人工智能與作物生產深度融合關鍵技術研究

第1章 人工智能與作物生產深度融合算法理論基礎
1．1 卷積神經網絡
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 棚室生產環(huán)境數據獲取與智能控制
2．1 系統(tǒng)采用的關鍵技術
2．2 系統(tǒng)總體設計
2．3 棚室環(huán)境監(jiān)控終端的設計與開發(fā)
2．4 云平臺的設計與構建
第3章 植物電信號檢測裝備的研究與應用
3．1 植物電信號檢測裝備設計
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據集建立
4．2 基于卷積神經網絡的水稻長勢模型構建
4．3 基于粒子群算法的水稻長勢卷積神經網絡模型的優(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警系統(tǒng)
5．1 水稻病害預警的依據和條件
5．2 降雨量與空氣相對濕度的相關性分析
5．3 水稻病害預警主要氣象因子的選取
5．4 基于物聯(lián)網的氣象數據獲取方法的研究
5．5 水稻病害短期分級預警模型的設計與仿真
5．6 水稻病害短期分級預警系統(tǒng)的開發(fā)與應用
第6章 基于人工智能算法的作物圖像種類自動識別
6．1 作物圖像采集及預處理方法研究
6．2 基于卷積神經網絡的作物圖像識別模型
6．3 作物圖像種類識別的MatlabGUI設計
第7章 基于卷積神經網絡的水稻病害識別方法
7．1 水稻病害圖像預處理及病害數據庫建立
7．2 基于卷積神經網絡的水稻病害識別模型
7．3 水稻病害識別平臺的實現(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用
參考文獻