| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-20页 |
| 1.1 红枣产业概述 | 第8-9页 |
| 1.2 无损检测技术简介 | 第9-10页 |
| 1.3 高光谱图像技术介绍 | 第10-13页 |
| 1.4 高光谱图像技术国内外研究现状 | 第13-18页 |
| 1.5 本文主要研究内容及技术路线 | 第18-19页 |
| 1.6 本章小结 | 第19-20页 |
| 第2章 实验材料与理化分析方法 | 第20-26页 |
| 2.1 实验样品 | 第20页 |
| 2.2 实验仪器与软件 | 第20-23页 |
| 2.3 理化分析方法 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 高光谱图像技术的功能介绍与仪器设定说明 | 第26-31页 |
| 3.1 高光谱图像技术的图像功能应用 | 第26-27页 |
| 3.2 高光谱图像技术的多目标识别功能 | 第27-28页 |
| 3.3 高光谱分选仪的仪器设定 | 第28-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 高光谱图像数据的采集与处理 | 第31-54页 |
| 4.1 图像采集与前期处理 | 第31-32页 |
| 4.2 反射光谱的获取 | 第32-33页 |
| 4.3 界外样本判别 | 第33-35页 |
| 4.4 高光谱分析方法 | 第35-46页 |
| 4.5 高光谱图像技术常用的建模方法 | 第46-52页 |
| 4.6 高光谱模型的评价参数 | 第52-53页 |
| 4.7 本章小结 | 第53-54页 |
| 第5章 高光谱图像技术的定量结果分析 | 第54-66页 |
| 5.1 样本形态性质与理化测量 | 第54-55页 |
| 5.2 近红外高光谱图像技术与近红外光谱技术定量分析的区别与联系 | 第55-56页 |
| 5.3 高光谱图像技术的总糖预测模型的建立 | 第56-60页 |
| 5.4 高光谱图像技术的水分预测模型的建立 | 第60-65页 |
| 5.5 本章小结 | 第65-66页 |
| 第6章 结论展望与创新点 | 第66-69页 |
| 6.1 结论 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 6.3 创新点 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 作者简介 | 第73页 |