书城首页 › 当代 › 工业 › PYTHON程序设计:植物表型案例与实践
当代·工业

PYTHON程序设计:植物表型案例与实践

正版保障多仓发货48小时内发货2-3天送达可开发票
¥77.03 定价 ¥99.00 7.8折 立省 ¥21.97
现货库存 28 件 全新
商品参数
书名
PYTHON程序设计:植物表型案例与实践
作者
马韫韬,于合龙,陈庆山 主编
出版社
机械工业出版社
出版时间
2026-08-01
ISBN
9787111795766
货号
1204485546
品相
全新
分类
当代·工业
购物车(0)
商品参数
书名
PYTHON程序设计:植物表型案例与实践
作者
马韫韬,于合龙,陈庆山 主编
出版社
机械工业出版社
出版时间
2026-08-01
ISBN
9787111795766
货号
1204485546
品相
全新
分类
当代·工业
编辑推荐▼

是数字农业系列专业教材,由马韫韬、于合龙、陈庆山主编,集结多位农业、计算机领域专家联合编著。本书将Python编程技术与植物表型研究深度融合,覆盖数字图像、高光谱、三维点云、机器学习、深度学习五大主流技术方向,配套完整案例代码。无需深厚编程与数学功底,具备基础计算机操作能力即可学习。面向农业科研人员、农业技术从业者、智慧农业相关专业本研究生,填补国内植物表型Python实战教材空白,可用于课程学习、科研实验、课题数据分析,助力生物育种、智慧农业数字化研究,服务农业强国建设。

作者简介▼

马韫韬,中国农业大学教授、博士生导师,“作物表型三维仿真”首席科学家,现代农业产业技术体系北京市智慧农业创新团队岗位科学家。兼任国际植物生长建模、仿真与数字孪生委员会常务理事,中国自动化学会智慧生态专业委员会副主任,Plant Phenomics期刊副主编等职。聚焦智慧农业与精准作物育种表型解析,围绕农业人工智能、植物三维仿真与作物数字孪生开展前沿理论及装备应用的研究。主持国家自然科学基金、国家重点研发计划课题、内蒙古科技重大专项、中央引导地方科技发展专项等国家/省部级科研项目30余项,获授权国家发明专利20项。作为主要完成人获吉林省科技进步一等奖、教育部自然科学二等奖、内蒙古科技进步二等奖各1项。在Renewable and Sustainable Energy Reviews、ISPRS Journal of Photogrammetry and Remote Sensing、Journal of Experimental Botany、Field Crop Research、Plant Phenomics、Computers and Electronics in Agriculture等国际学术期刊上发表论文100余篇。

目录▼

前言

第1章 绪论

1.1 概述

1.1.1 智慧农业与植物表型

1.1.2 Python在植物表型研究中的应用

1.1.3 本书目标读者与使用指南

1.2 Python简介与环境配置

1.2.1 Python简介

1.2.2 Python的优缺点

1.2.3 Thonny的下载、安装及使用

1.3 Python基础语法

1.3.1 关键字

1.3.2 内置函数

1.3.3 数据类型与运算符

1.3.4 数据结构

1.4 编程范式

1.4.1 标准库

1.4.2 流程控制

1.4.3 函数和类

1.5 本章小结

参考文献

第2章 Python数据处理与绘图

2.1 数据清洗与可视化

2.1.1 数据清洗概述

2.1.2 数据可视化概述

2.2 NumPy数组处理

2.2.1 数组索引与切片

2.2.2 数据统计与分析

2.2.3 数字图像数据处理

2.3 Pandas数据清洗

2.3.1 数据读取与整理

2.3.2 缺失值、重复值和异常值处理

2.3.3 筛选与描述性统计

2.4 Matplotlib绘图

2.4.1 绘图风格及参数

2.4.2 画板及图纸

2.4.3 其他图形

2.4.4 多图绘制及组合

2.5 本章小结与习题

2.5.1 本章小结

2.5.2 习题

参考文献

第3章 数字图像处理

3.1 RGB数字图像处理

3.1.1 数字图像处理概念

3.1.2 Python语言与图像处理库OpenCV

3.1.3 图像处理基本操作

3.2 图像分割

3.2.1 形态学处理

3.2.2 边缘检测

3.2.3 阈值分割

3.2.4 聚类分割法

3.3 图像特征提取

3.3.1 颜色特征

3.3.2 纹理特征

3.3.3 形状特征

3.4 基于数字图像的植物表型解析实战

3.4.1 基于数字图像处理的烟叶表型分析

3.4.2 基于无人机图像的作物幼苗分割与表型提取

3.5 本章小结与习题

3.5.1 本章小结

3.5.2 习题

第4章 光谱数据处理

4.1 光谱图像概述

4.1.1 光谱成像的基本原理

4.1.2 光谱图像的数据结构与格式

4.1.3 光谱图像在植物表型分析中的应用

4.2 光谱数据预处理

4.2.1 光谱数据读取与可视化

4.2.2 光谱图像预处理

4.2.3 图像增强与变换

4.3 光谱特征提取

4.3.1 常用植被指数及其提取流程

4.3.2 高光谱反射峰特征分析与高阶数学变换

4.3.3 高光谱敏感波段筛选

4.4 光谱数据应用案例

4.4.1 多光谱解决方案:作物倒伏等级分类

4.4.2 高光谱解决方案:叶片氮含量估算

4.5 本章小结与习题

4.5.1 本章小结

4.5.2 习题

参考文献

第5章 基于三维点云的植物表型数据分析

5.1 近景主动式三维测量技术

……

文摘▼

本书主要内容包括Python基础概述,数据处理与绘图,数字农业中的图像处理,光谱与高光谱数据处理,基于三维点云数据的植物表型获取,基于机器学习的产量预测和基于深度学习的病害识别、计数与产量建模研究,既包含了基础研究,也包含了当前国内外的热点研究方向。通过引入此前沿技术,本书不仅紧跟时代步伐,也满足了读者对前沿科技的求知欲望,使学习过程更具挑战性和实用性。

本书适合农业科研人员、农业技术人员、农业企业管理者以及对智慧农业和植物表型感兴趣的本科生、研究生和爱好者阅读、参考。读者无须具备专业的编程和数学背景,但需要具备基本的计算机操作能力和对农业生产与植物生长发育过程的基本了解。

¥77.03
🛒购物车