1.国外研究现状
光谱分析技术简介光谱是反映辐射强度或其他与之相关性质随波长（波数）变化的谱图。它是一种被广泛应用于研究表征物质的化学组成，在分子层次上的结构及分子间相互作用的有力手段[1]。
美国德州仪器公司Ronald E.Stafford等人首先提出使用DMA作为光谱合成元件的成像光谱仪。然而对于光谱分析用于农业用途，Adel Bakhshipour A,Jafari A,Nassiri S M,et al在生物工程期刊上有研究杂草检测是一个复杂的问题，需要收集多个信息源才能成功识别[2]。要识别出株间才能将光谱检测用于农业。这是个不好解决的问题。
巴西AGR RES公司精准农业需要对肥力参数，特别是土壤有机质(SOM)，做出快速、自动的响应。他们却提出的方法是基于使用国家的近红外光谱库和大约43000样品和机器学习数据分析基于随机森林算法验证的方法通过提交12盲目的土壤样本的预测结果用于土壤肥力水平测定实验室资质,接收的最大质量卓越指数,表明它是适用于例行分析[3]。
爱荷华州立大学Jingyao Gai等认为植物的识别和定位尚未完全自动化。于是他们开发一个高通量的工厂识别和定位算法，通过融合2D颜色和纹理数据与三维点云数据。建立了植物形态模型，并应用于不同生长阶段不同杂草种类的植物识别[4]。
2.国内研究现状
我国光谱分析研究发展多年从最开始的明确论述了信息素的种类，介绍了国内外储粮害虫信息素的应用现状，结合实际，阐述了信息素在储粮害虫综合防治中应用前景，为研究打下基础。
对于机器识别株间准确定位研究对象，我国不少科学家研究了很多识别方法。比如胡炼提出了一种株间作物识别与定位方法。该方法可以正确识别出作物并提供准确的定位信息，能适应不同天气状况、不同种类的作物，棉苗正确识别率为95.8%，生菜苗正确识别率为100%[5]。
尹建军研究了基于(R-G)色差特征的阈值分割方法和基于HSI颜色空间H色调的统计阈值分割方法,并对其进行了对比分析[6]。用于蔬菜害虫治理还要有识别害虫的能力，杨红珍等人研究出在标准方法下获取昆虫图像，并经由Intemet网络上传给自动种类识别系统服务器，从而实现远程识别。采用该系统做测试，准确率达到96％以上[7]。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
