导读:本文包含了向日葵叶论文开题报告文献综述及选题提纲参考文献，主要关键词:采集,图像预处理,颜色空间,图像分割
向日葵叶论文文献综述
李艳雪,吕芳[1]（2019）在《向日葵叶部病害图像分割方法》一文中研究指出为了有效提高向日葵的产量,除了需要掌握向日葵的栽培技术外,研究可以模拟人甚至超越人的视觉功能的图像识别成为研究图像处理的一大关键。为了实现对向日葵叶部病害图像的准确识别,需要用分辨率较高的相机在自然光照下采集,之后需要先进行图像预处理与病斑分割,从而达到病害的精确高识别率。采集向日葵病害图像之后,图像预处理部分使用平滑滤波方法进行去噪和增强,选用合适的邻域模板达到良好的处理效果,对预处理之后的病害图像进行分割,病斑分割时将K-means聚类方法与DBSCAN算法进行对比,最终选择DBSCAN算法进行分割。针对随机选取初始聚类中心的问题,DBSCAN算法主要是改进K-means聚类算法和结果对初始聚类中心的敏感依赖程度,主要目的是清晰地分割出病斑部分。(本文来源于《计算机技术与发展》期刊2019年05期）
刘波波[2]（2018）在《基于移动互联网的向日葵叶部病害图像采集与识别系统研究》一文中研究指出我国是世界上种植食葵面积最大的国家,而向日葵是我国农业种植中重要的经济作物。随着向日葵种植面积的逐渐扩大,向日葵病害日益猖獗,因此准确识别与有效防治向日葵病害对我国经济发展极为重要。传统方法使用专门设备采集向日葵叶部病害图像,然后在计算机进行图像处理分析,不能够及时、便捷的完成病害识别,存在很大的局限性,难以满足现代农业的发展需求。近年来,随着数字图像处理技术、计算机技术以及网络技术的迅猛发展,Android移动端的普及,为向日葵病害识别系统开发提供了新的平台。本文主要利用Android系统手机采集图像,结合数字图像处理技术,综合了网络通信以及模式识别等技术,进行基于移动互联网的向日葵叶部病害图像采集与识别系统的研究。主要针对向日葵叶部病害做了深入研究,以向日葵黑斑病、细菌性叶斑病、白粉病、霜霉病为研究对象,提出了一种基于移动互联网的向日葵叶部病害图像采集与识别系统。首先,用户使用Android移动端选取待识别图像,将该图像从Android移动端通过TCP/IP网络通信协议发送到服务器端。然后,服务器端接收到图像后,调用图像识别算法对该图像进行识别处理。第一,图像预处理:图像预处理主要目的是去除图像中的干扰信息,恢复保留有用信息,同时增强有用信息的可靠性。第二,图像特征提取:选取待识别图像有效的特征参数作为病害识别的特征输入向量,它是诊断识别对象时唯一的数据依据。第叁,向日葵叶部病害图像识别诊断:本文采用SVM算法和SIFT算法对向日葵病害进行诊断识别,得到识别结果信息。最后,服务器端将识别结果及病虫害治疗方法通过TCP/IP网络通信协议反馈给Android移动端,移动端接收到相关病害信息后,用户可以根据病害信息对农作物进行适当的处理,为用户提供了及时的农业指导。(本文来源于《内蒙古工业大学》期刊2018-06-01）
孔倩倩,丁双婷[3]（2018）在《向日葵叶药用研究进展》一文中研究指出向日葵叶为菊科向日葵属植物向日葵的叶,其主要成分有:有机酸类、芳香类、萜类、黄酮类、生物碱类及甾体等。向日葵叶在降压、利尿等方面有明显疗效。本文在化学成分、药理作用、临床应用3方面进行综述。(本文来源于《现代医学与健康研究电子杂志》期刊2018年01期）
苗芹,叶明国,刘苏静,衣悦涛,夏传海[4]（2017）在《高效液相色谱法测定菊芋叶和向日葵叶中绿原酸》一文中研究指出采用HPLC法测定菊芋叶和向日葵叶中绿原酸含量,并对收获期菊芋叶和向日葵叶中绿原酸的积累分布进行研究。色谱条件为:ZORBAX Extend-C_(18)(4.6mm×250mm,5μm),柱温30℃,检测波长327nm,进样量10μL,流速1.0mL·min~(-1),流动相为乙腈-水(含体积分数为0.05%的甲酸),梯度洗脱。提取条件:甲醇-水(70∶30,体积比)回流浸提,料液比1∶25(g∶mL),提取时间1.5h,提取温度60℃。结果表明,菊芋叶和向日葵叶中的绿原酸在收获期积累分布差异显着,菊芋叶中绿原酸含量在10月下旬最高,为4.20%;向日葵叶中绿原酸含量在8月下旬最高,为0.47%。因此,10月下旬的菊芋叶可以作为提取绿原酸的植物原材料。(本文来源于《化学与生物工程》期刊2017年02期）
刘彩芬,许海阔[5]（2015）在《向日葵叶绿茶复合饮料的开发研究》一文中研究指出以超纯水为溶剂,以向日葵叶中绿原酸提取率为考察指标,从新鲜向日葵叶中提取绿原酸,研究颗粒度、料液比、浸提时间、提取温度对向日葵叶中绿原酸提取率的影响。试验结果表明:绿原酸最佳提取工艺:物料粒度100目、料液比1∶50、提取温度70℃、浸提时间20min。以最佳工艺提取得到的富含绿原酸向日葵叶汁和绿茶汁为主要原料,添加白砂糖、柠檬酸和食用香精等制备复合饮料,通过正交试验确定绿原酸复合饮料的最佳配方:富含绿原酸向日葵叶汁与绿茶汁的体积比为1∶2、白砂糖添加量为4%,柠檬酸添加量0.2%,食用香精添加量0.03%,此时,效果最佳,口感良好。(本文来源于《包装与食品机械》期刊2015年05期）
狄鹏慧,吕芳[6]（2015）在《基于图像识别的向日葵叶部锈病诊断探究》一文中研究指出本文主要以向日葵叶部绣病为主要研究对象,以MATLAB为平台,设计了基于图像识别的向日葵叶部锈病诊断方案。首先,将自然光照条件下采集到的向日葵叶部病害图像进行预处理,再分别利用病斑的颜色特征及纹理特征,经过对特征参数的深入研究,对向日葵叶部病害进行了较准确的识别诊断。(本文来源于《电子测试》期刊2015年04期）
许慧,吕芳,越鲜梅[7]（2014）在《基于图像识别的向日葵叶部病害诊断方法探究》一文中研究指出本文主要以向日葵叶部细菌性叶斑病、黑斑病、霜霉病等叁种常见病害作为研究对象,开发设计了基于图像识别的向日葵叶部病害诊断系统。本系统以MATLAB为平台,利用其GUI工具箱开发了基于图像识别的向日葵叶部病害诊断系统。(本文来源于《电子测试》期刊2014年S1期）
钟姣姣,李万林,刘军海[8]（2014）在《向日葵叶中绿原酸微波辅助提取及抗氧化性研究》一文中研究指出以向日葵叶子为原料,采用微波辅助乙醇溶剂提取法,在单因素试验的基础上,通过正交试验对工艺条件进行优化,并对向日葵叶中绿原酸提取液进行抗氧化性研究。研究表明,提取最佳工艺条件为:浸泡时间150 s,微波温度60℃,微波功率300 W,乙醇体积分数65%,料液比1∶15。在此条件下,向日葵叶中绿原酸的提取率达到3.802%。各因素对向日葵叶中绿原酸提取率的影响次序为:浸泡时间>乙醇体积分数>微波温度>微波功率>料液比。抗氧化性研究表明,向日葵叶中绿原酸提取液对羟基的清除率随质量浓度的增加而增大,清除率最大为80.49%,且效果比Vc的更好。(本文来源于《杭州化工》期刊2014年01期）
李万林[9]（2013）在《向日葵叶中绿原酸的微波辅助提取研究》一文中研究指出以绿原酸提取率为考察指标,对微波法辅助提取向日葵叶中绿原酸提取工艺条件中的每一个可能因素进行研究。结果表明,当乙醇体积分数70%,料液比1∶20,浸泡时间30 min,微波温度60℃,微波功率300 W,微波时间6 min,浸提温度70℃,浸提时间20 min,pH值7时,向日葵叶中绿原酸提取率达1.848%。通过对提取过程中每一个细致因素的分析,以期为向日葵叶中绿原酸的工业化微波辅助提取提供参考。(本文来源于《农产品加工(学刊)》期刊2013年16期）
越鲜梅[10]（2013）在《基于图像识别的向日葵叶部病害诊断技术研究》一文中研究指出向日葵是我国北方地区重要的经济和油料作物，国内外市场开发潜力大，但是向日葵病害的日益猖獗造成向日葵产量大幅降低，所以对向日葵病害的准确识别与防治成为亟待解决的重要问题。而传统对向日葵病害的识别主要是通过肉眼判断的，存在很大的主观性、局限性和模糊性，所以研发一种可以模拟人的视觉功能而又超越其性能的计算机视觉与图像识别系统来诊断向日葵病害成了现代农业发展领域的迫切需求。本文主要以向日葵叶部细菌性叶斑病、黑斑病、霜霉病这叁种病害作为主要研究对象，开发设计了基于图像识别的向日葵叶部病害诊断系统。首先，该系统将自然光照条件下采集到的向日葵叶部病害图像利用矢量中值滤波法进行去噪处理，之后对向日葵叶部图像进行有无病害诊断，本文主要采用以G分量导出的特征参量作为支持向量机模式识别的输入，进而对待检测图像进行叶片正常与否的诊断，对于非正常叶片综合利用灰度共生矩阵与支持向量机法进行是否含有病害的诊断；其次，若待检测图像是病害叶片，则通过自选阈值分割法对叶片病斑进行粗略分割，再利用融合区域标记与区域生长的分割法对病斑进行精准分割，分割完成之后，利用形态学中的开、闭运算去除精细分割病斑图像中出现的孤立小点、毛刺和小空洞等，达到消除图像噪声的目的；再次，针对病斑分割后的特点，本文分别利用颜色矩和灰度共生矩阵提取出病斑的颜色特征及纹理特征，经过对特征参数的深入研究，优选出9个特征参数作为判别不同病害的依据；最后，采用一对一投票决策的支持向量机多分类模型对向日葵叶部病害进行了较准确的识别诊断。本系统以MATLAB为平台，利用其GUI工具箱开发了基于图像识别的向日葵叶部病害诊断系统。经过多次测试发现，该系统能够较准确地识别出向日葵叁种病害（细菌性叶斑病、黑斑病、霜霉病），基本达到本文的设计要求。(本文来源于《内蒙古工业大学》期刊2013-04-01）
向日葵叶论文开题报告
（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：
我国是世界上种植食葵面积最大的国家,而向日葵是我国农业种植中重要的经济作物。随着向日葵种植面积的逐渐扩大,向日葵病害日益猖獗,因此准确识别与有效防治向日葵病害对我国经济发展极为重要。传统方法使用专门设备采集向日葵叶部病害图像,然后在计算机进行图像处理分析,不能够及时、便捷的完成病害识别,存在很大的局限性,难以满足现代农业的发展需求。近年来,随着数字图像处理技术、计算机技术以及网络技术的迅猛发展,Android移动端的普及,为向日葵病害识别系统开发提供了新的平台。本文主要利用Android系统手机采集图像,结合数字图像处理技术,综合了网络通信以及模式识别等技术,进行基于移动互联网的向日葵叶部病害图像采集与识别系统的研究。主要针对向日葵叶部病害做了深入研究,以向日葵黑斑病、细菌性叶斑病、白粉病、霜霉病为研究对象,提出了一种基于移动互联网的向日葵叶部病害图像采集与识别系统。首先,用户使用Android移动端选取待识别图像,将该图像从Android移动端通过TCP/IP网络通信协议发送到服务器端。然后,服务器端接收到图像后,调用图像识别算法对该图像进行识别处理。第一,图像预处理:图像预处理主要目的是去除图像中的干扰信息,恢复保留有用信息,同时增强有用信息的可靠性。第二,图像特征提取:选取待识别图像有效的特征参数作为病害识别的特征输入向量,它是诊断识别对象时唯一的数据依据。第叁,向日葵叶部病害图像识别诊断:本文采用SVM算法和SIFT算法对向日葵病害进行诊断识别,得到识别结果信息。最后,服务器端将识别结果及病虫害治疗方法通过TCP/IP网络通信协议反馈给Android移动端,移动端接收到相关病害信息后,用户可以根据病害信息对农作物进行适当的处理,为用户提供了及时的农业指导。
（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。
向日葵叶论文参考文献
[1].李艳雪,吕芳.向日葵叶部病害图像分割方法[J].计算机技术与发展.2019
[2].刘波波.基于移动互联网的向日葵叶部病害图像采集与识别系统研究[D].内蒙古工业大学.2018
[3].孔倩倩,丁双婷.向日葵叶药用研究进展[J].现代医学与健康研究电子杂志.2018
[4].苗芹,叶明国,刘苏静,衣悦涛,夏传海.高效液相色谱法测定菊芋叶和向日葵叶中绿原酸[J].化学与生物工程.2017
[5].刘彩芬,许海阔.向日葵叶绿茶复合饮料的开发研究[J].包装与食品机械.2015
[6].狄鹏慧,吕芳.基于图像识别的向日葵叶部锈病诊断探究[J].电子测试.2015
[7].许慧,吕芳,越鲜梅.基于图像识别的向日葵叶部病害诊断方法探究[J].电子测试.2014
[8].钟姣姣,李万林,刘军海.向日葵叶中绿原酸微波辅助提取及抗氧化性研究[J].杭州化工.2014
[9].李万林.向日葵叶中绿原酸的微波辅助提取研究[J].农产品加工(学刊).2013
[10].越鲜梅.基于图像识别的向日葵叶部病害诊断技术研究[D].内蒙古工业大学.2013