| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-20页 |
| ·研究意义 | 第10页 |
| ·粮食品级检测技术概况 | 第10-11页 |
| ·基于碰撞声信号的农产品品级检测技术研究现状 | 第11-18页 |
| ·采用时频分析法处理碰撞声信号 | 第11-14页 |
| ·采用主成分分析法处理碰撞声信号 | 第14-16页 |
| ·采用数据挖掘法处理碰撞声信号 | 第16-17页 |
| ·采用独立分量分析法处理碰撞声信号 | 第17-18页 |
| ·采用小波分析法处理碰撞声信号 | 第18页 |
| ·论文的研究内容及结构 | 第18-20页 |
| 第2章 基于碰撞声信号的玉米品级检测系统 | 第20-24页 |
| ·碰撞声信号玉米品级检测系统设计 | 第20-22页 |
| ·硬件设计 | 第20页 |
| ·软件设计 | 第20-22页 |
| ·实验材料与玉米碰撞声信号采集 | 第22-23页 |
| ·实验材料 | 第22页 |
| ·玉米碰撞声信号采集 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于PCA和BP神经网络的玉米品级识别研究 | 第24-34页 |
| ·主成分分析的基本理论 | 第24-25页 |
| ·主成分分析的概念及原理 | 第24-25页 |
| ·主成分分析的计算步骤 | 第25页 |
| ·玉米碰撞声信号特征提取 | 第25-30页 |
| ·幅值 | 第25-27页 |
| ·频率值 | 第27页 |
| ·功率谱密度值 | 第27-29页 |
| ·相位角值 | 第29-30页 |
| ·BP神经网络对玉米品级的识别研究 | 第30-32页 |
| ·BP神经网络概述 | 第30-31页 |
| ·样本数据的预处理 | 第31-32页 |
| ·BP神经网络参数选择 | 第32页 |
| ·实验结果分析 | 第32页 |
| ·本章小结 | 第32-34页 |
| 第4章 基于决策树和模糊推理系统的玉米品级识别研究 | 第34-44页 |
| ·决策树的基本理论 | 第34-35页 |
| ·决策树的概念 | 第34页 |
| ·决策树的算法 | 第34-35页 |
| ·模糊推理系统的基本理论 | 第35-36页 |
| ·模糊推理系统的推理步骤 | 第35页 |
| ·模糊推理系统的种类 | 第35-36页 |
| ·基于决策树的碰撞声信号特征提取 | 第36-38页 |
| ·信号特征 | 第36-37页 |
| ·决策树分类 | 第37-38页 |
| ·模糊推理系统对玉米品级的识别研究 | 第38-43页 |
| ·确定隶属函数 | 第39-40页 |
| ·建立模糊规则 | 第40-41页 |
| ·建立模糊推理系统 | 第41-42页 |
| ·实验结果分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 基于近似熵和Elman神经网络的玉米品级识别研究 | 第44-52页 |
| ·近似熵的基本理论 | 第44-45页 |
| ·基于近似熵的碰撞声信号特征提取 | 第45-48页 |
| ·幅值 | 第45-46页 |
| ·近似熵的参数选择 | 第46-48页 |
| ·Elman神经网络对玉米品级的识别研究 | 第48-51页 |
| ·Elman神经网络概述 | 第48-49页 |
| ·样本数据的预处理 | 第49-50页 |
| ·Elman神经网络参数选择 | 第50页 |
| ·Elman与BP神经网络对比实验结果分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-56页 |
| ·全文总结 | 第52-53页 |
| ·本文创新点 | 第53页 |
| ·展望 | 第53-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-64页 |
| 攻读硕士学位期间科研成果 | 第64页 |
