作物表型精准获取与解析. 2024年

第1章 总论 1.1 研究背景 1.2 田间作物表型参数测量现状 1.3 田间作物表型技术研究现状 1.4 人工智能技术在作物表型中的应用 1.5 作物表型存在的问题与建议 第2章 基于物联网技术的作物环境信息监测与诊断系统 2.1 研究背景 2.2 系统构建 2.3 PC系统设计与实现 2.4 Android系统设计与实现 2.5 结论与讨论 第3章 农田玉米土壤墒情远程监测云平台的设计与应用 3.1 系统设计 3.2 系统应用 3.3 结论与讨论 第4章 基于物联网技术的作物虫情采集监测预警系统构建 4.1 系统设计 4.2 系统实现 4.3 实例应用 4.4 结论与讨论 第5章 不同生态条件下小麦新品种产量的基因型与环境互作分析 5.1 研究背景 5.2 材料和方法 5.3 结果与分析 5.4 讨论与结论 第6章 基于无人机数码影像的小麦品种植株密度和株高估算 6.1 材料与方法 6.2 结果与分析 6.3 讨论与结论 第7章 增强局部上下文监督信息的麦苗计数方法 7.1 研究背景 7.2 研究区概况与数据 7.3 研究方法 7.4 实验与结果分析 7.5 结论 第8章 基于改进注意力机制YOLOv5s的小麦穗数检测方法 8.1 材料与方法 8.2 网络模型构建 8.3 实验结果和分析 8.4 讨论 8.5 结论 第9章 基于改进DM-Count的麦穗自动检测方法 9.1 引言 9.2 材料与方法 9.3 实验与结果分析 9.4 讨论 9.5 结论 第10章 基于深度学习的无人机遥感小麦倒伏面积提取 10.1 研究区概况与数据 10.2 研究方法 10.3 结果与分析 10.4 结论 第11章 基于改进Shift MLP的小麦倒伏自动分级检测方法 11.1 引言 11.2 方法 11.3 数据集构建 11.4 结果与分析 11.5 讨论 11.6 结论 第12章 基于改进Swin-Unet的小麦条锈病分割方法 12.1 数据与方法 12.2 结果与分析 12.3 讨论与结论 第13章 基于改进SE-Swin Unet的玉米叶部主要病害图像分割方法 13.1 引言 13.2 数据与方法 13.3 结果与分析 13.4 讨论 13.5 结论 第14章 基于改进YOLOv4的玉米虫害检测方法 14.1 材料与方法 14.2 网络模型 14.3 结果与分析 14.4 结论与讨论 第15章 基于Lab颜色空间的小麦成熟度监测模型 15.1 材料与方法 15.2 结果与分析 15.3 讨论与结论 第16章 玉米表型性状数据采集与管理系统的设计与实现 16.1 系统设计 16.2 系统实现 16.3 系统的测试与应用 16.4 试验验证 16.5 讨论 16.6 建议 16.7 结论 参考文献