高光谱图像植物生理性状研究及其可视化任务书

 2021-11-20 10:11

1. 毕业设计(论文)主要内容:

高光谱成像技术具有光谱检测和图像检测合二为一的优势,在作物养分检测、病虫害分级诊断、生长状态监测等方面具有突出优势。相较于RGB图像只记录植物对红 (650nm)、绿 (520nm)、蓝(475nm)三个波长的光线的反射强度,高光谱图像一般记录了从紫外线(260nm)到短波红外(2500nm)范围内的几百个波段的反射光强度。而在此波长范围内,一部分特定波长的光对于植物的代谢以及内部物质比较敏感,如近红外700~1000nm的光对于叶片细胞的结构比较敏感,短波红外1000~2500nm的光对于叶片的水分以及内部化学物质比较敏感,因此在高光谱图像中,既可以使用不同波段的反射值准确的计算植株图像每个像素点的各种植物生理指数,又可以获取植株整体生理指数的面状信息,点-面结合综合地反映作物遭受胁迫的程度。一些学者已将高光谱成像技术成功用于拟南芥、水稻、小麦、 黄瓜、黑麦草等作物的养分、病虫害害胁迫诊断研究, 取得了初步进展。

本课题通过整理与计算各类预定义的植物生理指数,实现利用高光谱图像对植物生理性状进行研究,并实现可视化。

2. 毕业设计(论文)主要任务及要求

(1)参考相关文献,了解高光谱图像处理等相关技术;

(2)整理并计算现有的各类植物生理指数,并根据其定义对生理指数进行分析;

(3)设计并实现可操作的软件平台。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 毕业设计(论文)完成任务的计划与安排

(1) 2020/1/13—2020/2/28:确定选题,查阅文献,外文翻译和撰写开题报告;

(2) 2020/3/1—2020/4/30:系统架构、程序设计与开发、系统测试与完善;

(3) 2020/5/1—2020/5/25:撰写及修改毕业论文;

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 主要参考文献

[1].Khan, M. J., Khan, H. S., Yousaf, A., Khurshid, K., Abbas, A. (2018). Modern Trends in Hyperspectral Image Analysis: AReview. IEEE Access, 6(c), 14118–14129.https://doi.org/10.1109/ACCESS.2018.2812999

[2].Sytar, O., Brestic, M., Zivcak, M., Olsovska, K., Kovar,M., Shao, H., He, X. (2017). Applying hyperspectral imaging to explorenatural plant diversity towards improving salt stress tolerance. Science ofthe Total Environment, 578, 90–99.https://doi.org/10.1016/j.scitotenv.2016.08.014

[3].Pandey, P., Ge, Y., Stoerger, V., Schnable, J.C. (2017). High Throughput In vivo Analysis of Plant Leaf Chemical PropertiesUsing Hyperspectral Imaging. Frontiers in Plant Science, 8(August),1–12. https://doi.org/10.3389/fpls.2017.01348

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文任务书,课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。