一、哈密瓜霜霉病流行预测模型创建及应用（论文文献综述）
魏少伟[1]（2021）在《基于贝叶斯网络的日光温室黄瓜霜霉病和白粉病预测模型研究》文中指出【目的】日光温室是当前中国设施蔬菜生产的主要设施之一,为蔬菜的种植提供了较好的环境调控基础,进而实现周期性、反季节、全天候的规模化生产种植,但适宜的温湿度环境易导致霜霉病、白粉病等叶部病害经常发生,造成严重减产,甚至绝收。为了准确预测秋季温室黄瓜病害的发生,本研究拟采用贝叶斯网络建立日光温室黄瓜病害预测模型,为实际生产中黄瓜病害防治提供参考。【方法】本文研究以日光温室水果黄瓜为试验材料,于2020年9-11月在北京市昌平区小汤山国家精准农业试验基地（5号）日光温室、房山区弘科农场（6号）日光温室、海淀区首农庄园（9号）温室、大兴区裕农公司（7号）温室的4个日光温室内按照棋盘格法设置9个采样点,部署温湿光传感器,每隔1 h采集一次温室环境数据,定植后每天进行全棚黄瓜霜霉病和白粉病病害普查,直到病害早期症状出现,记录首次发病的日期。此后采取定点定株调查,每点选取12株,周期改为3～4 d调查1次,统计发病率并根据GB/T 17980.26--2000对病害严重度进行分级和记录。结合文献确定环境参数阈值和多点的调查数据建立贝叶斯网络分析模型,得到病害发生的概率以及各因素的条件概率,建立贝叶斯网络模型,形成概率结构图,预测黄瓜霜霉病和白粉病是否发病,并与温室观测的实际发病情况进行比较。【结果】（1）贝叶斯网络在四个温室基地预测黄瓜霜霉病的发生情况,其结果表明:模型在四个温室预测结果准确度ACC（Accuracy）为0.92、0.91、0.94、0.84,均方误差MSE（Mean squared error）为0.08、0.09、0.09、0.16,均方根误差RMSE（Root mean squared error）为0.28、0.30、0.24、0.40,预测与实际发生相吻合,并且当预测概率大于0.82时可以判断病害发生,表明模型具有一定的普适性,可为指导黄瓜霜霉病防控管理提供决策参考。（2）贝叶斯网络在四个温室基地预测黄瓜白粉病的发生情况,其结果表明:模型在四个温室和整体预测结果准确度ACC（Accuracy）为0.95、0.92、0.91、0.87,约登指数J（Youden Index）为0.90、0.86、0.84、0.70;预测于实际发生相吻合,具有良好的普适性,可为实际生产中黄瓜白粉病预测提供参考。（3）开发了一个基于贝叶斯网络算法的黄瓜病害预测程序,可以独立运行。【结论】本试验构建的贝叶斯网络模型在四个温室预测霜霉病发生的准确性为0.92、0.91、0.94、0.84;预测白粉病发生准确性为0.95、0.92、0.91、0.87,说明该模型预测效果好,可为实际生产中黄瓜病害防治提供参考。
芦屹,努尔孜亚·亚力麦麦提,付文君,陈蓉,温且姆·阿布列孜,陈浩宇,郝敬喆,王惠卿[2]（2020）在《新疆伊犁河谷地区葡萄霜霉病流行与气候条件的关系》文中提出【目的】明确新疆伊犁河谷温度、湿度、降雨量和降雨持续时间对栽培葡萄红地球霜霉病发生发展规律的影响,为探索防治霜霉病关键时期施用化学农药减量增效技术提供理论依据。【方法】2012～2016年连续定点调查霜霉病侵染叶片时间、记录病叶受害程度等病害流行情况进行系统监测,建立葡萄霜霉病发生程度预测判别函数进行回测和验证。【结果】葡萄霜霉病的发生逐年加重,不同年度霜霉病发病程度有差异,但趋势一致,6月中下旬开始发生,8月病情指数急剧上生,9月中旬达到高峰时维持平稳。当年雨季开始早晚和降雨量大小与病害发生有显着相关性。【结论】伊犁河谷红地球葡萄霜霉病流行表现指数增长,按照y=73.263e0.190 9x,其中R2=0.970 9此方程确定了该病流行程度的气象因子预测指标。依据此模型对调查葡萄园2012～2016年霜霉病流行程度的预报预测结果和实际发病情况基本一致。
程勋辉[3]（2020）在《甜瓜细菌性果腐病的病原鉴定及有效药剂筛选》文中进行了进一步梳理甜瓜是我省重要的蔬菜之一,有着悠久的栽培历史,地域广阔,同时具有较高的经济价值。但随着栽培技术的发展和农业技术的提高,甜瓜种植面积的增加也使得病害的发生变得更加严重。由于地域的不同,病害的发生情况也大不相同。本研究在2017年安徽淮南甜瓜种植区开展了田间病害调查,其中在白皮甜瓜果实表面发生了具有典型果实腐烂症状的疑似病害。该病害的发生严重损害了甜瓜的产量,导致瓜农经济受损。为了寻找引起甜瓜果实腐烂病的病原,本文开展了甜瓜果实腐烂病的病原鉴定、常规药剂的室内筛选以及病原菌对不同甜瓜品种致病力测定,从而为甜瓜果腐病的流行预测及有效防治提供理论依据。研究结果如下:（1）从淮南甜瓜种植区采集代表性的田间发病果实,通过平板稀释分离方法从甜瓜果实病组织分离细菌,获得到了菌落形态特征相似的细菌菌落。选取3株代表性细菌进行生理生化试验、16S rRNA和gyrB基因的序列分析,以及在甜瓜果实上的致病性测定,确定了引起该病害的病原为短小芽孢杆菌Bacilluspumilus。（2）从市场上选取常规的7种细菌性杀菌剂,对甜瓜果腐病菌进行室内毒力测定和最小抑制浓度测定。结果表明,琥胶肥酸酮、波尔多液和中生菌素对该病原菌抑菌效果较好,春雷霉素和氢氧化铜抑菌效果较差。农用硫酸链霉素和噻菌铜在含药浓度为240 mg/L时,不能有效抑制病菌的生长,这表明该病菌对这2种杀菌剂已产生明显的抗药性。琥胶肥酸酮对短小芽孢杆菌有着较好的抑制作用,其EC50为4.7950 mg/L,最小抑菌浓度在6-10 mg/L范围内。（3）通过对不同甜瓜品种的苗期接种抗性鉴定试验。结果表明,在参试的28个甜瓜品种中,中抗（MR）材料有11个品种,中感（MS）材料有5个品种,感病（S）材料有3个品种,免疫（Ⅰ）材料有9个品种。研究结果可为甜瓜细菌性果腐病的防治,以及抗果腐病甜瓜品种选育提供了理论依据。
陈杨[4]（2020）在《基于无人机遥感开发平台的草莓生长状况快速监测研究》文中认为草莓是一种多年生草本植物,其果实外观呈心形,含糖量高,味道甜美。营养价值高,富含胡萝卜素、葡萄糖、苹果酸、膳食纤维及A、B1、B2、C、E等各类维生素以及钙、钾、铁、钠、镁等各类矿物质。草莓一直以来深受广大消费者喜爱,作为一种高经济价值作物,在世界各地都有大量的种植,但种植者一直以来缺乏快速检测草莓生长状况和预测草莓产量的方法和手段。本文结合无人机遥感多光谱技术、深度学习网络与目标检测算法、无人机遥感三维重构技术、倾斜摄影技术等研究和开发了一系列无人机遥感平台与装置来帮助种植者快速、智能地检测草莓生长状况,主要研究内容和成果如下:（1）设计开发了一个环境可控的五自由度无人机低空遥感模拟平台。该平台可以模拟无人机的水平运动、垂直运动以及云台的俯仰运动、水平旋转与滚翻运动。使用该模拟平台搭载多光谱相机在不同模拟飞行高度和速度下获取草莓苗期冠层多光谱图像并从中提取的6种植被特征指数建立SPAD线性解析模型,探究图像采集的速度和高度对模型预测性能的影响。最后选取最佳的植被特征指数线性预测模型建立草莓冠层在不同氮胁迫下的可视化反演图。结果表明在相机高度为2.0m、模拟飞行速度为0.1m/s时,基于植被指数NIR/G建立的线性预测模型效果最优,预测集相关系数Rp达到0.7481,模型可视化反演结果也直观反映了过量氮组和适量氮组的SPAD值明显高于缺氮组,与实际测量结果吻合。（2）设计开发了一款基于无人机遥感平台和目标检测算法的草莓田间花朵与果实实时分布自动检测系统。为了比较不同飞行高度对该系统检测结果的影响,该系统分别采用了2m和3m两种不同的高度进行图像采集并对10个目标进行检测,结果表明在2m高处拍摄的Sensation品种的成熟草莓检测效果最佳,平均精度（Average Precision,AP）为0.91,在3m高处拍摄的Radiance品种的未成熟草莓最难检测,平均精度为0.61。使用该系统在不同实验日期对田间的花朵数量进行统计并与人工统计结果比对,结果表明该系统花朵计数的平均准确度为84.1%,田间花朵的平均遮挡率为13.5%。最终利用该系统建立不同日期的草莓花朵与果实的产量分布图,帮助种植者对草莓田未来产量进行预测。（3）提出了Straw R-CNN目标检测算法。在Faster R-CNN模型的基础上修改了提取特征图的主网络（Backbone）并加入了金字塔型特征网络提取结构和Ro I Aline层提升对草莓花朵之类小尺寸目标的检测和定位精度。通过训练和检测相同的草莓遥感数据集将Straw R-CNN目标检测算法与其他基于区域的目标检测算法包括Faster R-CNN、Fast RCNN以及R-CNN算法进行了对比,结果表明Straw R-CNN目标检测算法在检测精度上（m AP为0.772）、训练时间（5.5小时）和检测速度上（8.850帧/秒）显着优于其他三类算法。（4）开发了ZTRS-M5B小型无人机倾斜影像系统。使用该系统对大范围草莓田进行图像采集并建立正射影像图,结果表明相比于单镜头小型无人机系统,该系统能够更快速建立大范围草莓田正射影像图,并且精度更高。为了进一步测试该倾斜摄影系统性能,分别还对农村居民区和工厂区两种更复杂的区域环境进行勘察测试,通过比较生成的三维模型测量值与地面实测值来检验模型精度,其结果满足遥感测绘的精度要求。另外相比于市面上其他倾斜摄影系统,ZTRS-M5B在成本和便携上拥有更多优势。
杜志强,王迪,徐慧春,李志学,张宏宇,胡禧熙,韩墨[5]（2019）在《甜瓜霜霉病的发生规律与防治研究进展》文中进行了进一步梳理甜瓜霜霉病是甜瓜生产中重要的气传病害,由古巴假霜霉菌侵染所致,成为限制甜瓜生产的主要因素之一。为加强对甜瓜霜霉病的防治,本文对甜瓜霜霉病的发病症状、病原与寄主、发生规律及防治措施的研究进展进行了综述,并展望了今后的研究方向。
蒋锦琳[6]（2019）在《基于高光谱成像技术的辣椒疫病和品质分析研究》文中研究表明辣椒（Capsicum annuum L.）是世界上一种重要的蔬菜,尤其是在亚洲和南美国家。当前,辣椒育种家都致力于寻找和培育早熟、高产、抗逆、抗病、优质的辣椒新品种,从而推动现代辣椒产业的发展。这些目标的实现首先取决于辣椒种质资源的研究,其中抗病性、品质的研究一直是辣椒育种工作的重点。传统的分析方法常常费时费力、成本高、过程繁琐,因此,寻找一种更加快捷高效的分析方法显得尤为重要。高光谱成像技术由于其准确、快速、无损的特点,在农作物病害和品质检测方面具有广阔的应用前景。本文以辣椒为研究对象,探索基于高光谱成像技术的辣椒疫病和品质分析研究,为后续的辣椒精准育种和高通量种质资源筛选提供理论依据和技术支撑。主要研究成果如下:（1）选择了不同辣椒疫病抗病性的六种辣椒品种,基于高光谱成像技术建立了稳健的辣椒疫病早期诊断模型。通过遗传-偏最小二乘法结合相关性分析得到5个特征波长（550 nm、670 nm、722 nm、760 nm和800 nm）;通过Pearson相关性分析筛选出八个特征植被指数,包括疾病水分胁迫指数、增强型植被指数、绿度指数、绿色植被指数、氮反射指数、光化学植被指数、红边植被胁迫指数、三角形植被指数。采用支持向量机分别基于全谱、全部植被指数、特征波长、特征植被指数建立健康和染病未显症辣椒样本的分类模型。其中,分类效果最佳的模型为基于特征植被指数建立的分类模型,在接种后第5天,健康和染病未显症样本的诊断准确率达91.25%。该结果表明在接种后第5天就可以通过高光谱成像技术很好地区分出健康和染病未显症的辣椒样本。（2）选择了不同感病程度的辣椒样本,基于高光谱成像技术建立了稳健的辣椒疫病三级感病程度分级模型。采用极限学习机、K最邻近判别法、支持向量机分别基于全谱、特征波长、特征植被指数建立辣椒疫病三级感病程度的分级模型。其中,基于特征波长与基于特征植被指数所建立的三级感病程度分级模型的分类效果相当,三级感病程度的分级准确率达99.75%。该结果同时验证了本研究筛选出的特征波长和特征植被指数对于辣椒疫病抗病性研究的普适性,即不仅适用于辣椒疫病的早期诊断模型,也适用于辣椒疫病感病程度的分级模型。（3）选择了不同成熟时期、不同辣度的辣椒果实,基于高光谱成像技术建立了辣椒品质指标检测模型及品质两级分级模型。探明了不同辣度品种辣椒成熟过程中辣椒素类物质含量的变化规律,即低辣度品种的辣椒素类物质含量在果实从绿色变为红色的成熟过程中增加,而高辣度品种的辣椒素类物质含量则在初期先增加,到绿熟期略有下降,随后在变色期又逐渐增加。采用连续投影算法、竞争性自适应加权采样法和遗传-偏最小二乘法选择最优波长,再分别基于全谱和特征波长建立偏最小二乘法、最小二乘支持向量机、极限学习机、径向基函数神经网络的品质检测和品质两级分级模型。其中,极限学习机结合连续投影算法的方法对辣椒素、二氢辣椒素和含水量的检测效果最好,预测集的相关系数分别为0.83、0.80和0.93,预测集的均方根误差分别为0.0156 g kg-1、0.0168 g kg-1和0.58%;径向基函数神经网络结合连续投影算法的方法对低辣度和高辣度辣椒果实的分类精度最高,达98.00%。本实验还分别得到了完整和切开的辣椒果实可视化分布图,从图上可以清楚地观察到辣椒素类物质在辣椒果实各部位的积累分布情况。这些结果表明基于高光谱成像技术可建立一种快速、无损的在线辣椒品质检测和品质分级方法,这对辣椒产业具有一定的借鉴意义。
刘巍[7]（2018）在《皮棉杂质反射、透射和反透射高光谱图像吸收光谱分析和检测研究》文中进行了进一步梳理棉花是重要的农作物,也是纺织工业基础,但是棉花杂质对棉花的质量的定价有着直接的影响。国内外学者对棉花检测广泛使用光谱成像技术和断层X光摄影等技术,可有效检测棉花中颜色较浅、面积较大以及含有荧光物质的杂质,但是面积较小、透明、白色以及棉花内层的杂质不能有效检测。本研究建立了高光谱反射、透射和反透射成像系统,用于棉花杂质的检测和分析,并设计和优化了高光谱反射、透射和反透射图像采集系统,分析了棉花和杂质的光谱吸收特性,并对比不同光谱预处理方式和不同成像采集模式下棉花和杂质区域的光谱类型识别率。主要研究内容包括三部分:依据现有系统组成,搭建新的高光谱反射、透射和反透射图像采集系统。以采集的高光谱图像的质量和光谱信息为参考指标,试验确定系统的光源能量大小、光源安装倾角、光源类型、光源数、光谱图像采集参数和步进电机移动速度等。皮棉杂质的吸收光谱特性分析。采集皮棉样本高光谱反射、透射和反透射图像,提取皮棉和杂质区域的光谱数据,对比不同成像模式下皮棉各类杂质的吸收光谱特性,分析皮棉与杂质的光学作用系数,得到皮棉和杂质的光谱吸收差异。结果表明:反射成像模式皮棉各类杂质平均光谱几乎重合,透射成像模式下透明或白色异性纤维的光谱平均强度值最大,反透射成像模式皮棉各类杂质平均光谱曲线和反射成像模式相似;反射成像模式皮棉各类杂质的相对系数最为接近,透射成像模式皮棉各类杂质相对系数较大,说明皮棉与杂质的光谱强度值差异较大,反透射皮棉各类杂质相对系数介于反射和透射之间。皮棉杂质检测、分析和识别。首先预处理皮棉和杂质光谱数据,然后对预处理后的光谱数据进行特征波长筛选,最后进行皮棉各类杂质光谱类型识别,并比较反射、透射和反透射成像模式下识别效果。结果表明:皮棉中普通杂质采用透射成像模式光谱类型识别率达到100%,识别效果好;有色异性纤维使用反射或透射成像模式光谱类型识别率均能达到100%;透明或白色异性纤维采用反射成像模式光谱类型识别率达到100%,优于透射和反透射成像模式;皮棉全类杂质（各类杂质混合）采用透射成像模式光谱类型识别率达到97.916%,识别效果最好。
徐洁[8]（2016）在《基于高光谱成像技术的哈密瓜表面农药残留检测技术研究》文中指出哈密瓜是新疆名优特色水果之一。由于哈密瓜香味独特,极富营养,且哈密瓜籽具有超强的抗氧化能力,因此深受广大人民群众的喜爱。食品安全问题是近几年来人们主要关注的话题,本文以新疆哈密瓜为研究对象,对食品安全问题中的其中一项----农药残留,进行研究。关于农药残留的检测方法纷繁多样,如气相色谱、液相色谱、酶抑制法等,但需在检测时间、成本、样本损伤等方面进行改进。快速、无损、精准是检测手段的终极目标。因此,本文采用高光谱成像技术对哈密瓜表面农药残留进行无损检测,进而为生产制造出一种快速无损的农残检测仪提供理论依据。本文的主要研究内容如下:（1）用蒸馏水分别配制不同农药种类及不同浓度的农药样本溶液,分别滴在哈密瓜表面,并做好标记;利用高光谱成像系统分别采集不同光源下波长在4501000nm范围内的数据,提取ROI区域的光谱数据,为降低噪声等对数据的影响,对光谱进行预处理。（2）根据提取的ROI区域的波长数据,对不同光源环境下7类不同农药种类的哈密瓜,在4501000nm有效光谱波长范围内,采用峰值法优选出特征波长,采用距离判别法、贝叶斯判别法、支持向量机分类以及极限学习机分类四种预测模型进行识别分类,识别准确率最高可达99.29%。（3）不同光源环境下同种类农药不同浓度识别分类,采集卤素灯和紫外灯光源下不同浓度的辛硫磷农药和氰戊菊酯农药光谱数据,选择特征波长,用距离判别法、贝叶斯判别法、支持向量机及极限学习机方法,对同种农药不同浓度类别进行判别。在线性判别方法中,用距离判别法对哈密瓜表面农药浓度类别进行判别,两种农药浓度类别判别准确率均可达100%;在非线性判别方法中,采用支持向量机方法判别氰戊菊酯与辛硫磷农药浓度类别准确率高于极限学习机,用支持向量机判别辛硫磷农药浓度类别准确率可达100%,用支持向量机方法判别氰戊菊酯农药浓度类别准确率为86.67%。（4）探究不同的光源对判别结果的影响。对哈密瓜表面农药残留种类进行判别时,采用四种判别方法,通过对比在卤素灯与紫外灯光源下的准确率,可以看出,在紫外灯光源下的判别准确率明显高于在卤素灯光源下。当对两种农药浓度类别进行判别时,采用四种判别方法,对比准确率,氰戊菊酯适宜在卤素灯光源下,辛硫磷农药适宜在紫外灯光源下。
刘薇薇[9]（2016）在《基于BP神经网络的梨树腐烂病综合防控专家系统研制》文中进行了进一步梳理梨是我国近年来发展较快的水果之一,是我国第三大果树,仅次于苹果和柑橘。在栽培总面积和总产量方面中国在世界范围内也具有较强的竞争力。在我国山西、河北、安徽砀山等梨主产区,梨产业同时也是促进当地农业发展、农村经济繁荣和增加农民收入的重要支柱产业。梨树腐烂病是危害梨树栽培生产的最重要枝干病害之一,该病害在国内外各梨产区均有发生,具有发病率高、发生区域广、难以控制等特点,防治相当困难。梨树腐烂会导致树皮腐烂、降低梨果品质,严重时会造成梨树整株死亡甚至毁园,严重影响到梨果产业的健康发展。但是,目前农户对梨树腐烂病的防治和预测主要依靠个人经验,相关领域专家的匮乏远远不能满足种植户和管理人员的需求。本文针对以上问题,在分析腐烂病流行规律的基础上,基于BP神经网络技术,建立了梨树腐烂病预测模型;利用网络信息技术开发了“梨树腐烂病综合防治专家系统”。主要研究内容如下:1、确定BP神经网络的输入变量。基于杨凌梨产区的梨树腐烂病发病数据,对当地梨树腐烂病分生孢子周年释放情况、病斑周年扩散情况以及病害周年消长情况,结合当地气候进行分析讨论,研究梨树腐烂病的流行规律以及各环境气象因子和梨树腐烂病的相关性,确定梨腐烂病预测模型需要的影响因子作为网络模型的输入变量的原始数据。2、建立基于BP神经网络的梨树腐烂病预测模型。首先对数据进行预处理,并通过主成分分析法进行降维提取主成分作为神经网络的输入。利用MATLAB对样本数据进行输入到输出变量的映射训练和仿真模拟实验,构建和检测模型。3、利用计算机技术和网络信息技术开发梨树腐烂病综合防治专家系统。系统以浏览器/服务器为基本网络架构,利用Sublime、Dreamweaver等代码编辑器,采用HTML+CSS+JavaScript等编程语言开发,为用户提供一个方便即时的INTERNET服务平台。网络信息技术的多元化和B/S架构的优势,赋予了专家系统可扩展性、友好性和动态性,丰富了专家系统与用户的交互人机界面,提高了系统维护和实时更新的便捷性。通过分析,温度、降雨量和湿度是影响梨树腐烂病流行发展的主要环境因素。利用BP神经网络建立的腐烂病预测模型可通过算法优化改进,提高模型的准确性,同时,与其他数学模型相比具有解决非线性问题的优势。本研究开发的基于神经网络的梨树腐烂病专家系统,面向广大梨种植户和相关研究人员,为用户提供科学防控和远程帮助,增强了梨树腐烂病综合防控知识的共享性,具有较强实用价值,也为梨树腐烂病的防控和预测的进一步研究提供参考。
王建刚,唐秀,李愚超,李广军,巴合提·斯哈克[10]（2014）在《新疆北部晚熟哈密瓜气候条件敏感度分析》文中研究表明[目的]研究晚熟哈密瓜对气候因子的敏感度,揭示气候条件的影响方式和影响量。[方法]利用新疆北部阿勒泰19982013年晚熟哈密瓜引种至大面积种植的调查资料,结合同期气候资料,采用相关系数t检验法,分析计算了64个气候因子,并应用t检验原理,逆向分析气候条件敏感度方法,研究了气候条件的影响方式和影响量。[结果]应用t检验方法筛选出4级（α=0.01、0.05、0.10、0.20）气候因子;对哈密瓜年景影响显着的关键因子有5个,分别是7月平均气温、6月上旬降水量、6月上旬>1.0 mm降水日数、6月上旬8月上旬降水量、7月下旬降水量,其敏感度分别为0.6℃、6.7 mm、1.1 d、20.0 mm、5.4 mm。[结论]生长期的降水量和大降水日数是影响哈密瓜年景的主要因素。
二、哈密瓜霜霉病流行预测模型创建及应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、哈密瓜霜霉病流行预测模型创建及应用（论文提纲范文）
（1）基于贝叶斯网络的日光温室黄瓜霜霉病和白粉病预测模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 英文缩略表(Acronyms and Symbols) |
| 引言 |
| 第一章 文献综述 |
| 1.1 国内外研究现状 |
| 1.2 贝叶斯网络 |
| 1.3 研究内容 |
| 1.4 技术路线 |
| 第二章 试验材料和方法 |
| 2.1 试验材料 |
| 2.2 温室黄瓜种植 |
| 2.3 布置温室监测传感器 |
| 2.4 环境数据采集 |
| 2.5 病原数据采集 |
| 2.6 黄瓜病害调查 |
| 2.7 病原孢子囊识别计数 |
| 2.8 数据分析 |
| 第三章 黄瓜霜霉病预测模型 |
| 3.1 温室黄瓜霜霉病病情调查结果 |
| 3.2 病原孢子囊数量监测 |
| 3.3 温室黄瓜霜霉病预测模型构建 |
| 3.4 模型评价指标 |
| 3.5 结果与分析 |
| 3.6 贝叶斯网络模型效果评估 |
| 3.7 讨论 |
| 第四章 黄瓜白粉病预测模型 |
| 4.1 黄瓜白粉病预测模型构建 |
| 4.2 模型评价指标 |
| 4.3 结果与分析 |
| 4.4 贝叶斯网络模型效果评估 |
| 4.5 讨论 |
| 第五章 黄瓜病害预测模型软件设计 |
| 5.1 本文python GUI图形界面设计理念 |
| 5.2 黄瓜病害预测模型GUI界面设计 |
| 5.3 python实现信号与自定义槽的连接 |
| 5.4 程序的封装与运行 |
| 5.5 程序的功能实现与使用 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 导师评阅表 |
（2）新疆伊犁河谷地区葡萄霜霉病流行与气候条件的关系（论文提纲范文）
| 0 引 言 |
| 1 材料与方法 |
| 1.1 材 料 |
| 1.2 方 法 |
| 1.2.1 田间发生规律调查 |
| 1.2.2 霜霉病流行模型建立与发病条件调查 |
| 2 结果与分析 |
| 2.1 霜霉病流行动态 |
| 2.2 葡萄霜霉病流行动态与温度、湿度、降水量等气候条件的关系 |
| 2.3 葡萄霜霉病发生程度预测判别函数的建立与回测 |
| 3 讨 论 |
| 4 结 论 |
（3）甜瓜细菌性果腐病的病原鉴定及有效药剂筛选（论文提纲范文）
| 摘要 |
| Abstract |
| 符号注喊 |
| 文献综述 |
| 1 引言 |
| 1.1 研究目的与意义 |
| 1.2 技术路线 |
| 2 材料与方法 |
| 2.1 实验材料 |
| 2.1.1 供试培养基 |
| 2.1.2 供试品种 |
| 2.1.3 供试药剂 |
| 2.1.4 实验仪器设备和试剂 |
| 2.2 实验方法 |
| 2.2.1 病样采集及病菌的分离 |
| 2.2.2 烟草过敏性坏死反应 |
| 2.2.3 致病性测定 |
| 2.2.4 病原菌的分子鉴定 |
| 2.2.4.1 16S rRNA的PCR扩增和测序 |
| 2.2.4.2 gyrB基因的PCR扩增和测序 |
| 2.2.5 序列分析及系统发育树构建 |
| 2.2.6 生理生化性状测定 |
| 2.2.7 室内药剂筛选 |
| 2.2.7.1 药剂的毒力测定 |
| 2.2.7.2 最低抑菌浓度测定 |
| 2.2.8 致病力测定 |
| 2.2.8.1 调查方法及标准 |
| 2.2.8.2 计算公式及标准 |
| 3 结果与分析 |
| 3.1 甜瓜细菌性果腐病的分离与鉴定 |
| 3.1.1 甜瓜果实危害症状 |
| 3.1.2 致病性测定结果 |
| 3.1.3 病原菌分子鉴定 |
| 3.1.4 生理生化性状测定结果 |
| 3.2 甜瓜细菌性果腐病的室内药剂筛选 |
| 3.2.1 7种药剂的室内毒力测定 |
| 3.2.2 7种药剂的最小抑制浓度 |
| 3.3 甜瓜苗期的抗性鉴定 |
| 4 讨论 |
| 4.1 甜瓜细菌性果腐病的分离与鉴定 |
| 4.2 室内有效药剂的筛选 |
| 4.3 不同甜瓜品种对细菌性果腐病菌的抗性分析 |
| 5 结论 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）基于无人机遥感开发平台的草莓生长状况快速监测研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 农用无人机遥感技术发展及现状 |
| 1.3 深度学习技术发展及现状 |
| 1.4 草莓生物学特征及生产现状 |
| 1.5 本文内容架构 |
| 第二章 材料与方法 |
| 2.1 深度学习网络 |
| 2.1.1 人工神经网络结构与训练 |
| 2.1.2 卷积神经网络 |
| 2.1.3 循环神经网络 |
| 2.2 目标检测算法 |
| 2.2.1 R-CNN与 SPP-NET |
| 2.2.2 Fast R-CNN |
| 2.2.3 Faster R-CNN |
| 2.3 基于无人机遥感平台的三维重建技术 |
| 2.3.1 特征点检测与匹配 |
| 2.3.2 运动恢复结构与多视图立体匹配 |
| 2.3.3 无人机辅助信息对三维重建的优化 |
| 2.4 本章小结 |
| 第三章 基于无人机遥感模拟平台的草莓育苗期冠层养分检测研究 |
| 3.1 引言 |
| 3.2 材料与方法 |
| 3.2.1 无人机遥感模拟平台搭建 |
| 3.2.2 样本制备 |
| 3.2.3 数据采集与处理 |
| 3.3 结果分析 |
| 3.3.1 基于不同植被指数的线性模型比较与优选 |
| 3.3.2 图像采集高度和速度对模型的影响 |
| 3.3.3 不同程度氮胁迫下SPAD值可视化反演 |
| 3.4 本章小结 |
| 第四章 基于无人机遥感平台和目标检测算法的草莓产量自动快速检测 |
| 4.1 引言 |
| 4.2 材料和方法 |
| 4.2.1 无人机数据采集 |
| 4.2.2 草莓田正射影像图构建 |
| 4.2.3 数据预处理 |
| 4.2.4 Straw R-CNN目标检测算法 |
| 4.3 结果分析 |
| 4.3.1 正射影像图生成结果 |
| 4.3.2 Straw R-CNN目标检测算法检测结果 |
| 4.3.3 系统检测的花朵数量与人工统计的结果比较 |
| 4.3.4 目标检测方法比较 |
| 4.3.5 产量分布图的建立 |
| 4.4 本章小结 |
| 第五章 低成本便携式小型无人机倾斜影像系统开发 |
| 5.1 引言 |
| 5.2 无人机倾斜摄影系统开发 |
| 5.2.1 倾斜相机外壳设计 |
| 5.2.2 倾斜相机内部系统设计 |
| 5.2.3 无人机飞行平台 |
| 5.3 倾斜摄影系统试验 |
| 5.3.1 草莓田数据采集 |
| 5.3.2 农村区域数据采集 |
| 5.3.3 数据预处理 |
| 5.3.4 三维重建 |
| 5.4 结果与分析 |
| 5.4.1 大范围草莓田正射影像图生成结果 |
| 5.4.2 农村区域三维模型精度检验 |
| 5.4.3 倾斜相机比较 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究主要创新点 |
| 6.3 不足与展望 |
| 参考文献 |
| 作者简介 |
（5）甜瓜霜霉病的发生规律与防治研究进展（论文提纲范文）
| 1 发病症状 |
| 2 病原与寄主 |
| 2.1 病原 |
| 2.2 寄主范围 |
| 3 发生规律 |
| 3.1 侵染循环 |
| 3.2 不同条件与发病关系 |
| 3.2.1 湿度 |
| 3.2.2 温度 |
| 3.2.3 光照 |
| 3.2.4 设施 |
| 3.2.5 栽培密度 |
| 3.2.6 品种抗性 |
| 4 甜瓜霜霉病的防治措施 |
| 4.1 农业防治 |
| 4.1.1 选用抗病品种 |
| 4.1.2 合理选茬与轮作 |
| 4.1.3 合理密植 |
| 4.1.4 加强通风,合理灌溉,严控温湿度 |
| 4.1.5 增施有机肥,注意氮、磷、钾合理配比 |
| 4.1.6 植株整理 |
| 4.2 物理防治 |
| 4.3 营养防治 |
| 4.4 抗性诱导 |
| 4.5 生物防治 |
| 4.5.1 植物杀菌 |
| 4.5.2 微生物杀菌 |
| 4.6 化学防治 |
| 4.6.1 棚室烟雾法 |
| 4.6.2 粉尘法 |
| 4.6.3 喷雾法 |
| 5 存在问题及展望 |
（6）基于高光谱成像技术的辣椒疫病和品质分析研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 辣椒种质资源的分析研究 |
| 1.2.1 植物学性状 |
| 1.2.2 抗逆性 |
| 1.2.3 抗病性 |
| 1.2.4 品质 |
| 1.3 传统的分析方法 |
| 1.4 高光谱成像技术的研究进展 |
| 1.4.1 高光谱成像技术的基本原理 |
| 1.4.2 抗病性检测应用 |
| 1.4.3 品质检测应用 |
| 1.5 本研究的内容和技术路线 |
| 1.6 本章小结 |
| 第二章 实验的材料与方法 |
| 2.1 实验的材料 |
| 2.1.1 辣椒幼苗样本制备 |
| 2.1.2 辣椒果实样本制备 |
| 2.2 实验的仪器 |
| 2.2.1 高光谱成像系统 |
| 2.2.2 高效液相色谱仪 |
| 2.2.3 其他辅助仪器设备 |
| 2.3 辣椒抗疫病鉴定病情级别划分 |
| 2.4 化学值测定方法 |
| 2.4.1 辣椒素类物质含量测定 |
| 2.4.2 含水量测定 |
| 2.5 数据处理方法 |
| 2.5.1 光谱预处理方法 |
| 2.5.2 数据压缩和特征选择方法 |
| 2.5.3 相关性分析和单因素方差分析 |
| 2.5.4 建模分析方法 |
| 2.5.5 模型评价 |
| 2.5.6 数据处理软件 |
| 2.6 本章小结 |
| 第三章 基于高光谱成像技术的辣椒疫病的早期诊断 |
| 3.1 前言 |
| 3.2 辣椒幼苗数据的采集与提取 |
| 3.2.1 光谱数据的采集 |
| 3.2.2 光谱数据的提取 |
| 3.3 不同抗性的辣椒幼苗发病情况 |
| 3.4 基于高光谱反射率的辣椒疫病的早期诊断 |
| 3.4.1 光谱数据的分析 |
| 3.4.2 主成分分析 |
| 3.4.3 样本的划分 |
| 3.4.4 基于全谱的辣椒疫病早期诊断模型 |
| 3.4.5 选择最优的特征波长 |
| 3.4.6 基于特征波长的辣椒疫病早期诊断模型 |
| 3.5 基于植被指数的辣椒疫病的早期诊断 |
| 3.5.1 植被指数的选择 |
| 3.5.2 基于全部植被指数的辣椒疫病早期诊断 |
| 3.5.3 植被指数的相关性分析 |
| 3.5.4 基于特征植被指数的辣椒疫病早期诊断 |
| 3.6 本章小结 |
| 第四章 基于高光谱成像技术的辣椒疫病的感病程度分级 |
| 4.1 前言 |
| 4.2 辣椒疫病的病情评价情况 |
| 4.3 基于高光谱反射率的辣椒疫病的感病程度分级 |
| 4.3.1 光谱数据的采集与提取 |
| 4.3.2 光谱数据的分析 |
| 4.3.3 主成分分析 |
| 4.3.4 样本的划分 |
| 4.3.5 基于全谱的辣椒疫病感病程度分级模型 |
| 4.3.6 基于特征波长的辣椒疫病感病程度分级模型 |
| 4.4 基于植被指数的辣椒疫病的感病程度分级 |
| 4.4.1 特征植被指数的分析 |
| 4.4.2 基于特征植被指数的辣椒疫病感病程度分级 |
| 4.5 本章小结 |
| 第五章 基于高光谱成像技术的辣椒品质指标检测和分级 |
| 5.1 前言 |
| 5.2 辣椒果实数据的采集与分析 |
| 5.2.1 光谱数据的采集与提取 |
| 5.2.2 光谱数据的分析 |
| 5.3 基于高光谱成像技术的辣椒品质指标检测 |
| 5.3.1 辣椒品质指标的统计分析 |
| 5.3.2 样本集划分 |
| 5.3.3 多种特征波长选择方法的比较 |
| 5.3.4 品质指标检测模型的建立 |
| 5.3.5 辣椒品质指标的可视化分析 |
| 5.4 基于高光谱成像技术的辣椒品质分级 |
| 5.4.1 样本集划分 |
| 5.4.2 主成分分析 |
| 5.4.3 基于全谱的辣椒品质分级模型 |
| 5.4.4 特征波长的选择 |
| 5.4.5 基于特征波长的辣椒品质分级模型 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 作者简介 |
（7）皮棉杂质反射、透射和反透射高光谱图像吸收光谱分析和检测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.2 高光谱成像技术简介和应用 |
| 1.3 高光谱图像检测棉花杂质的可行性 |
| 1.4 研究目的、内容和技术路线 |
| 1.5 本章小结 |
| 第2章 试验材料、设备与方法 |
| 2.1 试验材料 |
| 2.2 反射、透射和反透射高光谱图像采集系统简介和参数调试 |
| 2.3 数据处理和分析方法简介 |
| 2.4 本章小结 |
| 第3章 不同含杂皮棉样本的吸收光谱特性分析 |
| 3.1 数据处理和分析方法 |
| 3.2 光谱预处理方法 |
| 3.3 皮棉杂质的光谱分析 |
| 3.4 本章小结 |
| 第4章 皮棉杂质检测和分析的最佳波长选择 |
| 4.1 波长选择方法和数据分析流程 |
| 4.2 结果讨论 |
| 4.3 本章小结 |
| 第5章 皮棉杂质的检测和识别 |
| 5.1 检测和识别方法简介 |
| 5.2 皮棉杂质的检测和识别 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（8）基于高光谱成像技术的哈密瓜表面农药残留检测技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 水果农药残留常规检测研究方法 |
| 1.2.1 气相色谱法 |
| 1.2.2 高效液相色谱法 |
| 1.2.3 气相色谱----质谱联用技术 |
| 1.2.4 液相色谱----质谱联用技术 |
| 1.2.5 酶抑制法 |
| 1.3 光谱技术检测农药残留方法 |
| 1.3.1 近红外光谱技术 |
| 1.3.2 拉曼光谱技术 |
| 1.3.3 激光诱导荧光光谱技术 |
| 1.3.4 高光谱成像技术 |
| 1.4 本文主要研究内容及技术路线 |
| 1.4.1 主要研究内容 |
| 1.4.2 技术路线图 |
| 1.5 本章小结 |
| 第二章 实验材料、设备 |
| 2.1 实验材料 |
| 2.1.1 实验载体材料 |
| 2.1.2 实验所需农药 |
| 2.1.3 农药样本溶液的配制及保存 |
| 2.2 实验仪器 |
| 2.2.1 高光谱试验台 |
| 2.2.2 移液枪 |
| 2.2.3 紫外灯 |
| 2.3 光谱采集、分析软件介绍 |
| 2.3.1 高光谱成像技术原理 |
| 2.3.2 光谱采集软件 |
| 2.3.3 光谱采集流程 |
| 2.3.4 光照系统研究 |
| 2.3.5 光谱分析软件 |
| 2.3.6 光谱数据分析处理软件 |
| 2.4 光谱预处理方法 |
| 2.4.1 平滑处理 |
| 2.4.2 数据的极差归一变换 |
| 2.5 特征光谱选择 |
| 2.6 本章小结 |
| 第三章 不同光源条件下哈密瓜表面农药残留种类判别分析 |
| 3.1 线性判别方法 |
| 3.1.1 距离判别 |
| 3.1.2 贝叶斯判别 |
| 3.2 非线性判别方法 |
| 3.2.1 支持向量机分类 |
| 3.2.2 极限学习机分类 |
| 3.3 本章小结 |
| 第四章 哈密瓜表面农药不同浓度类别判别研究 |
| 4.1 农药喷洒浓度 |
| 4.2 线性判别方法 |
| 4.2.1 距离判别法 |
| 4.2.2 贝叶斯判别法 |
| 4.3 非线性判别方法 |
| 4.3.1 支持向量机 |
| 4.3.2 极限学习机判别方法 |
| 4.4 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 石河子大学硕士研究生学位论文导师评阅表 |
（9）基于BP神经网络的梨树腐烂病综合防控专家系统研制（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究内容 |
| 1.4 论文组织 |
| 2 文献综述 |
| 2.1 农业专家系统的研究进展 |
| 2.2 植物病害预测预报的研究进展 |
| 2.3 梨树腐烂病的研究进展 |
| 3 基本理论概述 |
| 3.1 专家系统 |
| 3.1.1 专家系统的结构 |
| 3.1.2 专家系统的特点 |
| 3.2 基于Web的专家系统应用技术 |
| 3.2.1 C/S模式 |
| 3.2.2 B/S结构 |
| 3.2.3 基于web的农业专家系统 |
| 3.3 人工神经网络 |
| 3.3.1 人工神经网络简介 |
| 3.3.2 人工神经网络的模型 |
| 3.4 BP神经网络 |
| 3.4.1 BP神经网络的优势 |
| 3.4.2 BP神经网络的学习算法 |
| 3.4.3 BP神经网络算法存在的问题及解决办法 |
| 4 梨树腐烂病主要影响因子的提取 |
| 4.1 梨树腐烂病流行规律 |
| 4.1.1 梨树腐烂病的侵染循环 |
| 4.1.2 影响梨树腐烂病的因素 |
| 4.2 数据来源与数据分析 |
| 4.2.1 数据来源 |
| 4.2.2 数据分析 |
| 4.3 主成分分析法概述 |
| 4.4 主成分分析法步骤 |
| 4.5 基于主成分分析法的主要影响因子提取 |
| 5 基于BP神经网络的预测模型 |
| 5.1 网络结构的确定 |
| 5.2 输入、输出变量的选择 |
| 5.3 隐含层节点数的选取 |
| 5.4 网络训练参数的设置 |
| 5.5 神经网络工作箱及MATLAB软件 |
| 5.6 BP神经网络的MATLAB实现 |
| 5.7 仿真实验及结果分析 |
| 6 梨腐烂病综合防控系统的设计与实现 |
| 6.1 开发环境及开发工具 |
| 6.2 系统采用网络架构 |
| 6.3 系统基本框架 |
| 6.4 系统的运行 |
| 7 结论与讨论 |
| 7.1 结论 |
| 7.2 讨论 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（10）新疆北部晚熟哈密瓜气候条件敏感度分析（论文提纲范文）
| 1 资料与方法 |
| 1.1 资料来源 |
| 1.2 研究方法 |
| 1.2.1 相关系数显着性t检验。 |
| 1.2.2 气候条件的敏感度。 |
| 2 结果与分析 |
| 2.1 气候条件与晚熟哈密瓜年景的相关系数t检验 |
| 2.2 气候条件对哈密瓜年景的影响方式分析 |
| 2.2.1 生育期。 |
| 2.2.2 病害发生规律。 |
| 2.2.3 气候条件适应性。 |
| 2.2.4 短关键期。 |
| 2.3 气候条件的影响模式分析 |
| 2.3.1 温度气候条件的影响模式。 |
| 2.3.2 降水气候条件的影响模式。 |
| 2.4 哈密瓜生产对气候条件敏感度分析 |
| 2.5 哈密瓜年景多元回归分析 |
| 3 结论与讨论 |
四、哈密瓜霜霉病流行预测模型创建及应用（论文参考文献）
- [1]基于贝叶斯网络的日光温室黄瓜霜霉病和白粉病预测模型研究[D]. 魏少伟. 石河子大学, 2021
- [2]新疆伊犁河谷地区葡萄霜霉病流行与气候条件的关系[J]. 芦屹,努尔孜亚·亚力麦麦提,付文君,陈蓉,温且姆·阿布列孜,陈浩宇,郝敬喆,王惠卿. 新疆农业科学, 2020(10)
- [3]甜瓜细菌性果腐病的病原鉴定及有效药剂筛选[D]. 程勋辉. 安徽农业大学, 2020(04)
- [4]基于无人机遥感开发平台的草莓生长状况快速监测研究[D]. 陈杨. 浙江大学, 2020
- [5]甜瓜霜霉病的发生规律与防治研究进展[J]. 杜志强,王迪,徐慧春,李志学,张宏宇,胡禧熙,韩墨. 黑龙江农业科学, 2019(10)
- [6]基于高光谱成像技术的辣椒疫病和品质分析研究[D]. 蒋锦琳. 浙江大学, 2019
- [7]皮棉杂质反射、透射和反透射高光谱图像吸收光谱分析和检测研究[D]. 刘巍. 新疆农业大学, 2018(05)
- [8]基于高光谱成像技术的哈密瓜表面农药残留检测技术研究[D]. 徐洁. 石河子大学, 2016(02)
- [9]基于BP神经网络的梨树腐烂病综合防控专家系统研制[D]. 刘薇薇. 安徽农业大学, 2016(04)
- [10]新疆北部晚熟哈密瓜气候条件敏感度分析[J]. 王建刚,唐秀,李愚超,李广军,巴合提·斯哈克. 安徽农业科学, 2014(16)