摘要：對(duì)農(nóng)作物生長(zhǎng)態(tài)勢(shì)快速、準(zhǔn)確地監(jiān)測(cè)與評(píng)價(jià)是現(xiàn)代精準(zhǔn)農(nóng)業(yè)中的關(guān)鍵問題之一,也是近年來推動(dòng)我國(guó)農(nóng)業(yè)信息化建設(shè)的基礎(chǔ),越來越成為農(nóng)業(yè)生產(chǎn)領(lǐng)域的研究熱點(diǎn)�？v觀國(guó)內(nèi)外關(guān)于農(nóng)作物信息監(jiān)測(cè)與評(píng)價(jià)的相關(guān)研究,目前所提出的監(jiān)測(cè)方法在選擇作物信息和數(shù)據(jù)分析優(yōu)化方面還存在諸多不足,數(shù)據(jù)優(yōu)選和處理方法還有很大的研究空間,數(shù)據(jù)可信度需要進(jìn)一步提高。同時(shí),對(duì)作物生長(zhǎng)態(tài)勢(shì)的評(píng)價(jià)還主要基于與作物生長(zhǎng)相關(guān)的部分參數(shù),對(duì)作物整體信息的采集、處理和評(píng)價(jià)不能得到非常令人滿意的效果。 針對(duì)以上問題,本文提出了一種基于多維圖像特征的農(nóng)作物長(zhǎng)勢(shì)評(píng)價(jià)方法,旨在對(duì)大棚作物生長(zhǎng)過程中的重要信息進(jìn)行精準(zhǔn)地實(shí)時(shí)監(jiān)測(cè),從而對(duì)作物生長(zhǎng)態(tài)勢(shì)進(jìn)行合理的評(píng)估,為現(xiàn)代化農(nóng)業(yè)生產(chǎn)管理提供決策依據(jù)。論文的主要研究?jī)?nèi)容包括： 1、提出了基于雙目立體視覺的作物生長(zhǎng)態(tài)勢(shì)實(shí)時(shí)監(jiān)測(cè)方法。該方法將立體視覺技術(shù)引入溫室大棚的智能檢測(cè),監(jiān)測(cè)車?yán)靡唤M相機(jī)設(shè)備在S型軌道移動(dòng)即可實(shí)現(xiàn)遠(yuǎn)程實(shí)時(shí)信息監(jiān)控,無需進(jìn)入大棚內(nèi)進(jìn)行操作。結(jié)合圖像處理技術(shù)和三維重建技術(shù)能夠全面地提取作物的圖像信息,這些信息能夠反映作物的生長(zhǎng)情況。監(jiān)測(cè)系統(tǒng)節(jié)能環(huán)保、易于操作,具有很高的應(yīng)用價(jià)值。 2、為解...

【文章頁(yè)數(shù)】：89 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
目錄
1 緒論
    1.1 研究意義與背景
    1.2 國(guó)內(nèi)外研究方法
        1.2.1 國(guó)外研究方法
        1.2.2 國(guó)內(nèi)研究方法
    1.3 研究現(xiàn)狀總結(jié)
    1.4 本文主要工作及思路
2 基于雙目視覺的作物多維信息監(jiān)測(cè)與處理
    2.1 信息監(jiān)測(cè)系統(tǒng)總體介紹
    2.2 主要功能與設(shè)計(jì)原則
        2.2.1 主要功能
        2.2.2 設(shè)計(jì)原則
    2.3 系統(tǒng)結(jié)構(gòu)與工作原理
        2.3.1 整體結(jié)構(gòu)
        2.3.2 控制主機(jī)
        2.3.3 圖像采集部件
        2.3.4 無線通信部件
        2.3.5 車輛運(yùn)動(dòng)部件
        2.3.6 電源
        2.3.7 設(shè)備軌道
    2.4 農(nóng)作物信息提取
        2.4.1 維農(nóng)作物信息
        2.4.2 三維農(nóng)作物信息
    2.5 本章小結(jié)
3 基于改進(jìn)型局部保持投影的農(nóng)作物多維生長(zhǎng)特征優(yōu)化
    3.1 農(nóng)作物多維生長(zhǎng)特征體系的建立
        3.1.1 特征結(jié)構(gòu)體系建立過程
        3.1.2 多維特征結(jié)構(gòu)體系的建立
    3.2 多維特征的選取與定義
        3.2.1 高度特征
        3.2.2 面積特征
        3.2.3 形狀特征
        3.2.4 顏色特征
        3.2.5 紋理特征
        3.2.6 標(biāo)準(zhǔn)化處理
    3.3 基于改進(jìn)型局部保持投影的多維特征優(yōu)化
        3.3.1 特征優(yōu)化模型的選擇
        3.3.2 基本LPP算法
        3.3.3 改進(jìn)型LPP算法
        3.3.4 基于改進(jìn)型LPP算法的特征優(yōu)化方法
    3.4 本章小結(jié)
4 基于蝙蝠算法的農(nóng)作物長(zhǎng)勢(shì)評(píng)價(jià)方法
    4.1 評(píng)價(jià)模型的選擇
        4.1.1 分類模型
        4.1.2 群體智能算法
    4.2 蝙蝠算法的基本理論
        4.2.1 蝙蝠算法概述
        4.2.2 蝙蝠行為與定位原理
        4.2.3 蝙蝠算法的規(guī)則化前提
        4.2.4 蝙蝠算法的運(yùn)算流程
        4.2.5 蝙蝠算法變量的更新規(guī)則
        4.2.6 蝙蝠算法特點(diǎn)總結(jié)
    4.3 基于蝙蝠算法的農(nóng)作物長(zhǎng)勢(shì)評(píng)價(jià)模型
        4.3.1 總體評(píng)價(jià)流程
        4.3.2 評(píng)價(jià)規(guī)則表示
        4.3.3 評(píng)價(jià)規(guī)則構(gòu)造過程
        4.3.4 分類規(guī)則適應(yīng)度
        4.3.5 評(píng)價(jià)模型的性能
    4.4 本章小結(jié)
5 實(shí)驗(yàn)與分析
    5.1 作物生長(zhǎng)特征優(yōu)化的實(shí)驗(yàn)分析
        5.1.1 特征數(shù)據(jù)采集與處理
        5.1.2 優(yōu)化效果分析
        5.1.3 SVM分類測(cè)試分析
    5.2 農(nóng)作物長(zhǎng)勢(shì)評(píng)價(jià)模型的實(shí)驗(yàn)分析
        5.2.1 基于蝙蝠算法的規(guī)則挖掘與評(píng)價(jià)過程
        5.2.2 對(duì)比分析實(shí)驗(yàn)
    5.3 本章小結(jié)
6 結(jié)論與展望
    6.1 論文工作總結(jié)
    6.2 進(jìn)一步工作展望
參考文獻(xiàn)
作者簡(jiǎn)歷及攻讀碩士學(xué)位期間取得的研究成果
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：3824323