）分析了履带式联合收获机田间行驶基础理论和水田行驶状态影响要素,构建了水田转向运动参数理论值修正模型。（1）基于地面力学理论和运动学理论,建立了履带-土壤耦合系统力学模型和履带式联合收获机稳态转向运动学模型;明确了土壤物理机械参数、履带式联合收获机结构参数和履带运动参数等是影响履带式联合收获机田间行驶状态的主要因素。（2）测定了收获期水稻田土壤物理机械性质为:含水率23.8～31.2%,塑限25.9～27.8%,液限34.8～36.9%,容重1.35～1.68g·cm-3,孔隙度18.3～26.4%;结果表明土壤含水率高、空隙度较大、较为疏松,处于可塑状态,在外力作用下易形变,相较于硬地面和坚实土壤,履带式联合收获机在水田中行驶易沉陷,滑移率滑转率大。（3）开展了履带式水稻联合收获机水田转向运动学试验,结果表明水田中履带式联合收获机实际转向半径大于理论转向半径,实际转向角速度小于理论转向角速度;不同前进速度下,实际转向半径的变化趋势与其理论值相反,实际转向角速度的变化趋势与其理论值相同,但变化率小于理论值。（4）通过对比分析多种函数模型对转向半径修正系数、转向角速度修正系数与前进速度关系的拟合度,构建了水田转向运动参数理论值修正模型;转向半径修正系数为前进速度的二次函数,拟合方程为Kρ=0.751vc2-0.392vc+1.819,转向角速度修正系数为前进速度的指数函数,拟合方程为Kω=0.9187e-0.745vc,该研究为履带式联合收获机辅助导航系统的设计提供了理论依据和数据支撑。（3）设计了履带式水稻联合收获机辅助导航系统,确定了辅助导航系统的主要功能与实现方法,并依据其功能要求构建了辅助导航系统“三单元+一机构”的总体结构,可满足履带式联合收获机水稻收获辅助导航的实际需要。（1）分析了履带式水稻联合收获机辅助导航系统的主要功能,包括导航信息数据采集处理,收获作业路径提取跟踪;设计了辅助导航系统总体结构,包含导航传感器及其信号采集与数据处理单元、收获图像处理与作业路径提取单元、作业路径跟踪控制单元、末端液压转向执行机构。（2）针对田间地表起伏和履带式联合收获机工作振动造成的导航数据稳定性降低问题,设计了用于融合RTK-GNSS数据和IMU数据的扩展卡尔曼滤波器,输出位置坐标、航向角和前进速度等关键导航信息;试验表明经扩展卡尔曼滤波器融合RTK-GNSS数据和IMU数据后,航向角监测值的标准差为0.039 rad,相比滤波前降低了0.045 rad,数据监测波动减小;通过定位定向数据推算的履带式联合收获机位移距离平均误差为0.021 m,转向角度平均误差为0.36°,航位信息监测结果准确。（3）研制了履带式联合收获机串并联组合式液压转向系统,可实现人工操作转向与辅助导航控制的自由切换;以转向油缸推力大于600 N、响应时间小于0.1 s为设计指标,确定了主要液压元件参数;试验表明履带式联合收获机直线行驶50 m的平均偏驶距离为0.25 m,偏驶率为0.5%,直线行驶偏驶量小;标准信号激励下履带式联合收获机转向响应延迟为0.2 s,角速度响应标准差为0.017 rad/s,超调量小于3.8%,转向响应延迟低、转向过程稳定,满足履带式联合收获机辅助导航的需要。（4）提出了一种水稻待收获区域视觉识别与收获路径提取方法并应用。（1）设计了水稻收获原始图像预处理方法:构建了畸变图像逆变换矫正模型,基于最大似然估计和Levenberg-Marquardt算法标定相机内部参数、外部参数和畸变参数;设计了图像噪声二维高斯平滑滤波器,使用5×5像素的矩形模板对窗口内像素进行卷积运算抑制噪声干扰;试验表明,平面靶标图像特征点识别的平均像素误差小于0.17像素,焦距标定误差小于0.34 mm,相机参数标定准确,可以准确矫正图像畸变并完成水稻收获图像的预处理。（2）对比分析了水稻收获图像在HSV、HSI和RGB三种颜色空间模型中的参数分布特征,提出了考虑超红特征2R-G-B的水稻收获图像二值化综合阈值算法,分割水稻待收获区域图像,并基于膨胀-腐蚀重构的形态学闭运算,降低二值图像颗粒噪声,增强待收获区域边界。（3）基于已收获区域和待收获区域图像像素列垂直投影统计特征,动态决策感兴趣区域,提高作业路径拟合效率;基于像素行灰度值函数与阶跃函数的互相关系数,判定待收获区边界点,并利用三次B样条曲线拟合待收获区边界,作为收获作业目标路径。（4）构建了像素位置与空间位置坐标变换矩阵,建立了视觉路径与空间路径的映射关系;试验表明,视觉系统距离识别的平均误差为9.6 mm,偏差率为1.92%,角度识别的平均误差为0.77°,误差率为2.7%。（5）在顺光、逆光、强光、弱光环境下分别开展了中粳798和临稻20两种水稻待收获区边界线提取试验,结果表明,中粳798待收获区边界平均识别误差为23.9～38.7mm,在强光环境下误差最小,在逆光环境中误差最大;临稻20待收获区边界平均识别误差为38.9～55.8 mm,逆光环境下误差最小,弱光环境下误差最大,单帧图像平均处理时间38 ms,满足田间环境下水稻收获路径快速提取的需求。（5）提出了履带式水稻联合收获机作业路径跟踪算法与控制策略。（1）建立了履带式水稻联合收获机行进路径航位偏差分析模型,推导了履带式联合收获机与目标点相对位置几何关系,构建了位姿误差状态矩阵;为自适应调整航位偏差模型中的关键参数,探究了履带式联合收获机转向响应瞬态特征,分析了控制信号激励时间对转向率响应曲线线性区间的影响,并以线性区间大于90%为设计依据确定了前视距离动态调整策略。（2）推导了履带式水稻联合收获机寻线路径离散时间递推方程,构建了履带式联合收获机圆弧-切线寻线追踪模型;仿真分析表明,相较于未考虑水田转向实际特征的纯追踪模型,该模型路径纠偏的最大超调量、上升时间和调节时间分别减小了44.2%、16.3%和28.0%,有助于降低履带式联合收获机的纠偏超调量,提高寻线跟踪的收敛速度,减小控制模型误差。（3）设计了履带式水稻联合收获机路径跟踪模糊控制器,分析了控制器主要参数对控制效果的影响;基于粒子群算法,构建了模糊控制器参数自寻优整定器;仿真分析表明,经粒子群算法优化模糊控制器后,转向率偏差超调量由14.2%减少至4.6%,上升时间和调节时间分别由2.1 s、5.6 s降低至1.7 s、2.1 s,提高了作业路径跟踪控制器的响应速度和稳定性。（4）提出了基于LS-SVM的转向特征识别方法,通过在线回归构建控制信号占空比与实际转向率之间的关系模型,修正模糊控制器输出的控制信号占空比;开展了回归模型关键参数2因素3水平全因子试验,结果表明惩罚系数为10、核函数参数为20时,模型对测试集数据的拟合相关系数为0.9608,均方根误差为0.0040,对异常值不敏感;运用该方法修正模型控制器输出量后,水田中履带式联合收获机转向率响应值相对于期望值的平均误差可降低至0.29°,相较于修正前减小了0～55.7%,提升了辅助导航系统对水田环境的适应性。（5）辅助导航直线路径跟踪控制试验表明:当履带式联合收获机前进速度范围在2.16～3.60 km/h时,行进路径平均横向偏差为4.3～5.8 cm,平均最大偏差为10.6～17.2cm,均方根误差为1.92～3.60 cm;在初始偏差为1 m、前进速度为2.52 km/h的试验条件下,路径纠偏上升时间为7.5 s,稳态调节时间为14.7 s,最大超调量为14.8 cm,平均稳态误差6.4 cm,所提出的履带式联合收获机辅助导航路径跟踪控制器可稳定收敛,能够实现行进路径纠偏与稳定追踪。（6）以平均割幅偏差、最大割幅偏差和割幅率为辅助导航系统评价指标,开展了履带式水稻联合收获机辅助导航水稻收获田间试验,对比分析了不同前进速度下辅助导航系统的作业效果,结果表明辅助导航系统可识别水稻待收获区域边界,履带式联合收获机能够在不漏割的前提下根据水稻边界线自主调节作业路径,在2.45～4.03 km/h速度范围内,收获作业平均割幅为1.99～2.05 m,平均割幅偏差为0.15～0.21 m,最大割幅偏差为0.29～0.39 m,割幅率为90.5～93.1%,满足水稻机械化收获作业的实际需求。创新点1:提出了可有效提高机械化收获边界线识别精度、减小运算量的组合式水稻待收获区域边界线视觉提取方法,即“像素列垂直投影统计+像素行阶跃相关对比+三次B样条曲线拟合”的组合算法。创新点2:设计了可修正水田实际转向响应与理论模型预测值之间误差的履带式联合收获机路径跟踪控制算法,该方法基于LS-SVM在线识别履带式联合收获机的实际转向特征,提高导航系统对水田的适应性。
顾汪明[5]（2020）在《冻融循环对东北黑土团聚体稳定性影响机制的研究》文中进行了进一步梳理东北黑土区是我国最大的粮食产地,地处高纬度地区,该区夏季较短、炎热多雨,冬季漫长、寒冷干燥,0～20cm土层表现出“昼融夜冻”的特点,冻融循环现象明显。在冻融循环作用的影响下,土壤容重、水稳性团聚体和土壤抗剪强度等理化性质发生显着变化,并进一步影响土壤可蚀性,这是造成该区土壤侵蚀、水土流失的主要驱动因子之一。本研究选择黑龙江省克山县克山农场典型黑土为研究对象,采用室内模拟冻融实验,根据田间测定的实际情况,将土壤的初始含水率分别设为饱和含水量（43.39%）、田间持水量（32.25%）、田间持水量的70%（22.57%）以及风干土含水量（3.34%）四个水分梯度,冻融循环次数设为0、1、3、5、7、10、15、30次。根据当地实际气象资料,采用室内冻融模拟实验,分别对经过室内模拟冻融处理后不同水分梯度、不同冻融次数的土壤样品,采用湿筛法、LB法及SEM电镜扫描三种方法进行分析,以期揭示冻融循环对东北黑土的稳定性的影响以及其作用机制。主要结果如下:（1）冻融循环对土壤水稳性团聚体影响显着,同时初始含水量与冻融循环次数是影响冻融循环中土壤团聚体稳定性的关键因素。本研究发现经过30次冻融循环后,>1 mm水稳性团聚体组成比例和土壤团聚体平均重量直径显着降低（P<0.05）,降低幅度分别为90.81%～97.43%和69.26%～75.06%,团聚体破坏率(PAD0.25,PAD1.0)与分形维数显着升高（P<0.05）,并以PAD1.0涨幅较大,达到91.78%～98.82%,可见,冻融循环削弱土壤的抗溅蚀能力,并且降低了土壤团聚体的水稳定性。初始含水量是冻融循环的关键影响因素,在初始含水量为风干土含水量时,冻融循环对水稳性团聚体平均重量直径与分形维数没影响显着。随着初始含水量的增加,土壤粒级团聚体组成发生显着变化,>1 mm的水稳性团聚体组成比例显着减小,平均重量直径降低69.26%,分形维数增加6.03%。当初始含水量为田间持水量时,随着初始含水量进一步增加,冻融循环对土壤水稳性团聚体的破碎作用逐渐趋于稳定。冻融循环次数也是影响冻融循环中土壤团聚体稳定性的关键因素。在冻融循环前期（0、1、3、5、7次）,随着冻融循环次数的增加,PAD0.25,PAD1.0显着上升,土壤团聚体颗粒破碎,平均重量直径逐渐降低,分形维数逐渐上升,10次冻融后,PAD1.0达到87.04%～96.43%,均接近100%,平均重量直径降低了62.35%～71.18%,随着冻融循环次数的进一步增加,15及30次冻融次数的平均重量直径与分形维数较10次冻融数据变化均不显着,表明土壤团聚体稳定性会随着冻融循环次数的增加逐渐降低并趋于稳定。（2）为探究冻融循环过程中土壤团聚体内部结构变化,采用SEM电镜对团聚体进行扫描得到SEM图像,为进一步观察土壤团聚体内部结构变化,使用IPP（Image-Pro Plus）进行处理土壤的扫描电镜（SEM）图像,提取面积孔隙率、孔隙成圆率、孔隙丰度、孔隙分形维数等指标,发现冻融循环对土壤团聚体孔隙结构变化影响显着,同时初始含水量与冻融循环次数是影响冻融循环中壤团聚体孔隙结构的关键因素。在风干土含水量时,经过冻融循环后,冻融循环对土壤面积孔隙率没影响显着。随着初始含水量的增加,土壤面积孔隙率发生显着变化,土壤面积孔隙率显着减小。本研究发现随着冻融循环次数的增加,经过30冻融循环后,土壤面积孔隙率增长至6.97%～23.15%。在整个冻融循环过程中（1、3、5、7、10、15、30）孔隙丰度与分形维数较0次冻融数据均有所增长。在冻融循环前期（0、1、3、5、7次）,孔隙成圆率随冻融次数增加而增大,而在7次冻融循环后,10、15和30次冻融循环下孔隙成圆率呈波动变化。土壤试样微观结构孔隙结构的演变规律表明冻融作用破坏了土颗粒之间的连结,孔隙增多,孔隙结构更加粗糙不规则,导致黑土的结构更易破碎变形,冻融循环对黑土结构的弱化作用可能是导致黑土团聚体稳定下降的原因。（3）在我国东北黑土地区,经过冻融循环后,快速湿润（FW）处理对黑土团聚体稳定性的破坏作用最大,且与慢速湿润（WS）和机械扰动（SW）处理差异显着,对于1-2 mm、2-3 mm和3-5 mm三个不同初始粒级团聚体在3种不同破碎机制下的稳定性表现均呈现为SW>WS>FW,说明经过冻融循环后对该地区黑土团聚体起到主要破坏的机制是暴雨条件下的消散作用。本研究中,在三种破碎机制下冻融循环作用对团聚体均表现明显的破坏作用,说明土壤水分凝结膨胀的过程会对团聚体的内部结构产生显着影响,团聚体易碎性提高。本研究发现初始含水量与冻融循环次数是影响冻融循环后不同破碎机制下的稳定性的关键因素。初始含水量主要通过影响团聚体内部空气和水的比例以及水分凝结膨胀的体积用来影响团聚体的稳定性。冻融循环过程中,冻融循环次数越多,土壤水分体积变化的次数也越多,更加严重的破坏团聚体结构。
陈杰[6]（2020）在《基于图像识别的枣树害虫检测关键技术研究》文中研究说明枣树是我国最古老也是干果产量中居于第一位的主栽果树。近年来,随着枣树种植面积的增加,害虫的威胁也一步步提升,作为一种多年生乔木一旦受到害虫危害将影响多年的收成,给枣农带来巨大的经济损失。枣树虫害发生时首先需要识别出是哪种害虫,才能对症下药提出相应的杀灭方法。但是,枣树害虫的种类多、枣树种植面积又大,每次虫害发生时仅靠专家或技术人员进行人工识别既费时又容易出错误,远远不能满足枣农的需求。随着图像识别技术的出现,农业领域也在积极的探索使用图像识别技术代替人工来完成识别工作,减少灾害反应时间。本文在前人研究的基础上,探索了图像识别技术在枣树害虫检测方面的关键技术。针对枣园取像环境不佳的情况研究了图像预处理技术在提升图像质量上的方法,分别研究了图像灰度化技术、直方图均衡化技术、图像滤波技术等图像预处理技术的算法原理及相应图像结果,探讨出较为适合枣树害虫的图像预处理方法。在减少图像识别信息方面,应用了图像分割技术。主要探讨阈值法分割技术、基于区域的分割方法、基于边缘检测的分割方法的算法原理,提出Sobel算子和Canny算子在枣树害虫检测图像分割方面的具体应用方法。在图像模式识别方面,分别探讨了使用机器学习和神经网络对枣树害虫进行检测的方法。在机器学习部分提出了使用HOG（Histogram of Oriented Gradient）算法进行图像特征提取和使用SVM（Suport Vector Machine）算法进行图像分类的方法;在神经网络部分,介绍了经典的卷积神经网络的分层方案和算法原理,提出了使用LeNet-5模型进行红枣害虫检测的步骤和方法。本文选取了阿拉尔市8团、16团的部分枣园进行害虫图像拍摄,共拍摄了红蜘蛛（Tetranychus cinnbarinus）、刺蛾幼虫（Limacodidae）、枣尺蠖（Chihuo zao Yang）、枣瘿蚊（Contaria sp）等害虫图像400余张。实验结果表明,使用图像预处理方法可以减少约三分之二的数据处理量,使用图像分割技术可以快速提取出需要识别的害虫图像。在模式识别部分,使用HOG算法和SVM算法对红蜘蛛的精度为80.00%,对刺娥幼虫的识别率为81.82%,对枣尺蠖的识别率为75.00%,对枣瘿蚊的识别率为77.78%。使用LeNet-5模型进行红蜘蛛识别的精度达到76.92%,对刺娥幼虫的识别精度为81.82%,对枣尺蠖的识别精度为87.5%,对枣瘿蚊的识别精度为76.92%。
尹勋[7]（2020）在《综合图谱特征信息的小麦赤霉病识别方法研究》文中研究说明赤霉病是小麦生产过程中的一种主要病害,常常导致小麦产量损失及品质下降。在常规的赤霉病病害评估中,主要通过有经验的农学专家或者技术员根据经验评估病害严重度,存在耗时、费力且效率低的问题,难以适应该病害快速防治的实时性与准确性要求。因此,研究小麦生育期中赤霉病严重度的准确和快速诊断对预防小麦赤霉病十分重要。高光谱成像,具有融合图谱信息的数据优势,在作物病害快速检测中具有技术优势。目前,由于缺乏针对小麦赤霉病病情快速、准确的检测方法,本文尝试结合图像处理、光谱指数构建及深度学习技术,探索小麦赤霉病病情识别方法,以期为该病害的科学防治及灾后损失评估提供技术支撑。本文主要开展的研究工作如下:（一）构建一种新型赤霉病病情指数FDI（Fusarium Disease Index,简称FDI）。在分析3741000 nm范围内染病麦穗光谱差异的基础上,提出一种适用于关键生长期的新型赤霉病光谱指数FDI。利用随机森林算法对扬花期、灌浆期以及两个生育期的整体样本进行波段筛选,以正向权重系数最高和负向权重系数最低的特征波段形成的归一化波长差构建赤霉病病情指数FDI。研究发现,（1）不同生育期的赤霉病敏感波段主要位于5606809)9)9)9)范围。以确定的敏感波段计算FDI指数,与不同生长期的赤霉病病情严重度（Severity index,SI）建立线性回归模型,训练集和测试集得到的决定系数R2均在0.90以上,优于常见的17种病害光谱指数。（2）在扬花期、灌浆期的模型精度（决定系数R2为0.94和0.96）优于整体样本的R2（0.90）;利用整体样本的模型对单个生育期测试集的预测效果（R2分别为0.82,0.94）低于单个生育期各自模型预测的效果。（二）融合麦穗双面图谱特征的小麦赤霉病严重度识别。考虑麦穗的立体生长结构,提取其正反两面（A、B面）的光谱与图像特征进行病害严重度识别。首先,（1）利用PCA算法筛选出16主成分分量下的单波段图像,采用双树复小波与灰度共生矩阵算法分别提取均值、标准差、熵、能量等图像纹理特征;（2）提取RGB与YDbDr颜色空间的颜色特征（包含一阶矩、二阶矩和三阶矩）,由上确定麦穗的图像特征。其次,（1）通过GBDT算法进行图像与光谱特征权重筛选,采用顺序向后选择方法（SBS）确定图像与光谱的最优特征;（2）利用随机森林算法建立不同特征数据的回归模型。研究发现,麦穗单面（A面或B面）的光谱与图像特征建立的模型中,全部光谱特征建立的模型、全部图像特征模型以及双面图谱融合特征模型的决定系数依次递增,其中,综合双面图谱特征信息建立的模型具有最高的决定系数R2=0.89和最低的均方根误差RMSE=6.52。最后,利用双面综合图谱特征建立轻量级卷积神经网络模型,探索深度学习方法预测该病害的效果。研究发现,轻量级卷积神经网络模型的决定系数R2=0.97（RMSE=3.78）,相比偏最小二乘回归和支持向量回归建立的模型,具有最高的决定系数与最低的均方根误差。综上所述,本文构建的新型赤霉病病情指数FDI和验证的轻量级卷积神经网络模型,能够为小麦赤霉病病情的快速、准确检测提供方法支持,具有较好的应用前景。
刘思佳[8]（2020）在《基于视觉的农作物病虫害自主识别系统研究》文中研究表明为了更好的识别农作物病虫害的图像信息,以玉米斑病为例,利用无人机载机器视觉系统对玉米斑病进行露天采集作业,根据采集到的图像,选用各向异性去噪增强和最大熵分割的方法和卷积神经网络的方法进行实验对比。对各向异性去噪增强和最大熵分割的方法,将裁剪后的病斑图像进行直方图均衡化灰度增强预处理,分析影响病斑目标分割的因素,之后进一步采用各向异性扩散去噪方法,对玉米病斑图像进行去噪增强。采用最大熵分割的方法实现了对玉米病斑图像的特征分割,并通过形态学分析,对病斑图像进行准确提取。对卷积神经网络,采用自制训练集的卷积神经网络的方法进行实验,以Alex Net为基础,设计合适的卷积神经网络。在正向数据流传播时引入dropout层解决梯度弥散问题,在反向损失函数传播时引入Adam优化器来优化损失函数。通过对比,分析各自的优缺点以及改进方法。通过分析两种方法的过程与结果不难发现,深度学习在进行农作物病虫害识别时,可以跳过复杂的特征提取的步骤,但是在数据集的收集上有了更高的要求,而且因为其隐式识别的特点,其特征无法准确的展示出来;用图像分割处理的方法可以直接对要识别的图像进行处理分析,清晰的展示其识别过程,但是特征提取的计算过程较为复杂。实验结果证明,用深度学习的方法也可以简单迅速的完成对农作物病虫害图像的识别。准确率可达到97.5%。图25幅;表3个;参59篇。
陈煜[9]（2019）在《基于颜色特征的花生叶褐斑病及黑斑病图像识别技术研究》文中认为花生是重要的经济作物。在传统的种植过程中,花生非常容易受到病害的威胁。为了减少病害的威胁及提高农作物的产量,种植者往往喷洒以及浇灌大量的农药,这将造成大量的农药残留和污染环境。随着时代的不断向前发展,为了降低病害的影响、减少农药的使用,提高农作物的质量来满足现在的人们对食品安全的要求。如何能及早发现病变并科学分类是减少并提高药物使用效率的重要依据。数字化农业的推进是解决此类问题的关键。本文采用以计算机视觉技术为手段,结合图像处理技术,选取了花生种植中常见的两种病害:黑斑病、褐斑病做为研究对象。形成了一个相对完整的可自动采集、预处理和病斑区域的分割技术。通过提取病斑区域的颜色、形状、以及纹理特征实现特征参数的提取和判别模型的构建;采用支持向量机SVM的分类方法来进行对花生叶斑病进行分类;通过粒子群优化算法寻找最佳的惩罚因子系数,以及采用交叉验证法来确定核函数中的方差从而提高病害分类的准确性。本研究主要以计算机视觉技术为一定的基础条件,为实现花生叶部病害在田间实时在线检测、识别和分类提供了可能。对花生种植业的病害发现、分类、防治等具有指导意义。论文主要开展的研究工作有以下几部分:1,图像的获取和预处理。通过数据采集装置进行数据的采集然后将数据信号传送到计算机,计算机首先对原始数据进行保存,然后调用图像处理装置。由于原始数据在自然光的条件下获取,首先需要对原始数据进行自适应中值滤波去噪,然后进行颜色、纹理、形状特征k值的提取以及阈值分割等。2,对超绿算法的改进。超绿算法在绿色作物图像分割中具有广泛应用。本文结合花生病害的特点对传统的超绿算法进行了改进,通过改进的超绿算法能够有效的获取清晰的花生病斑图像。主要步骤如下:分析了花生叶片中存在的噪声的特点,噪声一般分为细小的颗粒状噪声、椒盐噪声等。首先利用自适应中值滤波算法去除细小的颗粒状噪声和椒盐噪声,其次将其它类型噪声选用选择性孔洞填充将其完善去掉,并使用MATLAB工具,最终得到清晰的花生病害图。此方法有效的还原了花生病斑的原始数据为后期的花生病害准确识别提供保障,能够对植物病害快速准确的自动识别诊断,有利于克服人眼视觉识别系统的主观性、经验性、效率低等特点。3,病斑分类。对于提取的特征数据值,采用支持向量机的粒子群优化算法进行病害分类。采用这种方法进行分类该实验成功筛选出了两种病斑且正确识别率很高。惩罚因子即对误差的宽容度,其系数越高容忍度越低。本论文的研究内容对提高花生病害实时准确性识别,推动我国的数字化农业的发展具有现实意义与明显的应用前景。
陈亚龙[10]（2019）在《基于图像的水稻害虫计数与识别的研究》文中提出从古至今,水稻作为我国重要的粮食作物之一,占据了我国农业种植总面积25%以上,但是水稻虫害频发给我国农业生产带来了巨大的经济损失,提升水稻的质量和产量近些年来成为我国农业生产的重要目标之一。因此,如何有效地防治害虫的爆发,对水稻生产和农业经济发展具有重大而深远意义。而在以往的虫害防治工作中,常常由于虫情的监测不到位,不能及时发现害虫种群数量的变化而错失治理的最佳时机,因此,防治虫害首先要从虫情监测入手。目前,在我国的水稻虫情监测中,通常采用捕虫灯诱捕水稻害虫,然后在次日取回捕杀后的害虫,通过人工对害虫进行识别和计数,并以判断水稻的虫害情况。但依靠人工计数与识别害虫存在效率低、客观性差、劳动强度高且不能实现害虫形势的实时反馈,在农业逐渐向现代化和自动化方向发展的趋势下,通过人工监测水稻虫害已经不能满足当前农业监测的需求,亟需研究一种新的水稻害虫自动计数和识别方法来代替人工计数。基于图像识别技术的快速发展及应用,本文结合图像处理和神经网络等技术,对水稻害虫识别与计数进行了研究,并利用Matlab的GUI工具箱初步建立了水稻害虫计数与识别系统。本文的主要研究内容和创新点如下:1)基于灯诱技术建立水稻害虫捕捉和图像采集设备。根据水稻田间环境设计了具有拍摄功能的测报灯,测报灯的主要模块有:引诱灯模块、图像采集模块、FPGA控制模块和4G无线传输模块。图像采集过程:首先通过光诱灯将害虫引诱到箱体内,然后由远红外装置将害虫杀死并落到背景板上,而背景板上方安装摄像头,通过相机抓拍落在背景挡板上的害虫,最后完成对害虫图像的自动采集,并通过4G无线数据传输模块,将采集到的害虫图像发送给云服务器。该捕虫设备具备捕虫、杀虫、图像采集和图像传输等功能,具有较强的实用性,为水稻害虫识别和计数提供了较好的样本图像采集平台。2)在图像预处理阶段,本文主要对灰度阈值分割、色彩变换、粘连图像分离等方面进行了研究。通过带有拍摄功能的捕虫设备,在实际田间拍摄得到样本图像。分析样本图像,针对图像中存在背景网格线等干扰,本文提出了将图像网格化分割处理和最大类间方差法相结合的方法对水稻害虫图像进行背景分割处理。通过对实验测试结果分析可知,该方法可以很好地分割样本图像的背景,与传统的图像灰度化方法相比较,具有良好的抗噪性和鲁棒性。3)粘连图像分割方面,针对分离背景后的害虫区域图像中存在害虫粘连的问题,提出标记控制的分水岭分割算法对其进行分割处理,实现粘连害虫区域的分割。与传统的分水岭分割算法相比,该方法能有效地避免过分割或者欠分割的问题,并结合背景分割与粘连害虫图像算法对多幅样本图像进行测试,平均计数准确率达到91.8%。4)提出基于卷积神经网络模型（CNN）的水稻害虫分类检测方法。相较于传统的识别模式,CNN具备鲁棒性强、分类能力突出以及自适应强等优势,因此本文根据样本图像集的特点,构建12层的卷积神经网络模型,确立适用的激活函数和分类器,引入Dropout,并对其他功能层做出相应地优化与调整。通过1200幅图像进行训练和测试,不断调整功能层的各个参数,最终完成对害虫蝼蛄、飞虱和三化螟的分类识别。试验结果表明:通过CNN来识别水稻害虫是有效的方法,本研究CNN网络模型识别准确率达到95.8%。5)建立水稻害虫计数与识别系统。基于图像预处理、害虫计数以及基于CNN模型的害虫识别,本研究利用Matlab的GUI工具箱建立了一个水稻害虫图像计数与识别系统,主要包含了图像查看、图像预处理、计数、模型训练和识别分类五大功能模块,用户只需要简单的操作就可以获得样本图像中害虫的种类和数量信息。
二、数学形态学在田间蚜虫图象处理中的初步应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、数学形态学在田间蚜虫图象处理中的初步应用（论文提纲范文）
（1）红三叶抗白粉病的生理和分子机制及抗病基因TpGDSL的克隆与遗传转化（论文提纲范文）
| 摘要 |
| SUMMARY |
| 主要符号对照表 |
| 第一章 文献综述 |
| 1 引言 |
| 2 红三叶主要病虫害、作物白粉病及病原菌鉴定的研究进展 |
| 2.1 红三叶主要病虫害 |
| 2.2 白粉病研究进展 |
| 2.3 病原菌鉴定研究进展 |
| 3 寄主植物-病原菌互作的转录组学研究进展 |
| 3.1 转录组学 |
| 3.2 转录组学在寄主植物与病害研究中的进展 |
| 4 植物抗病机制与GDSL脂肪酶的研究进展 |
| 4.1 作物病害生理生化反应研究进展 |
| 4.2 植物结构抗性研究进展 |
| 4.3 植物内源激素抗病性响应研究进展 |
| 4.4 GDSL脂肪酶基因研究进展 |
| 5 选题依据与意义 |
| 5.1 选题依据 |
| 5.2 主要研究内容 |
| 5.3 主要技术路线 |
| 第二章 红三叶抗白粉病的生理响应机制 |
| 前言 |
| 第一节 红三叶白粉菌分离、鉴定 |
| 1 材料与方法 |
| 1.1 材料 |
| 1.2 病害症状观察 |
| 1.3 病原菌形态学观察 |
| 1.4 病原菌rDNA-ITS片段的PCR扩增和序列测定 |
| 2 结果与分析 |
| 2.1 病害症状与病原菌形态特征观察 |
| 2.2 rDNA ITS片段的扩增与测序 |
| 3 讨论 |
| 4 小结 |
| 第二节 红三叶抗白粉病生理基础 |
| 1 材料与方法 |
| 1.1 实验材料及仪器 |
| 1.2 测定方法 |
| 1.3 数据处理 |
| 2 结果与分析 |
| 2.1 单因素处理间红三叶的生理生化差异 |
| 2.2 二因素交互作用间红三叶的生理生化差异 |
| 2.3 人工接菌×抗病性×接菌后时间交互作用间红三叶生理生化的差异 |
| 3 讨论 |
| 4 小结 |
| 第三节 白粉菌侵染后红三叶内源激素的变化 |
| 1 材料与方法 |
| 1.1 试验材料 |
| 1.2 测定项目与方法 |
| 1.3 色谱条件及流动相的选择 |
| 1.4 数据统计与分析 |
| 2 结果与分析 |
| 2.1 标准样品保留时间?回归方程和决定系数 |
| 2.2 单因素处理间各内源激素的差异 |
| 2.3 二因素交互作用间各内源激素的差异 |
| 2.4 人工接菌×抗病性×浸染时间交互作用间红三叶内源激素的差异 |
| 3 讨论 |
| 4 小结 |
| 第三章 红三叶响应白粉菌侵染的结构抗病性 |
| 前言 |
| 第一节 红三叶抗白粉病的细胞结构变化规律 |
| 1 材料与方法 |
| 1.1 试验材料 |
| 1.2 试验方法 |
| 1.3 数据处理 |
| 2 结果与分析 |
| 2.1 白粉病不同抗性红三叶叶片显微结构 |
| 2.2 不同红三叶抗性材料叶片组织结构特征 |
| 3 讨论 |
| 4 小结 |
| 第二节 白粉菌侵染后红三叶叶片细胞壁成份变化 |
| 1 材料与方法 |
| 1.1 试验材料 |
| 1.2 试验方法 |
| 1.3 数据分析 |
| 2 结果与分析 |
| 2.1 单因素处理间红三叶叶片细胞壁组分的差异 |
| 2.2 二因素交互作用间红三叶叶片细胞壁组分的差异 |
| 2.3 人工接菌×抗病性×浸染时间交互作用间红三叶叶片细胞壁组分的差异 |
| 3 讨论 |
| 4 小结 |
| 第四章 红三叶抗白粉病的分子机制及TpGDSL基因的克隆与遗传转化 |
| 前言 |
| 第一节 红三叶抗白粉病的转录组分析 |
| 1 材料与方法 |
| 1.1 供试材料与试验设计 |
| 1.2 测序样品准备和RNA提取 |
| 1.3 建库、测序及信息分析 |
| 1.4 测序数据质控与转录组组装 |
| 1.5 Unigene的注释 |
| 1.6 差异表达基因数字分析 |
| 1.7 基因功能注释及通路富集 |
| 1.8 差异表达基因的qRT-PCR分析 |
| 2 结果与分析 |
| 2.1 RNA-seq结果的实时定量PCR验证 |
| 2.2 转录组组装与注释 |
| 2.3 差异表达基因(DEGs)分析 |
| 2.4 接种白粉菌后DEGs的GO富集分析 |
| 2.5 接种白粉菌后DEGs的KEGG富集分析 |
| 2.6 白粉菌侵染红三叶叶片诱导的 DEGs的 Map Man分析 |
| 3 讨论 |
| 4 小结 |
| 第二节 红三叶抗白粉病TpGDSL基因克隆与遗传转化 |
| 1 材料与方法 |
| 1.1 供试材料 |
| 1.2 试验方法 |
| 1.2.1 红三叶TpGDSL基因克隆 |
| 1.2.2 构建表达载体 |
| 1.2.3 红三叶抗白粉病基因TpGDSL遗传转化拟南芥 |
| 1.2.4 拟南芥T_1代阳性植株鉴定 |
| 1.2.5 目的基因生物信息学分析 |
| 2 结果 |
| 2.1 TpGDSL基因阳性克隆鉴定 |
| 2.2 TpGDSL基因的核苷酸序列分析 |
| 2.3 TpGDSL基因编码蛋白的一级结构分析 |
| 2.4 TpGDSL基因编码蛋白的二级结构分析 |
| 2.5 TpGDSL基因编码蛋白的三级结构分析 |
| 2.6 TpGDSL基因克隆与表达载体构建 |
| 2.7 转基因拟南芥T_1阳性鉴定 |
| 3 讨论 |
| 4 小结 |
| 第五章 结论与研究展望 |
| 1 结论 |
| 2 创新点 |
| 3 研究展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 作者简介 |
| 导师简介 |
（2）基于双目视觉扭梳式油茶果实采摘设计与试验（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国内外果实末端采摘方式的现状 |
| 1.3.2 国内外果实采摘机器视觉发展现状 |
| 1.4 研究内容与结构安排 |
| 1.5 技术路线 |
| 1.6 本章小结 |
| 第二章 双目视觉扭梳式采摘方案 |
| 2.1 扭梳采摘运动学简单模型分析 |
| 2.2 扭梳式采摘整体结构设计与分析 |
| 2.2.1 性能要求 |
| 2.2.2 工作原理 |
| 2.2.3 油茶果扭梳式采摘末端执行器设计 |
| 2.2.4 末端执行器动作流程 |
| 2.3 双目视觉辅助扭梳式油茶果实采摘流程方案 |
| 2.4 本章小结 |
| 第三章 双目图像采集系统平台搭建 |
| 3.1 Zynq系统简介 |
| 3.1.1 Zynq-7000 系列架构和资源 |
| 3.1.2 Zynq-7000 系列关键技术与优势 |
| 3.1.3 ZYNQ软硬件开发流程 |
| 3.2 图象采集系统设计 |
| 3.2.1 OV5640 双目模组介绍 |
| 3.2.2 摄像头采集模块时序分析 |
| 3.2.3 Video转 AXI4-Stream模块 |
| 3.2.4 AXI VDMA模块 |
| 3.2.5 图像数据网络传输设计 |
| 3.2.6 网络传输功能的实现 |
| 3.3 本章小结 |
| 第四章 油茶果实图像的分割与识别 |
| 4.1 图像预处理 |
| 4.1.1 均值滤波 |
| 4.1.2 中值滤波 |
| 4.1.3 高斯滤波 |
| 4.1.4 油茶图像的预处理 |
| 4.2 成熟油茶果实的分割 |
| 4.2.1 色彩空间 |
| 4.2.2 成熟油茶果色差统计学分析 |
| 4.2.3 油茶图像分割 |
| 4.3 油茶图像预处理 |
| 4.3.1 形态学处理 |
| 4.3.2 油茶果实的快速识别 |
| 4.4 试验结果与分析 |
| 4.5 本章小结 |
| 第五章 油茶果实目标空间定位 |
| 5.1 摄像机成像物理模型 |
| 5.2 坐标系类别与转换关系 |
| 5.3 摄像机成像模型 |
| 5.3.1 线性摄像模型 |
| 5.3.2 非线性摄像模型 |
| 5.4 摄像机标定 |
| 5.4.1 张正友标定 |
| 5.4.2 标定实验 |
| 5.5 双目视觉定位 |
| 5.5.1 双目视觉原理 |
| 5.5.2 双目立体匹配 |
| 5.5.3 立体匹配种类 |
| 5.5.4 立体匹配常用条件 |
| 5.6 匹配方法与实验 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究总结 |
| 6.2 工作展望 |
| 参考文献 |
| 作者简介 |
（3）基于机器视觉的玉米行道识别系统设计与研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题的背景及其研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 机器视觉技术在农业的运用 |
| 1.2.2 机器视觉在道路识别的研究 |
| 1.3 课题研究任务 |
| 1.4 课题研究内容 |
| 2 系统的构成及图像的采集 |
| 2.1 系统构成 |
| 2.1.1 系统硬件组成 |
| 2.1.2 系统硬件安装 |
| 2.1.3 系统软件开发平台 |
| 2.2 试验目标的选取及研究分析 |
| 2.2.1 玉米行道的特点研究 |
| 2.2.2 玉米生长特性研究 |
| 2.3 田间玉米行道图像的采集 |
| 2.4 本章小结 |
| 3 玉米行道的图像识别 |
| 3.1 引言 |
| 3.2 关于LabVEW的介绍 |
| 3.2.1 LabVIEW开发环境 |
| 3.2.2 NI Vision for LabVIEW |
| 3.3 图像识别的流程设计 |
| 3.4 玉米行道图像预处理 |
| 3.4.1 图像的色彩空间选取 |
| 3.4.2 图像灰度化 |
| 3.4.3 图像二值化 |
| 3.4.4 Vision Assistant |
| 3.5 求取行道中线值 |
| 3.6 求取像素偏移量 |
| 3.7 求取实际值及实际偏移量 |
| 3.7.1 相机标定 |
| 3.7.2 计算实际值 |
| 3.8 图像处理监控面板设计 |
| 3.9 本章小结 |
| 4 驱动控制系统设计及试验 |
| 4.1 微控制器的选择及原理 |
| 4.2 控制方案设计 |
| 4.3 可靠性分析及试验 |
| 4.4 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 在读期间参与发表的学术成果 |
| 作者简介 |
| 致谢 |
（4）履带式水稻联合收获机辅助导航系统关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 履带式联合收获机地面行驶理论与行走系统研究进展 |
| 1.2.1.1 履带式联合收获机行走转向机构 |
| 1.2.1.2 履带-土壤互作关系分析模型 |
| 1.2.1.3 履带车辆行驶状态研究方法 |
| 1.2.2 农业装备视觉定位导航技术研究概况 |
| 1.2.2.1 农业装备导航定位技术 |
| 1.2.2.2 视觉定位导航图像处理技术 |
| 1.2.2.3 视觉定位导航路径提取技术 |
| 1.2.3 农业装备导航路径跟踪控制技术研究现状 |
| 1.2.3.1 路径跟踪模型 |
| 1.2.3.2 路径跟踪控制算法 |
| 1.2.3.3 联合收获机路径跟踪控制 |
| 1.3 研究目的与研究内容 |
| 1.3.1 研究目的 |
| 1.3.2 研究内容 |
| 1.3.3 拟解决的关键技术 |
| 1.3.4 技术路线 |
| 第二章 履带式水稻联合收获机田间行驶基础理论与影响要素分析 |
| 2.1 引言 |
| 2.2 履带-土壤系统力学分析 |
| 2.2.1 土壤应力应变关系 |
| 2.2.2 履带式联合收获机接地比压分布状态 |
| 2.2.3 土壤压力-沉陷模型 |
| 2.2.4 履带-土壤相互作用力 |
| 2.2.4.1 履带与土壤间摩擦力 |
| 2.2.4.2 履带与土壤间挤压力 |
| 2.3 稳态转向运动学分析 |
| 2.3.1 稳态转向运动学模型构建 |
| 2.3.2 稳态转向运动学特征分析 |
| 2.4 田间行驶影响要素分析 |
| 2.4.1 履带对土壤的剪切作用分析 |
| 2.4.2 滑转滑移对运动参数影响分析 |
| 2.4.3 水田土壤物理机械性质对行驶状态影响 |
| 2.5 水田转向运动学试验与运动参数修正模型构建 |
| 2.5.1 试验方法 |
| 2.5.2 试验结果与分析 |
| 2.5.3 运动参数修正模型拟合 |
| 2.6 本章小结 |
| 第三章 履带式水稻联合收获机辅助导航系统总体设计与分析 |
| 3.1 引言 |
| 3.2 辅助导航系统总体结构与工作原理 |
| 3.2.1 辅助导航系统总体结构设计 |
| 3.2.2 辅助导航系统工作原理 |
| 3.3 导航传感器数据采集与信号处理方法 |
| 3.3.1 视觉传感器关键参数分析与图像采集装置优化 |
| 3.3.2 航位传感器数据融合算法设计 |
| 3.3.2.1 航位数据解析与转换 |
| 3.3.2.2 多传感器数据融合扩展卡尔曼滤波器设计 |
| 3.3.3 转速传感器限幅平均滤波器设计 |
| 3.4 辅助导航系统串并联组合式液压转向执行机构设计 |
| 3.4.1 液压转向系统原理分析 |
| 3.4.2 液压转向执行机构设计与关键参数分析 |
| 3.5 辅助导航系统数据采集与液压转向测试分析 |
| 3.5.1 航位信息监测系统试验与分析 |
| 3.5.2 直线行驶偏驶率试验与分析 |
| 3.5.3 转向响应特征试验与分析 |
| 3.6 本章小结 |
| 第四章 基于水稻待收获区域视觉识别的收获路径提取方法 |
| 4.1 引言 |
| 4.2 水稻收获图像预处理方法设计与分析 |
| 4.2.1 畸变图像逆变换矫正模型构建 |
| 4.2.2 图像噪声高斯平滑滤波器设计 |
| 4.3 水稻待收获区域图像分割算法 |
| 4.3.1 水稻收获图像多模型颜色空间特征对比分析 |
| 4.3.2 考虑超红特征的水稻收获图像二值化综合阈值算法 |
| 4.4 收获路径提取方法设计 |
| 4.4.1 基于像素列垂直投影分析的动态ROI决策算法 |
| 4.4.2 基于像素行阶跃相关分析的边界点判定算法 |
| 4.4.3 基于三次B样条曲线的收获路径拟合 |
| 4.5 视觉路径与空间路径的映射关系 |
| 4.6 水稻收获作业路径提取试验与分析 |
| 4.6.1 空间位置关系视觉辨识试验 |
| 4.6.2 作业路径提取试验 |
| 4.7 本章小结 |
| 第五章 履带式水稻联合收获机作业路径跟踪算法与控制策略 |
| 5.1 引言 |
| 5.2 收获路径跟踪过程分析 |
| 5.3 收获路径寻线跟踪模型构建 |
| 5.3.1 收获路径偏差分析 |
| 5.3.2 圆弧-切线寻线跟踪方程建立 |
| 5.3.3 前视距离动态调整策略 |
| 5.3.4 寻线跟踪模型仿真分析 |
| 5.4 液压转向执行机构模糊控制器设计 |
| 5.4.1 基础模糊控制器构建 |
| 5.4.2 控制器参数粒子群算法寻优 |
| 5.4.3 模糊控制器仿真分析 |
| 5.5 基于转向特征在线识别的跟踪控制策略 |
| 5.5.1 转向特性LS-SVM回归模型构建 |
| 5.5.2 控制模型参数分析与优化 |
| 5.6 收获路径跟踪控制试验 |
| 5.6.1 LS-SVM转向特征识别试验与分析 |
| 5.6.2 路径跟踪控制试验与分析 |
| 5.7 本章小结 |
| 第六章 履带式水稻联合收获机辅助导航系统田间试验与分析 |
| 6.1 引言 |
| 6.2 田间试验工况测定 |
| 6.3 试验方法与导航性能评价指标 |
| 6.4 试验结果与分析 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 附录A:课题来源 |
| 附录B:注释说明 |
| 附录C:攻读博士学位期间主要科研工作与研究成果 |
| 致谢 |
（5）冻融循环对东北黑土团聚体稳定性影响机制的研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 引言 |
| 1.1 研究目的及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 冻融循环作用对团聚体稳定性的影响 |
| 1.2.2 土壤微形态学 |
| 1.2.3 团聚体的破碎作用机制 |
| 1.3 亟需解决的科学问题 |
| 2 研究区概况及研究方法 |
| 2.1 研究内容 |
| 2.2 研究区概况 |
| 2.3 研究方法 |
| 2.3.1 实验设计 |
| 2.3.2 测定方法及指标 |
| 2.4 技术路线 |
| 3 冻融循环作用对黑土团聚体水稳定性的影响 |
| 3.1 不同处理土壤团聚体组成特征的变化 |
| 3.1.1 水稳性团聚体组成特征 |
| 3.1.2 土壤团聚体的破坏率 |
| 3.2 土壤团聚体分布与分形特征的差异 |
| 3.2.1 冻融循环对平均重量直径的影响 |
| 3.2.2 冻融循环对平均几何直径的影响 |
| 3.2.3 冻融循环对分形维数的影响 |
| 3.2.4 各指标之间的相关性分析 |
| 3.3 讨论 |
| 3.4 小结 |
| 4 冻融循环作用对黑土孔隙微结构的影响 |
| 4.1 样品制备和实验方案 |
| 4.2 扫描电子显微镜实验 |
| 4.2.1 扫描电子显微镜观测 |
| 4.2.2 土壤微结构可视化 |
| 4.2.3 研究参数选择 |
| 4.3 土壤微观孔隙结构定量分析 |
| 4.3.1 土体的面积孔隙率变化 |
| 4.3.2 土壤孔隙形态变化 |
| 4.4 讨论 |
| 4.5 小结 |
| 5 冻融循环作用对黑土团聚体的破碎作用机制 |
| 5.1 不同破坏作用下的土壤团聚体粒径分布特征 |
| 5.1.1 消散作用下的土壤团聚体粒径分布特征 |
| 5.1.2 粘粒膨胀作用下的土壤团聚体粒径分布特征 |
| 5.1.3 机械破坏作用下的土壤团聚体粒径分布特征 |
| 5.2 不同破坏作用下的土壤团聚体平均重量直径 |
| 5.3 讨论 |
| 5.4 小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.1.1 冻融循作用对黑土团聚体水稳定性的影响 |
| 6.1.2 冻融循环作用对黑土孔隙微结构的影响 |
| 6.1.3 冻融循环作用对黑土团聚体的破碎作用机制 |
| 6.2 展望 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 获得成果目录清单 |
| 致谢 |
（6）基于图像识别的枣树害虫检测关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.3 研究内容 |
| 第2章 枣树害虫图像预处理 |
| 2.1 图像增强技术 |
| 2.2 图像灰度化 |
| 2.3 直方图均衡化 |
| 2.4 图像滤波 |
| 2.5 本章小结 |
| 第3章 枣树害虫图像分割应用 |
| 3.1 阈值法 |
| 3.2 基于区域的分割方法 |
| 3.3 基于边缘检测的分割方法 |
| 3.4 本章小结 |
| 第4章 枣树害虫模式识别 |
| 4.1 机器学习 |
| 4.2 HOG+SVM识别枣树害虫 |
| 4.3 深度学习 |
| 4.4 卷积神经网络的基本理论 |
| 4.5 LeNet-5 模型识别枣树害虫 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简介 |
（7）综合图谱特征信息的小麦赤霉病识别方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 光谱分析技术研究进展 |
| 1.2.2 图像特征研究进展 |
| 1.2.3 图谱特征融合研究进展 |
| 1.3 论文结构与技术路线 |
| 1.3.1 论文结构 |
| 1.3.2 技术路线图 |
| 第二章 实验设计与数据获取 |
| 2.1 实验设计 |
| 2.2 高光谱数据获取 |
| 2.2.1 实验仪器介绍 |
| 2.2.2 图谱数据获取 |
| 2.3 病斑分割与光谱提取 |
| 2.3.1 色彩空间转换 |
| 2.3.2 OTSU阈值分割 |
| 2.3.3 形态学处理 |
| 2.3.4 病斑分割 |
| 2.4 反射率转换 |
| 2.5 病情严重度划分 |
| 2.6 模型评价指标 |
| 2.6.1 决定系数 |
| 2.6.2 均方根误差 |
| 2.7 本章小结 |
| 第三章 新型小麦赤霉病光谱指数的构建与病情严重度识别 |
| 3.1 研究方法 |
| 3.1.1 Savitzky-Golay平滑滤波 |
| 3.1.2 随机森林特征选择 |
| 3.1.3 经典的病害光谱指数选取 |
| 3.2 新型赤霉病FDI病情指数构建及效果评估 |
| 3.2.1 麦穗光谱响应差异分析 |
| 3.2.2 不同生长期的赤霉病麦穗的特征波长 |
| 3.2.3 不同生长期的赤霉病病情指数的构建 |
| 3.2.4 FDI与经典病害光谱指数的应用效果对比 |
| 3.2.5 结果与讨论 |
| 3.3 本章小结 |
| 第四章 基于图谱融合的小麦赤霉病病情诊断研究 |
| 4.1 研究方法 |
| 4.1.1 特征缩放 |
| 4.1.2 图像特征提取方法 |
| 4.1.3 GBDT特征选择算法 |
| 4.1.4 支持向量机 |
| 4.1.5 偏最小二乘 |
| 4.1.6 卷积神经网络模型 |
| 4.2 图谱特征提取与筛选 |
| 4.2.1 特征提取 |
| 4.2.2 特征筛选 |
| 4.3 双面图谱特征融合与建模分析 |
| 4.4 基于卷积神经网络回归建模分析 |
| 4.4.1 卷积神经网络模型分析 |
| 4.4.2 结果与讨论 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（8）基于视觉的农作物病虫害自主识别系统研究（论文提纲范文）
| 摘要 |
| abstract |
| 引言 |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究内容 |
| 1.4 论文章节安排 |
| 第2章 图像识别理论基础 |
| 2.1 最大熵分割算法 |
| 2.1.1 最大熵分割概述 |
| 2.1.2 最大熵分割的基本原理 |
| 2.2 深度学习 |
| 2.2.1 深度学习的发展 |
| 2.2.2 反向传播算法 |
| 2.2.3 损失函数的选取 |
| 2.2.4 卷积神经网络的概述 |
| 2.2.5 卷积神经网络的工作原理 |
| 2.3 遗传算法 |
| 2.4 分水岭分割算法 |
| 2.5 本章小结 |
| 第3章 图像采集与预处理 |
| 3.1 图像采集 |
| 3.1.1 无人机载视觉系统概述 |
| 3.1.2 无人机载视觉系统的设计 |
| 3.2 图像预处理 |
| 3.2.1 图像的直方图均衡化增强 |
| 3.2.2 图像的各向异性去噪增强 |
| 3.3 本章小结 |
| 第4章 最大熵分割对玉米斑病的识别 |
| 4.1 最大熵分割对病斑图像的识别流程 |
| 4.2 玉米斑病图像的直方图均衡化增强 |
| 4.3 玉米斑病图像的各向异性去噪增强 |
| 4.3.1 各向异性去噪增强简介 |
| 4.3.2 病斑图像的各向异性去噪增强 |
| 4.4 玉米斑病图像的特征提取 |
| 4.4.1 最大熵分割 |
| 4.4.2 形态学处理 |
| 4.5 玉米斑病的识别 |
| 4.6 本章小结 |
| 第5章 卷积神经网络对玉米斑病的识别 |
| 5.1 卷积神经网络对病斑图像的识别流程 |
| 5.2 数据集的获取 |
| 5.3 卷积神经网络实现斑病图像识别 |
| 5.3.1 卷积神经网络模型建立 |
| 5.3.2 数据集的训练过程 |
| 5.3.3 卷积神经网络对病斑图像的识别 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 导师简介 |
| 企业导师 |
| 作者简介 |
| 学位论文数据集 |
（9）基于颜色特征的花生叶褐斑病及黑斑病图像识别技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 主要内容 |
| 1.4 本文整体结构 |
| 第2章 花生叶病害图像的获取及预处理 |
| 2.1 图像采集 |
| 2.2 图像病害种类 |
| 2.3 图像预处理 |
| 2.4 图像灰度化 |
| 2.5 图像去噪 |
| 2.6 本章小结 |
| 第3章 花生叶病害图像的分割方法及形态学处理 |
| 3.1 图像二值化 |
| 3.2 形态学处理 |
| 3.3 边界提取 |
| 3.4 本章小结 |
| 第4章 花生叶斑病害特征提取与分类 |
| 4.1 病害图像颜色特征的提取 |
| 4.1.1 颜色特征的提取 |
| 4.2 常见形状特征的提取 |
| 4.3 常见纹理特征的提取 |
| 4.4 花生叶黑斑病褐斑病分类与实现 |
| 4.5 模式识别的方法 |
| 4.6 方法的选取 |
| 4.7 实现步骤及结果 |
| 4.8 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读学位期间主要工作 |
（10）基于图像的水稻害虫计数与识别的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景目的与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 害虫诱捕方法介绍 |
| 1.2.2 害虫计数方法介绍 |
| 1.2.3 害虫图像识别方法介绍 |
| 1.3 课题研究内容 |
| 1.3.1 害虫图像计数 |
| 1.3.2 害虫图像识别 |
| 1.4 论文安排 |
| 1.5 本章小结 |
| 第二章 水稻害虫捕捉及图像采集系统硬件设计 |
| 2.1 硬件结构总体设计方案 |
| 2.2 信息获取模块 |
| 2.2.1 诱捕模块设计 |
| 2.2.2 控制模块设计 |
| 2.2.3 图像采集模块设计 |
| 2.3 信息传送模块 |
| 2.3.1 数据传输模块设计 |
| 2.4 本章小结 |
| 第三章 害虫图像预处理及害虫计数 |
| 3.1 水稻灯诱害虫图像采集 |
| 3.1.1 水稻害虫捕获 |
| 3.1.2 水稻害虫样本图像采集 |
| 3.2 背景图像分割 |
| 3.2.1 图像二值化 |
| 3.2.2 去除背景 |
| 3.2.3 图像形态学处理 |
| 3.3 粘连分割 |
| 3.3.1 传统分水岭分割 |
| 3.3.2 标记控制的分水岭分割算法 |
| 3.4 水稻害虫图像计数实验 |
| 3.5 本章小结 |
| 第四章 神经网络 |
| 4.1 神经网络基本理论 |
| 4.1.1 人类视觉机理 |
| 4.1.2 人工神经网络 |
| 4.2 BP神经网络 |
| 4.2.1 BP神经网络基本原理 |
| 4.2.2 BP神经网络的不足 |
| 4.3 卷积神经网络的基本结构 |
| 4.3.1 卷积 |
| 4.3.2 池化 |
| 4.3.3 全连接 |
| 4.4 本章小结 |
| 第五章 基于卷积神经网络的水稻害虫分类识别 |
| 5.1 水稻害虫样本集建立及图像预处理 |
| 5.1.1 样本图集的建立 |
| 5.1.2 样本图像的预处理 |
| 5.2 基于卷积神经网络模型设计 |
| 5.2.1 卷积神经网络模型建立 |
| 5.2.2 激活函数 |
| 5.2.3 分类器 |
| 5.2.4 Dropout |
| 5.2.5 模型参数及模型训练 |
| 5.3 实验环境介绍 |
| 5.4 实验结果与分析 |
| 5.5 本章小结 |
| 第六章 水稻害虫计数识别系统开发与实现 |
| 6.1 系统概述 |
| 6.2 系统结构与工作流程 |
| 6.2.1 系统结构 |
| 6.2.2 系统工作流程 |
| 6.3 软件实现 |
| 6.3.1 系统界面 |
| 6.3.2 操作实例 |
| 6.4 本章小结 |
| 第七章 总结和展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间参与项目和研究成果 |
四、数学形态学在田间蚜虫图象处理中的初步应用（论文参考文献）
- [1]红三叶抗白粉病的生理和分子机制及抗病基因TpGDSL的克隆与遗传转化[D]. 蒲小剑. 甘肃农业大学, 2021(01)
- [2]基于双目视觉扭梳式油茶果实采摘设计与试验[D]. 徐艳平. 安徽农业大学, 2021
- [3]基于机器视觉的玉米行道识别系统设计与研究[D]. 谭文豪. 河北农业大学, 2021(05)
- [4]履带式水稻联合收获机辅助导航系统关键技术研究[D]. 关卓怀. 华中农业大学, 2020(04)
- [5]冻融循环对东北黑土团聚体稳定性影响机制的研究[D]. 顾汪明. 北京林业大学, 2020(02)
- [6]基于图像识别的枣树害虫检测关键技术研究[D]. 陈杰. 塔里木大学, 2020(10)
- [7]综合图谱特征信息的小麦赤霉病识别方法研究[D]. 尹勋. 安徽大学, 2020(07)
- [8]基于视觉的农作物病虫害自主识别系统研究[D]. 刘思佳. 华北理工大学, 2020(02)
- [9]基于颜色特征的花生叶褐斑病及黑斑病图像识别技术研究[D]. 陈煜. 河南大学, 2019(01)
- [10]基于图像的水稻害虫计数与识别的研究[D]. 陈亚龙. 江西理工大学, 2019(01)