人工智能與作物生產(chǎn)深度融合關(guān)鍵技術(shù)研究

定　價(jià)：￥48.00

作　者：	譚峰，田芳明，張東杰
出版社：	哈爾濱工程大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

京東 (￥42.20)

ISBN：	9787566130068	出版時(shí)間：	2021-03-01	包裝：
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	237	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《人工智能與作物生產(chǎn)深度融合關(guān)鍵技術(shù)研究》以作物生產(chǎn)為切入點(diǎn)，以人工智能與作物生產(chǎn)深度融合技術(shù)為主線，簡(jiǎn)要闡述了農(nóng)業(yè)大數(shù)據(jù)采集與控制、數(shù)據(jù)存儲(chǔ)、現(xiàn)代農(nóng)業(yè)人工智能算法和系統(tǒng)集成方法?！度斯ぶ悄芘c作物生產(chǎn)深度融合關(guān)鍵技術(shù)研究》首先對(duì)人工智能與作物生產(chǎn)深度融合算法理論基礎(chǔ)進(jìn)行了介紹；其次，具體闡述了農(nóng)業(yè)生產(chǎn)數(shù)據(jù)采集方法，包括棚室生產(chǎn)環(huán)境數(shù)據(jù)與植物電信號(hào)數(shù)據(jù)采集的硬件和軟件設(shè)計(jì)方法；再次，重點(diǎn)介紹了人工智能技術(shù)在農(nóng)業(yè)生產(chǎn)方面的應(yīng)用，主要涵蓋了基于人工智能算法的水稻生長(zhǎng)階段優(yōu)劣長(zhǎng)勢(shì)判別、基于人工智能算法的水稻病害短期分級(jí)預(yù)警系統(tǒng)、基于人工智能算法的作物圖像種類(lèi)自動(dòng)識(shí)別、基于卷積神經(jīng)網(wǎng)絡(luò)的水稻病害識(shí)別方法、基于圖像的稻花香水稻種子鑒別方法?！度斯ぶ悄芘c作物生產(chǎn)深度融合關(guān)鍵技術(shù)研究》是基礎(chǔ)理論和作物生產(chǎn)實(shí)踐相結(jié)合的產(chǎn)物，旨在將人工智能技術(shù)與現(xiàn)代農(nóng)業(yè)深度融合，以達(dá)到進(jìn)一步指導(dǎo)農(nóng)業(yè)生產(chǎn)的目的?！度斯ぶ悄芘c作物生產(chǎn)深度融合關(guān)鍵技術(shù)研究》可作為農(nóng)業(yè)院校師生和農(nóng)業(yè)技術(shù)人員的參考用書(shū)。

作者簡(jiǎn)介

暫缺《人工智能與作物生產(chǎn)深度融合關(guān)鍵技術(shù)研究》作者簡(jiǎn)介

圖書(shū)目錄

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(kāi)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(hào)檢測(cè)裝備的研究與應(yīng)用
3．1 植物電信號(hào)檢測(cè)裝備設(shè)計(jì)
3．2 植物電信號(hào)檢測(cè)裝備可用性分析
3．3 植物電信號(hào)分析方法研究
3．4 外界環(huán)境變化下植物電信號(hào)采集與分析
第4章基于人工智能算法的水稻生長(zhǎng)階段優(yōu)劣長(zhǎng)勢(shì)判別
4．1 水稻長(zhǎng)勢(shì)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(zhǎng)勢(shì)模型構(gòu)建
4．3 基于粒子群算法的水稻長(zhǎng)勢(shì)卷積神經(jīng)網(wǎng)絡(luò)模型的優(yōu)化
4．4 對(duì)比分析
第5章基于人工智能算法的水稻病害短期分級(jí)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(duì)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(jí)預(yù)警模型的設(shè)計(jì)與仿真
5．6 水稻病害短期分級(jí)預(yù)警系統(tǒng)的開(kāi)發(fā)與應(yīng)用
第6章基于人工智能算法的作物圖像種類(lèi)自動(dòng)識(shí)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(shí)別模型
6．3 作物圖像種類(lèi)識(shí)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(shí)別方法
7．1 水稻病害圖像預(yù)處理及病害數(shù)據(jù)庫(kù)建立
7．2 基于卷積神經(jīng)網(wǎng)絡(luò)的水稻病害識(shí)別模型
7．3 水稻病害識(shí)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(lèi)方法研究
8．4 基于水稻種子圖像識(shí)別軟件的應(yīng)用
參考文獻(xiàn)