農業信息的分析處理（簡體書）

農業信息分析處理，涉及計算機、人工智能、大數據、雲計算、數學等相關的科學技術，集中體現了最新的科學技術發展進步。本書重點論述農業信息分析處理技術在現代農業中的應用，全書共分8章，介紹了農業信息從信息源的各種狀態到轉化為對農業生產有價值的信息全過程，分析了農業信息分析處理在信息轉化過程中的重要地位，介紹了農業生產、農民生活、農村建設中常用的信息分析處理技術與方法。在書中，作者結合一些智能信息分析處理技術在現代農業中的應用實例，介紹了農業信息智能分析處理系統的結構組成、功能作用、關鍵技術及實現等，將農業信息分析處理在現代農業中的應用探索與作者的研究心得、成果呈獻給讀者。
本書可作為高等院校相關專業研究生、本科生學習的教材使用，也適宜對信息技術、智慧農業感興趣的讀者及相關的專業科技人員閱讀。

前言
第1章 農業信息與智慧農業
1.1 農業信息及其分類
1.1.1 信息
1.1.2 “數據”“信息”“知識”與“智能”的關係
1.1.3 農業信息資源
1.2 農業大數據及其特點
1.2.1 大數據的概念
1.2.2 大數據國內外現狀
1.2.3 大數據的機遇與面臨的挑戰
1.2.4 農業大數據的特殊問題
1.3 我國農業現代化的發展及問題
1.3.1 我國農業發展現狀
1.3.2 問題與挑戰
1.3.3 國外農業發展的經驗教訓
1.3.4 信息技術與農業現代化
1.4 智慧農業及其應用
1.4.1 智慧地球及其應用
1.4.2 智慧農業的概念
1.4.3 智慧農業的內涵
1.4.4 我國的智慧農業
第2章 農業信息分析處理基礎
2.1 信息分析處理系統概述
2.1.1 信息處理
2.1.2 信息分析處理系統分類
2.1.3 幾種典型的信息分析處理系統
2.2 信息分析處理系統的組成
2.2.1 計算機的發展
2.2.2 計算機系統
2.2.3 計算機的主要性能指標
2.2.4 計算機的中央處理器結構原理
2.2.5 計算機的存儲器
2.2.6 農業信息處理系統簡介
2.3 信息在計算機中的表示
2.3.1 數據的表示單位
2.3.2 計算機中數值的表示
2.3.3 文字符號的表示與編碼
2.3.4 圖像信息在計算機中的表示
2.3.5 音頻信息在計算機中的表示
2.4 信息處理常用軟件
2.4.1 Excel軟件
2.4.2 SPSS軟件
2.4.3 SAS統計分析
第3章 農業信息獲取
3.1 信息獲取技術概述
3.2 3S技術概述
3.2.1 地理信息系統
3.2.2 遙感技術
3.2.3 全球定位系統技術
3.2.4 3S集成技術
3.2.5 農業3S技術應用原理
3.2.6 3S技術在農業中的應用
3.3 圖像視頻信息的獲取
3.3.1 常用的圖像獲取設備
3.3.2 視頻採集卡
3.4 無線傳感器網絡
3.4.1 無線傳感網絡的特點
3.4.2 無線傳感網絡關鍵技術
3.4.3 無線傳感網絡的應用
3.4.4 傳感網組成
3.4.5 無線傳感器網絡設計
第4章 農業信息處理
4.1 信息處理概述
4.2 信息的壓縮處理
4.3 聲音數據的處理
4.3.1 噪聲
4.3.2 聲音信息降噪方法
4.3.3 聲音處理的流程
4.4 圖像信息的處理
4.4.1 圖像處理的基礎知識
4.4.2 基本的圖像處理
4.4.3 圖像濾波處理的方法
4.4.4 圖像融合技術
第5章 農業信息的分析方法
5.1 分析與信息分析
5.1.1 分析
5.1.2 信息分析
5.2 信息分析的性質
5.2.1 思維的基本過程
5.2.2 方法
5.3 信息分析的方法
5.3.1 信息分析方法論
5.3.2 信息分析方法的分類
5.3.3 定性分析法
5.3.4 定量分析法
5.3.5 定性與定量相結合的分析方法
5.4 大數據的分析
5.4.1 大數據的分析處理
5.4.2 Hadoop集群簡介
5.5 信息分析實例
第6章 農業信息智能分析處理系統
6.1 智慧農業信息平臺的研究建設
6.1.1 智慧農業信息平臺構建
6.1.2 智慧農業信息平臺建設
6.2 農業生產過程智能監控系統
6.2.1 農業生產過程智能監控系統流程結構
6.2.2 農業生產過程智能監控系統的功能結構
6.2.3 農業生產過程智能監控系統的安全問題
6.3 人工智能技術
6.3.1 人工智能及其發展
6.3.2 人工智能的基本方法
6.3.3 人工智能的研究與應用領域
6.3.4 我國人工智能研究領域的問題
6.4 農業信息智能分析處理系統
6.4.1 系統組成結構
6.4.2 農業信息智能分析處理的輸入與輸出
6.4.3 農業信息智能分析處理系統的功能
第7章 農業信息智能分析算法
7.1 信息分析的智能算法
7.2 人工神經網絡算法
7.2.1 神經元的基本模型
7.2.2 神經網絡的基本特點
7.2.3 BP算法
7.3 深度學習的原理
7.3.1 深度信念網絡DBN
7.3.2 卷積神經網絡CNN
7.3.3 遞歸神經網絡RNN
7.3.4 深度學習的應用
7.4 隱馬爾可夫鏈的原理與算法
7.4.1 馬爾可夫鏈的定義
7.4.2 隱馬爾可夫模型
7.4.3 用HMM對面部表情識別
7.5 花卉圖像的分析識別
7.5.1 紋理特徵
7.5.2 顏色特徵
7.5.3 形狀特徵
7.5.4 相似性度量
7.5.5 基於貝葉斯的圖像檢索
7.5.6 圖像檢索模塊的構建與分析
第8章 果樹生長管理的智能分析處理系統
8.1 果樹模型分析
8.1.1 果樹數據的獲取
8.1.2 樹冠截面為三角形的計算分析
8.1.3 樹冠截面為梯形的計算分析
8.1.4 果樹連續覆蓋陰影面積積分求解
8.1.5 柵格化求解
8.1.6 南北行向的距離範圍
8.1.7 實例分析
8.2 利用ENVI進行植被分析
8.2.1 植被分析基礎
8.2.2 植被分析
8.2.3 植被增強顯示
8.2.4 植被指數計算器
8.2.5 林木健康分析
8.2.6 農作物脅迫(Agricultural Stress)
8.2.7 易燃性分佈分析
8.2.8 植被抑制工具
8.3 果樹病蟲害監測預報原理與建模
8.3.1 綜合應用3s技術進行果樹病蟲害分析
8.3.2 病蟲害監測預報建模的方法
8.4 果樹蟲害的識別
8.5 果樹生長管理的智能分析處理系統
8.5.1 系統功能結構設計
8.5.2 智能分析處理模塊的設計
8.5.3 系統的體系結構