声明
摘要
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 基于光谱技术的无损检测研究
1.2.2 基于计算机视觉技术的无损检测研究
1.2.3 基于高光谱图像技术的无损检测研究
1.3 本文研究内容和思路
1.4 本章小结
第2章 样本培育及叶片数据采集
2.1 生菜样本培育
2.1.1 试验背景
2.1.2 营养液的配制
2.1.3 样本的育苗移栽及施肥管理
2.1.4 叶片样本采集
2.2 叶片高光谱图像采集
2.2.1 高光谱成像系统
2.2.2 高光谱图像的采集与标定
2.3 叶片氮含量检测
2.4 本章小结
第3章 高光谱图像处理方法
3.1 数据预处理方法
3.1.1 平滑算法
3.1.2 多元散射校正算法
3.1.3 标准正态变量变换和去趋势算法
3.1.4 导数变换算法
3.1.5 正交信号校正算法
3.2 特征波长选取方法
3.3 数学建模方法
3.3.1 多元线性回归方法(MLR)
3.3.2 偏最小二乘回归方法(PLSR)
3.3.3 支持向量机回归方法(SVR)
3.3.4 模型性能评价指标
3.4 本章小结
第4章 基于高光谱图像的叶片光谱和图像信息提取
4.1 叶片感兴趣区域的提取
4.2 叶片光谱信息的提取
4.3 叶片图像信息的提取
4.3.1 主成分分析
4.3.2 纹理分析
4.3.3 主成分图像纹理提取
4.4 本章小结
第5章 基于高光谱图像的生菜叶片氮素含量预测模型研究
5.1 基于光谱信息的生菜叶片氮素含量预测模型研究
5.1.1 光谱数据预处理
5.1.2 光谱预处理方法的筛选
5.1.3 特征波长的提取
5.1.4 基于特征波长的生菜叶片氮素含量预测模型建立
5.2 基于图像纹理信息的生菜叶片氮素含量预测模型研究
5.3 模型结果分析
5.4 本章小结
第6章 基于高光谱图像的生菜叶片氮素含量分布可视化研究
6.1 高光谱图像的可视化
6.2 生菜叶片氮素含量分布的可视化研究
6.2.1 可视化模型的建立
6.2.2 生菜叶片氮素含量分布的可视化显示
6.3 本章小结
第7章 总结与展望
7.1 论文工作总结
7.2 展望
参考文献
致谢
攻读硕士学位期间发表的学术论文