人工智能與作物生產(chǎn)深度融合關(guān)鍵技術(shù)研究

第1章 人工智能與作物生產(chǎn)深度融合算法理論基礎(chǔ)
1．1 卷積神經(jīng)網(wǎng)絡(luò)
1．2 模糊推理算法
1．3 粒子群算法
1．4 主成分分析法
第2章 棚室生產(chǎn)環(huán)境數(shù)據(jù)獲取與智能控制
2．1 系統(tǒng)采用的關(guān)鍵技術(shù)
2．2 系統(tǒng)總體設(shè)計(jì)
2．3 棚室環(huán)境監(jiān)控終端的設(shè)計(jì)與開發(fā)
2．4 云平臺(tái)的設(shè)計(jì)與構(gòu)建
第3章 植物電信號檢測裝備的研究與應(yīng)用
3．1 植物電信號檢測裝備設(shè)計(jì)
3．2 植物電信號檢測裝備可用性分析
3．3 植物電信號分析方法研究
3．4 外界環(huán)境變化下植物電信號采集與分析
第4章 基于人工智能算法的水稻生長階段優(yōu)劣長勢判別
4．1 水稻長勢圖像采集與數(shù)據(jù)集建立
4．2 基于卷積神經(jīng)網(wǎng)絡(luò)的水稻長勢模型構(gòu)建
4．3 基于粒子群算法的水稻長勢卷積神經(jīng)網(wǎng)絡(luò)模型的優(yōu)化
4．4 對比分析
第5章 基于人工智能算法的水稻病害短期分級預(yù)警系統(tǒng)
5．1 水稻病害預(yù)警的依據(jù)和條件
5．2 降雨量與空氣相對濕度的相關(guān)性分析
5．3 水稻病害預(yù)警主要?dú)庀笠蜃拥倪x取
5．4 基于物聯(lián)網(wǎng)的氣象數(shù)據(jù)獲取方法的研究
5．5 水稻病害短期分級預(yù)警模型的設(shè)計(jì)與仿真
5．6 水稻病害短期分級預(yù)警系統(tǒng)的開發(fā)與應(yīng)用
第6章 基于人工智能算法的作物圖像種類自動(dòng)識別
6．1 作物圖像采集及預(yù)處理方法研究
6．2 基于卷積神經(jīng)網(wǎng)絡(luò)的作物圖像識別模型
6．3 作物圖像種類識別的MatlabGUI設(shè)計(jì)
第7章 基于卷積神經(jīng)網(wǎng)絡(luò)的水稻病害識別方法
7．1 水稻病害圖像預(yù)處理及病害數(shù)據(jù)庫建立
7．2 基于卷積神經(jīng)網(wǎng)絡(luò)的水稻病害識別模型
7．3 水稻病害識別平臺(tái)的實(shí)現(xiàn)
第8章 基于圖像的稻花香水稻種子鑒別方法
8．1 水稻種子的圖像采集及預(yù)處理
8．2 水稻種子形態(tài)特征的提取
8．3 基于主成分分析法的水稻種子分類方法研究
8．4 基于水稻種子圖像識別軟件的應(yīng)用
參考文獻(xiàn)