| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 前言 | 第9-21页 |
| 1.1 研究背景及研究意义 | 第9-12页 |
| 1.1.1 水稻种子鉴别的必要性 | 第9-10页 |
| 1.1.2 水稻种子鉴别的技术现状 | 第10-12页 |
| 1.2 近红外光谱技术及其应用现状 | 第12-18页 |
| 1.2.1 近红外光谱判别分析的应用原理 | 第12-16页 |
| 1.2.2 近红外光谱判别分析技术在农产品检测中的应用 | 第16-18页 |
| 1.3 研究内容及技术路线 | 第18-21页 |
| 第二章 水稻种子近红外光谱实验 | 第21-28页 |
| 2.1 鉴别样品与干扰样品的制备 | 第21-23页 |
| 2.2 近红外光谱采集 | 第23-25页 |
| 2.3 定标、预测和检验过程的设计 | 第25-26页 |
| 2.4 评价指标 | 第26-28页 |
| 第三章 相关的化学计量学方法研究 | 第28-41页 |
| 3.1 光谱校正方法 | 第28-30页 |
| 3.2 判别分析方法 | 第30-32页 |
| 3.2.1 偏最小二乘判别分析方法(PLS-DA) | 第30-31页 |
| 3.2.2 双相关系数方法(BiCC) | 第31-32页 |
| 3.3 波长筛选方法 | 第32-35页 |
| 3.3.1 移动窗口(MW)波长筛选方法 | 第32-33页 |
| 3.3.2 等间隔组合(EC)波长筛选方法 | 第33-35页 |
| 3.4 判别分析与波长筛选的集成优化方法 | 第35-39页 |
| 3.4.1 MW-PLS-DA方法 | 第35-36页 |
| 3.4.2 EC-PLS-DA方法 | 第36-39页 |
| 3.4.3 MW-BiCC方法 | 第39页 |
| 3.4.4 EC-BiCC方法 | 第39页 |
| 3.5 模型空间 | 第39-41页 |
| 第四章 水稻种子鉴别的近红外判别分析 | 第41-79页 |
| 4.1 光谱特征分析 | 第41-43页 |
| 4.2 直接判别分析模型 | 第43-45页 |
| 4.2.1 PLS-DA模型 | 第43-44页 |
| 4.2.2 BiCC模型 | 第44-45页 |
| 4.3 基于波长筛选的判别分析模型 | 第45-68页 |
| 4.3.1 MW-PLS-DA模型 | 第45-51页 |
| 4.3.2 EC-PLS-DA模型 | 第51-65页 |
| 4.3.3 MW-BiCC模型 | 第65-66页 |
| 4.3.4 EC-BiCC模型 | 第66-68页 |
| 4.4 最优模型集 | 第68-70页 |
| 4.5 模型检验 | 第70-79页 |
| 4.5.1 基于PLS-DA的模型检验 | 第70-76页 |
| 4.5.2 基于BiCC的模型检验 | 第76-79页 |
| 第五章 总结与展望 | 第79-83页 |
| 5.1 总结 | 第79-81页 |
| 5.2 展望 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 在学期间发表论文 | 第87-88页 |
| 致谢 | 第88-89页 |