农业信息分析处理，涉及计算机、人工智能、大数据、云计算、数学等相关的科学技术，集中体现了新的科学技术发展进步。《农业信息的分析处理》重点论述农业信息分析处理技术在现代农业中的应用，全书共分8章，介绍了农业信息从信息源的各种状态到转化为对农业生产有价值的信息全过程，分析了农业信息分析处理在信息转化过程中的重要地位，介绍了农业生产、农民生活、农村建设中常用的信息分析处理技术与方法。在书中，作者结合一些智能信息分析处理技术在现代农业中的应用实例，介绍了农业信息智能分析处理系统的结构组成、功能作用、关键技术及实现等，将农业信息分析处理在现代农业中的应用探索与作者的研究心得、成果呈献给读者。
　　《农业信息的分析处理》可作为高等院校相关专业研究生、本科生学习的教材使用，也适宜对信息技术、智慧农业感兴趣的读者及相关的专业科技人员阅读。

前言
第1章 农业信息与智慧农业
1．1 农业信息及其分类
1．1．1 信息
1．1．2 “数据”“信息”“知识”与“智能”的关系
1．1．3 农业信息资源
1．2 农业大数据及其特点
1．2．1 大数据的概念
1．2．2 大数据国内外现状
1．2．3 大数据的机遇与面临的挑战
1．2．4 农业大数据的特殊问题
1．3 我国农业现代化的发展及问题
1．3．1 我国农业发展现状
1．3．2 问题与挑战
1．3．3 国外农业发展的经验教训
1．3．4 信息技术与农业现代化
1．4 智慧农业及其应用
1．4．1 智慧地球及其应用
1．4．2 智慧农业的概念
1．4．3 智慧农业的内涵
1．4．4 我国的智慧农业

第2章 农业信息分析处理基础
2．1 信息分析处理系统概述
2．1．1 信息处理
2．1．2 信息分析处理系统分类
2．1．3 几种典型的信息分析处理系统
2．2 信息分析处理系统的组成
2．2．1 计算机的发展
2．2．2 计算机系统
2．2．3 计算机的主要性能指标
2．2．4 计算机的中央处理器结构原理
2．2．5 计算机的存储器
2．2．6 农业信息处理系统简介
2．3 信息在计算机中的表示
2．3．1 数据的表示单位
2．3．2 计算机中数值的表示
2．3．3 文字符号的表示与编码
2．3．4 图像信息在计算机中的表示
2．3．5 音频信息在计算机中的表示
2．4 信息处理常用软件
2．4．1 Excel软件
2．4．2 SPSS软件
2．4．3 SAS统计分析

第3章 农业信息获取
3．1 信息获取技术概述
3．2 3S技术概述
3．2．1 地理信息系统
3．2．2 遥感技术
3．2．3 全球定位系统技术
3．2．4 3S集成技术
3．2．5 农业3S技术应用原理
3．2．6 3S技术在农业中的应用
3．3 图像视频信息的获取
3．3．1 常用的图像获取设备
3．3．2 视频采集卡
3．4 无线传感器网络
3．4．1 无线传感网络的特点
3．4．2 无线传感网络关键技术
3．4．3 无线传感网络的应用
3．4．4 传感网组成
3．4．5 无线传感器网络设计

第4章 农业信息处理
4．1 信息处理概述
4．2 信息的压缩处理
4．3 声音数据的处理
4．3．1 噪声
4．3．2 声音信息降噪方法
4．3．3 声音处理的流程
4．4 图像信息的处理
4．4．1 图像处理的基础知识
4．4．2 基本的图像处理
4．4．3 图像滤波处理的方法
4．4．4 图像融合技术

第5章 农业信息的分析方法
5．1 分析与信息分析
5．1．1 分析
5．1．2 信息分析
5．2 信息分析的性质
5．2．1 思维的基本过程
5．2．2 方法
5．3 信息分析的方法
5．3．1 信息分析方法论
5．3．2 信息分析方法的分类
5．3．3 定性分析法
5．3．4 定量分析法
5．3．5 定性与定量相结合的分析方法
5．4 大数据的分析
5．4．1 大数据的分析处理
5．4．2 Hadoop集群简介
5．5 信息分析实例

第6章 农业信息智能分析处理系统
6．1 智慧农业信息平台的研究建设
6．1．1 智慧农业信息平台构建
6．1．2 智慧农业信息平台建设
6．2 农业生产过程智能监控系统
6．2．1 农业生产过程智能监控系统流程结构
6．2．2 农业生产过程智能监控系统的功能结构
6．2．3 农业生产过程智能监控系统的安全问题
6．3 人工智能技术
6．3．1 人工智能及其发展
6．3．2 人工智能的基本方法
6．3．3 人工智能的研究与应用领域
6．3．4 我国人工智能研究领域的问题
6．4 农业信息智能分析处理系统
6．4．1 系统组成结构
6．4．2 农业信息智能分析处理的输入与输出
6．4．3 农业信息智能分析处理系统的功能

第7章 农业信息智能分析算法
7．1 信息分析的智能算法
7．2 人工神经网络算法
7．2．1 神经元的基本模型
7．2．2 神经网络的基本特点
7．2．3 BP算法
7．3 深度学习的原理
7．3．1 深度信念网络DBN
7．3．2 卷积神经网络CNN
7．3．3 递归神经网络RNN
7．3．4 深度学习的应用
7．4 隐马尔可夫链的原理与算法
7．4．1 马尔可夫链的定义
7．4．2 隐马尔可夫模型
7．4．3 用HMM对面部表情识别
7．5 花卉图像的分析识别
7．5．1 纹理特征
7．5．2 颜色特征
7．5．3 形状特征
7．5．4 相似性度量
7．5．5 基于贝叶斯的图像检索
7．5．6 图像检索模块的构建与分析

第8章 果树生长管理的智能分析处理系统
8．1 果树模型分析
8．1．1 果树数据的获取
8．1．2 树冠截面为三角形的计算分析
8．1．3 树冠截面为梯形的计算分析
8．1．4 果树连续覆盖阴影面积积分求解
8．1．5 栅格化求解
8．1．6 南北行向的距离范围
8．1．7 实例分析
8．2 利用ENVI进行植被分析
8．2．1 植被分析基础
8．2．2 植被分析
8．2．3 植被增强显示
8．2．4 植被指数计算器
8．2．5 林木健康分析
8．2．6 农作物胁迫（Agricultural Stress）
8．2．7 易燃性分布分析
8．2．8 植被抑制工具
8．3 果树病虫害监测预报原理与建模
8．3．1 综合应用3s技术进行果树病虫害分析
8．3．2 病虫害监测预报建模的方法
8．4 果树虫害的识别
8．5 果树生长管理的智能分析处理系统
8．5．1 系统功能结构设计
8．5．2 智能分析处理模块的设计
8．5．3 系统的体系结构