声明
论文说明
致谢
摘要
图目录
表目录
第一章 绪论
1.1 研究背景及意义
1.2 机器视觉概述
1.3 机器视觉在昆虫识别中的应用
1.3.1 国外研究现状
1.3.2 国内研究现状
1.4 存在的问题
1.5 主要研究内容
1.6 本章小结
第二章 图像处理技术与方法
2.1 图像获取技术
2.1.1 可见光成像技术
2.1.2 多光谱成像技术
2.1.3 高光谱成像技术
2.2 数字图像处理算法
2.2.1 图像平滑滤波
2.2.2 图像边缘检测
2.2.3 图像分割算法
2.3 高光谱图像处理方法
2.3.1 光谱数据预处理方法
2.3.2 特征波长选取方法
2.3.3 化学计量学建模方法
2.3.4 模型评价标准
2.4 本章小结
第三章 基于图像特征提取的害虫识别方法
3.1 害虫图像的采集
3.1.1 实验材料
3.1.2 实验仪器及图像获取
3.2 害虫图像分割
3.2.1 角点检测
3.2.2 Otsu分割
3.3.3 去噪声和孔洞填充
3.3 害虫的特征提取
3.3.1 颜色特征
3.3.2 形态特征
3.3.3 纹理特征
3.3.4 SURF局部特征
3.4 害虫的分类识别
3.4.1 LIBSVM工具箱
3.4.2 SVM的多分类与参数优化
3.4.3 识别结果
3.5 本章小结
第四章 基于卷积神经网络的害虫识别
4.1 CNN基础理论
4.1.1 CNN基本结构
4.1.2 CNN的训练过程
4.1.3 CNN的识别应用
4.2 基于CNN的害虫识别
4.2.1 害虫图像集
4.2.2 MatConvNet工具箱
4.2.3 构建CNN模型
4.2.4 识别结果与分析
4.3 图像预分割对CNN的影响
4.3.1 GrabCut分割
4.3.2 实验结果与分析
4.4 本章小结
第五章 基于高光谱成像技术的害虫检测与识别
5.1 害虫的光谱检测
5.2 基于高光谱信息的菜青虫检测方法
5.2.1 试验材料与方法
5.2.2 结果与分析
5.3 基于高光谱信息的害虫识别研究
5.3.1 试验材料与方法
5.3.2 结果与分析
5.4 本章小结
第六章 基于图像的害虫识别系统设计
6.1 图像采集设备
6.1.1 本地图像采集
6.1.2 远程图像采集
6.2 基于图像特征提取的害虫识别软件
6.2.1 总体结构
6.2.2 软件设计
6.2.3 软件实现
6.3 基于CHN的害虫识别软件
6.3.1 总体结构
6.3.2 软件设计
6.3.3 软件实现
6.3.4 比较分析
6.4 本章小结
第七章 结论与展望
7.1 结论
7.2 主要创新点
7.3 展望
参考文献
作者简介