| 摘要 | 第6-8页 |
| abstract | 第8-10页 |
| 第1章 绪论 | 第15-29页 |
| 1.1 研究背景 | 第15-18页 |
| 1.2 国内外研究现状 | 第18-23页 |
| 1.2.1 苹果霉心病检测方法相关研究 | 第18-20页 |
| 1.2.2 光谱特征提取方法相关研究 | 第20-21页 |
| 1.2.3 霉心病判别建模方法相关研究 | 第21-23页 |
| 1.3 苹果霉心病检测亟待解决的问题 | 第23-24页 |
| 1.4 主要研究内容 | 第24-25页 |
| 1.5 研究方法与技术路线 | 第25-26页 |
| 1.5.1 研究方法 | 第25页 |
| 1.5.2 技术路线 | 第25-26页 |
| 1.6 论文组织结构 | 第26-29页 |
| 第2章 透射光谱检测苹果霉心病影响因素分析与试验研究 | 第29-45页 |
| 2.1 引言 | 第29-30页 |
| 2.2 透射光谱检测苹果霉心病的机理分析 | 第30-33页 |
| 2.2.1 苹果霉心病病害机理 | 第30页 |
| 2.2.2 透射光谱检测苹果霉心病的机理分析 | 第30-33页 |
| 2.3 透射光谱检测苹果霉心病试验 | 第33-41页 |
| 2.3.1 试验对象 | 第33页 |
| 2.3.2 试验方案 | 第33-34页 |
| 2.3.3 试验方法与过程 | 第34-40页 |
| 2.3.4 数据预处理 | 第40页 |
| 2.3.5 建模样本集的确定 | 第40-41页 |
| 2.4 试验结果及分析 | 第41-43页 |
| 2.4.1 光源和光纤的选型对透射光谱的影响分析 | 第41-42页 |
| 2.4.2 苹果透射光谱采集范围与获取参数分析 | 第42页 |
| 2.4.3 苹果直径对光谱透射的影响 | 第42-43页 |
| 2.4.4 苹果密度对光谱透射的影响 | 第43页 |
| 2.5 本章小结 | 第43-45页 |
| 第3章 光谱预处理与特征提取方法研究 | 第45-57页 |
| 3.1 引言 | 第45-46页 |
| 3.2 光谱特性分析及光谱预处理 | 第46-48页 |
| 3.3 光谱特征提取方法 | 第48-54页 |
| 3.3.1 基于PCA（主成分分析）的特征提取方法 | 第49-51页 |
| 3.3.2 基于小波变换的光谱特征提取方法 | 第51-53页 |
| 3.3.3 基于SPA的光谱特征提取方法 | 第53-54页 |
| 3.4 3种光谱特征提取方法比较分析 | 第54-55页 |
| 3.5 本章小结 | 第55-57页 |
| 第4章 苹果霉心病有无及病害类型识别模型研究 | 第57-75页 |
| 4.1 引言 | 第57-58页 |
| 4.2 苹果霉心病判别模型样本构成及模型构建思路 | 第58页 |
| 4.3 基于PLS-DA的苹果霉心病病害识别模型 | 第58-59页 |
| 4.3.1 PLS-DA建模方法 | 第58-59页 |
| 4.3.2 PLS-DA模型建立与结果分析 | 第59页 |
| 4.4 基于BP神经的苹果霉心病病害识别模型 | 第59-63页 |
| 4.4.1 BP网络结构 | 第60页 |
| 4.4.2 BP网络学习过程 | 第60-62页 |
| 4.4.3 苹果霉心病识别BP模型设计和参数选择 | 第62页 |
| 4.4.4 模型建立与结果分析 | 第62-63页 |
| 4.5 基于遗传神经网络的苹果霉心病识别模型 | 第63-68页 |
| 4.5.1 遗传算法建模方法 | 第63-64页 |
| 4.5.2 基于遗传神经网络的苹果霉心病判别模型建立方法 | 第64-66页 |
| 4.5.3 模型验证与结果分析 | 第66-68页 |
| 4.6 基于GA-SVM的苹果霉心病病害判别模型 | 第68-71页 |
| 4.6.1 SVM分类基本理论 | 第68-69页 |
| 4.6.2 苹果霉心病病害SVM分类模型构建 | 第69-70页 |
| 4.6.3 GA对SVM的苹果霉心病判别模型进行参数寻优 | 第70-71页 |
| 4.6.4 SVM建模结果分析 | 第71页 |
| 4.7 不同建模方法识别结果分析与讨论 | 第71-73页 |
| 4.7.1 霉心病有无判别模型试验结果分析 | 第71-72页 |
| 4.7.2 霉心病类型识别模型试验结果与分析 | 第72-73页 |
| 4.7.3 GA-SVM与GA-BP-NN模型参数寻优讨论 | 第73页 |
| 4.8 本章小结 | 第73-75页 |
| 第5章 苹果霉心病病害程度判别模型研究 | 第75-85页 |
| 5.1 引言 | 第75页 |
| 5.2 常见病害程度判别模型及识别效果试验 | 第75-77页 |
| 5.2.1 苹果霉心病病害程度及模型评价标准 | 第75-76页 |
| 5.2.2 PLS-DA苹果霉心病病害程度判别模型 | 第76页 |
| 5.2.3 BP-NN苹果霉心病病害程度判别模型 | 第76-77页 |
| 5.2.4 SVM苹果霉心病病害程度判别模型 | 第77页 |
| 5.2.5 3种苹果霉心病病害程度判别模型比较 | 第77页 |
| 5.3 基于DBN的苹果霉心病病害程度识别模型研究 | 第77-83页 |
| 5.3.1 深度学习概述 | 第77-78页 |
| 5.3.2 基于深度学习的建模方法 | 第78-80页 |
| 5.3.3 基于DBN的苹果霉心病病害程度判别模型建立 | 第80-82页 |
| 5.3.4 4种建模方法结果分析 | 第82-83页 |
| 5.4 本章小结 | 第83-85页 |
| 第6章 苹果霉心病透射光谱无损检测系统设计与实现 | 第85-103页 |
| 6.1 引言 | 第85-86页 |
| 6.2 系统可行性分析和需求分析 | 第86-89页 |
| 6.2.1 系统可行性分析 | 第86页 |
| 6.2.2 系统需求分析 | 第86-89页 |
| 6.3 系统设计 | 第89-92页 |
| 6.3.1 系统架构设计 | 第89-90页 |
| 6.3.2 系统实现技术分析 | 第90页 |
| 6.3.3 系统详细设计 | 第90-92页 |
| 6.4 霉心病病害检测模块设计与实现 | 第92-97页 |
| 6.4.1 Java调用Matlab检测模型算法 | 第92-93页 |
| 6.4.2 霉心病病害有无模块设计与实现 | 第93-95页 |
| 6.4.3 霉心病病害程度模块设计与实现 | 第95-97页 |
| 6.5 霉心病无损检测系统界面设计与实现 | 第97页 |
| 6.6 霉心病无损检测系统集成与功能测试 | 第97-101页 |
| 6.6.1 系统集成 | 第97-98页 |
| 6.6.2 系统测试 | 第98-100页 |
| 6.6.3 测试结果分析 | 第100-101页 |
| 6.7 本章小结 | 第101-103页 |
| 第7章 结论与展望 | 第103-107页 |
| 7.1 结论 | 第103-104页 |
| 7.2 创新点 | 第104页 |
| 7.3 展望 | 第104-107页 |
| 参考文献 | 第107-115页 |
| 致谢 | 第115-117页 |
| 作者简介 | 第117页 |
