| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景和意义 | 第8页 |
| ·国内外农产品虫害检测的发展状况 | 第8-10页 |
| ·高光谱图像技术在农产品虫害检测领域的研究现状 | 第10页 |
| ·本论文的主要研究工作 | 第10-12页 |
| 第二章 高光谱图像系统与样本数据采集 | 第12-18页 |
| ·不同的高光谱图像采集系统及果蔬样本的选取 | 第12-15页 |
| ·果蔬的高光谱图像采集及校正 | 第15页 |
| ·偏最小二乘判别分析(PLSDA)及模型评估标准 | 第15-17页 |
| ·偏最小二乘判别分析(PLSDA) | 第15-16页 |
| ·模型评估标准之分类识别精度及假阳/阴性率 | 第16页 |
| ·果蔬中内部害虫的高光谱图像检测技术总流程图 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 基于高光谱图像技术的苹果多类缺陷检测 | 第18-28页 |
| ·实验样本的制备及高光谱反射图像采集 | 第18-19页 |
| ·苹果高光谱图像感兴趣区域及特征参数提取 | 第19-20页 |
| ·苹果高光谱图像的多分类主成分分析(PCA) | 第20-22页 |
| ·基于全波段的PLSDA检测分类 | 第22页 |
| ·基于波段选择的PLSDA检测分类 | 第22-27页 |
| ·PCA波段选择技术及原理 | 第23页 |
| ·反射率敏感性分析(RSA)波段选择技术及原理 | 第23页 |
| ·基于PCA的波段选择分析 | 第23-25页 |
| ·基于RSA的波段选择分析 | 第25-26页 |
| ·基于波段选择下的PLSDA检测分类结果 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 基于融合特征的山楂虫害高光谱图像检测技术研究 | 第28-40页 |
| ·实验样本及样本的高光谱反射图像采集 | 第28-29页 |
| ·苹果高光谱图像感兴趣区域及特征参数提取 | 第29-33页 |
| ·高光谱图像的特征提取 | 第29-31页 |
| ·类特征参数的分析 | 第31-33页 |
| ·基于PLSDA建模分类的最优特征选择 | 第33-35页 |
| ·单特征的PLSDA检测分类 | 第33-34页 |
| ·融合特征下的PLSDA检测分类 | 第34-35页 |
| ·基于三融合特征的山楂高光谱图像PCA分析 | 第35-36页 |
| ·基于RSA波段选择的PLSDA检测分类 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 基于迭代阈值的菜用大豆豆荚螟高光谱图像检测技术 | 第40-54页 |
| ·实验样本和高光谱透射图像采集 | 第40页 |
| ·感兴趣区域及特征参数提取 | 第40-48页 |
| ·感兴趣区域的手动提取 | 第41页 |
| ·基于平均灰度值的感兴趣区域自动提取 | 第41-42页 |
| ·基于迭代阈值的感兴趣区域自动提取 | 第42-46页 |
| ·感兴趣区域图像特征提取 | 第46-48页 |
| ·基于支持向量数据描述(SVDD)的菜用大豆豆荚螟分类识别 | 第48-53页 |
| ·基于全波段的SVDD分类识别 | 第48-49页 |
| ·基于三角模糊邻域的熵属性约简算法(FRSTCA)的SVDD分类识别 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 主要结论及展望 | 第54-56页 |
| 主要结论 | 第54-55页 |
| 展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第61页 |
