摘要：對農(nóng)作物生長態(tài)勢快速、準(zhǔn)確地監(jiān)測與評價是現(xiàn)代精準(zhǔn)農(nóng)業(yè)中的關(guān)鍵問題之一,也是近年來推動我國農(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�？v觀國內(nèi)外關(guān)于農(nóng)作物信息監(jiān)測與評價的相關(guān)研究,目前所提出的監(jiān)測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,對作物生長態(tài)勢的評價還主要基于與作物生長相關(guān)的部分參數(shù),對作物整體信息的采集、處理和評價不能得到非常令人滿意的效果。 針對以上問題,本文提出了一種基于多維圖像特征的農(nóng)作物長勢評價方法,旨在對大棚作物生長過程中的重要信息進(jìn)行精準(zhǔn)地實時監(jiān)測,從而對作物生長態(tài)勢進(jìn)行合理的評估,為現(xiàn)代化農(nóng)業(yè)生產(chǎn)管理提供決策依據(jù)。論文的主要研究內(nèi)容包括： 1、提出了基于雙目立體視覺的作物生長態(tài)勢實時監(jiān)測方法。該方法將立體視覺技術(shù)引入溫室大棚的智能檢測,監(jiān)測車?yán)靡唤M相機設(shè)備在S型軌道移動即可實現(xiàn)遠(yuǎn)程實時信息監(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情況。監(jiān)測系統(tǒng)節(jié)能環(huán)保、易于操作,具有很高的應(yīng)用價值。 2、為解...

【文章頁數(shù)】：89 頁

【學(xué)位級別】：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 國內(nèi)外研究方法
        1.2.1 國外研究方法
        1.2.2 國內(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)測與處理
    2.1 信息監(jiān)測系統(tǒng)總體介紹
    2.2 主要功能與設(shè)計原則
        2.2.1 主要功能
        2.2.2 設(shè)計原則
    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
        2.3.3 圖像采集部件
        2.3.4 無線通信部件
        2.3.5 車輛運動部件
        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)作物多維生長特征優(yōu)化
    3.1 農(nóng)作物多維生長特征體系的建立
        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)作物長勢評價方法
    4.1 評價模型的選擇
        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 蝙蝠算法特點總結(jié)
    4.3 基于蝙蝠算法的農(nóng)作物長勢評價模型
        4.3.1 總體評價流程
        4.3.2 評價規(guī)則表示
        4.3.3 評價規(guī)則構(gòu)造過程
        4.3.4 分類規(guī)則適應(yīng)度
        4.3.5 評價模型的性能
    4.4 本章小結(jié)
5 實驗與分析
    5.1 作物生長特征優(yōu)化的實驗分析
        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分類測試分析
    5.2 農(nóng)作物長勢評價模型的實驗分析
        5.2.1 基于蝙蝠算法的規(guī)則挖掘與評價過程
        5.2.2 對比分析實驗
    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：3824323