昆蟲實時捕捉、監(jiān)測與死亡時間診斷的研究
發(fā)布時間:2024-02-21 22:40
農(nóng)作物蟲害是限制農(nóng)作物高產(chǎn)的主要因素,也是危害農(nóng)作物生長、發(fā)育,影響農(nóng)作物品質(zhì)的主要因素之一。所以對農(nóng)作物蟲害的監(jiān)測和預測,就成為新形勢下農(nóng)業(yè)面臨的重要問題。本文以菜青蟲等田間害蟲為研究對象,圍繞田間害蟲的實時捕獲、快速檢測和死亡時間診斷三大問題開展了系統(tǒng)研究。 綜合研宄分析了目前國內(nèi)外主流的捕蟲儀器和設(shè)備,對其外部結(jié)構(gòu)和內(nèi)部細節(jié)構(gòu)件、適用環(huán)境、操作方法以及定期設(shè)備維護做了深入細致的分析與總結(jié),概括出現(xiàn)有捕蟲儀器和設(shè)備的優(yōu)缺點,并針對其缺點和不足,設(shè)計開發(fā)出一種新型的昆蟲計數(shù)監(jiān)測裝置。 將以上兩部分內(nèi)容有機結(jié)合起來,有助于在未來將高光譜成像技術(shù)嵌入到燈光誘蟲捕蟲器當中,設(shè)計開發(fā)出具備便攜式光譜鑒別功能的新型捕蟲設(shè)備,完成對昆蟲的引誘、捕捉、計數(shù),再到生死狀態(tài)鑒別和死亡時間診斷的一整套技術(shù)流程,實現(xiàn)對害蟲的實時、無損檢測和智能化監(jiān)控。本文主要研究內(nèi)容及結(jié)論如下: (1)應用高光譜成像技術(shù)對菜青蟲的活蟲與死蟲進行鑒別;诖婊顮顟B(tài)下菜青蟲反射光譜與死亡狀態(tài)下菜青蟲的反射光譜,建立菜青蟲活體與死亡狀態(tài)的判別分析模型。結(jié)果表明預處理方法對判別結(jié)果有影響,且能夠準確判別菜青蟲存活狀態(tài)與死亡狀態(tài)。...
【文章頁數(shù)】:84 頁
【學位級別】:碩士
【文章目錄】:
致謝
摘要
Abstract
目錄
第一章 緒論
1.1 引言
1.2 預測蟲害發(fā)生時間的方法
1.3 測定農(nóng)藥對害蟲效力的方法
1.4 高光譜成像技術(shù)在害蟲檢測中的應用
1.5 國內(nèi)外捕蟲儀器和設(shè)備的主要功能
1.6 目前存在的問題
1.7 本課題的研究目的及內(nèi)容
1.7.1 研究目的
1.7.2 研究內(nèi)容
第二章 實驗材料與方法
2.1 實驗設(shè)備
2.1.1 高光譜成像儀
2.2 光譜預處理方法
2.2.1 平滑處理(Smoothing)
2.2.2 去除趨勢校正(Detrending Corection)
2.2.3 多元散射校正(Multiplicative Scatter Correction,MSC)
2.2.4 標準正態(tài)變量校正(Standard Normal Variate Correction,SNV)
2.2.5 導數(shù)校正(Derivative Correction)
2.3 特征波長提取方法
2.3.1 權(quán)重回歸系數(shù)法(Weighted Regression Coefficient,Bw)
2.3.2 連續(xù)投影算法(Successive Projections Algorithm,SPA)
2.4 化學計量學建模方法
2.4.1 人工神經(jīng)網(wǎng)絡(Artificial Neural Network,ANN)
2.4.2 支持向量機(Support Vector Machines,SVM)
2.4.3 偏最小二乘法(Partial Least Squares,PLS)
2.4.4 K最鄰近節(jié)點算法(K-Nearest Neighbors,KNN)
2.4.5 主成分分析算法(Principal Component Analysis,PCA)
2.5 模型評價標準
2.6 本章小結(jié)
第三章 基于高光譜成像技術(shù)對菜青蟲生命狀態(tài)診斷的研究
3.1 引言
3.2 菜青蟲樣本制備
3.3 菜青蟲樣本高光譜圖像采集
3.4 菜青蟲樣本的光譜信息提取
3.5 樣本劃分與狀態(tài)類別賦值
3.6 PCA定性分析
3.7 基于不同預處理方法對光譜特性的影響
3.8 菜青蟲存活與死亡狀態(tài)的鑒別
3.9 對菜青蟲死亡時間診斷的研究
3.10 菜青蟲不同狀態(tài)兩兩判別
3.11 本章小結(jié)
第四章 國內(nèi)外捕蟲設(shè)備和儀器的研究
4.1 引言
4.2 捕蟲設(shè)備和儀器的分類
4.3 關(guān)于國內(nèi)外主要捕蟲儀器和設(shè)備的介紹
4.3.1 燈光誘蟲捕蟲器
4.3.2 性信息素引誘捕蟲器
4.3.3 害蟲趨色性誘捕器
4.3.4 昆蟲吸捕器
4.3.5 飛行障礙捕捉器
4.4 現(xiàn)行捕蟲儀器和設(shè)備的優(yōu)缺點
4.5 關(guān)于捕蟲儀器和設(shè)備的建議與設(shè)想
4.6 本章小結(jié)
第五章 關(guān)于新型昆蟲計數(shù)監(jiān)測裝置的設(shè)計
5.1 引言
5.2 傳統(tǒng)昆蟲計數(shù)設(shè)備的不足
5.3 改進方案
5.4 新型昆蟲計數(shù)監(jiān)測裝置的總體結(jié)構(gòu)與工作原理
5.4.1 電網(wǎng)式滅蟲器
5.4.2 電流感應模塊
5.4.3 昆蟲撲燈識別模塊
5.4.4 主控模塊
5.4.5 無線數(shù)據(jù)傳輸模塊
5.5 具體工作流程
5.6 本章小結(jié)
第六章 結(jié)論與展望
6.1 結(jié)論
6.2 展望
參考文獻
作者簡介
本文編號:3905996
【文章頁數(shù)】:84 頁
【學位級別】:碩士
【文章目錄】:
致謝
摘要
Abstract
目錄
第一章 緒論
1.1 引言
1.2 預測蟲害發(fā)生時間的方法
1.3 測定農(nóng)藥對害蟲效力的方法
1.4 高光譜成像技術(shù)在害蟲檢測中的應用
1.5 國內(nèi)外捕蟲儀器和設(shè)備的主要功能
1.6 目前存在的問題
1.7 本課題的研究目的及內(nèi)容
1.7.1 研究目的
1.7.2 研究內(nèi)容
第二章 實驗材料與方法
2.1 實驗設(shè)備
2.1.1 高光譜成像儀
2.2 光譜預處理方法
2.2.1 平滑處理(Smoothing)
2.2.2 去除趨勢校正(Detrending Corection)
2.2.3 多元散射校正(Multiplicative Scatter Correction,MSC)
2.2.4 標準正態(tài)變量校正(Standard Normal Variate Correction,SNV)
2.2.5 導數(shù)校正(Derivative Correction)
2.3 特征波長提取方法
2.3.1 權(quán)重回歸系數(shù)法(Weighted Regression Coefficient,Bw)
2.3.2 連續(xù)投影算法(Successive Projections Algorithm,SPA)
2.4 化學計量學建模方法
2.4.1 人工神經(jīng)網(wǎng)絡(Artificial Neural Network,ANN)
2.4.2 支持向量機(Support Vector Machines,SVM)
2.4.3 偏最小二乘法(Partial Least Squares,PLS)
2.4.4 K最鄰近節(jié)點算法(K-Nearest Neighbors,KNN)
2.4.5 主成分分析算法(Principal Component Analysis,PCA)
2.5 模型評價標準
2.6 本章小結(jié)
第三章 基于高光譜成像技術(shù)對菜青蟲生命狀態(tài)診斷的研究
3.1 引言
3.2 菜青蟲樣本制備
3.3 菜青蟲樣本高光譜圖像采集
3.4 菜青蟲樣本的光譜信息提取
3.5 樣本劃分與狀態(tài)類別賦值
3.6 PCA定性分析
3.7 基于不同預處理方法對光譜特性的影響
3.8 菜青蟲存活與死亡狀態(tài)的鑒別
3.9 對菜青蟲死亡時間診斷的研究
3.10 菜青蟲不同狀態(tài)兩兩判別
3.11 本章小結(jié)
第四章 國內(nèi)外捕蟲設(shè)備和儀器的研究
4.1 引言
4.2 捕蟲設(shè)備和儀器的分類
4.3 關(guān)于國內(nèi)外主要捕蟲儀器和設(shè)備的介紹
4.3.1 燈光誘蟲捕蟲器
4.3.2 性信息素引誘捕蟲器
4.3.3 害蟲趨色性誘捕器
4.3.4 昆蟲吸捕器
4.3.5 飛行障礙捕捉器
4.4 現(xiàn)行捕蟲儀器和設(shè)備的優(yōu)缺點
4.5 關(guān)于捕蟲儀器和設(shè)備的建議與設(shè)想
4.6 本章小結(jié)
第五章 關(guān)于新型昆蟲計數(shù)監(jiān)測裝置的設(shè)計
5.1 引言
5.2 傳統(tǒng)昆蟲計數(shù)設(shè)備的不足
5.3 改進方案
5.4 新型昆蟲計數(shù)監(jiān)測裝置的總體結(jié)構(gòu)與工作原理
5.4.1 電網(wǎng)式滅蟲器
5.4.2 電流感應模塊
5.4.3 昆蟲撲燈識別模塊
5.4.4 主控模塊
5.4.5 無線數(shù)據(jù)傳輸模塊
5.5 具體工作流程
5.6 本章小結(jié)
第六章 結(jié)論與展望
6.1 結(jié)論
6.2 展望
參考文獻
作者簡介
本文編號:3905996
本文鏈接:http://sikaile.net/kejilunwen/nykj/3905996.html
最近更新
教材專著