| 摘要 | 第5-7页 |
| ABSTRACT | 第7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究的意义 | 第11-12页 |
| 1.3 高光谱成像技术无损检测农产品内部品质研究现状 | 第12-14页 |
| 1.3.1 国外研究现状 | 第12-13页 |
| 1.3.2 国内研究现状 | 第13-14页 |
| 1.4 高光谱成像技术对农产品外部缺陷研究现状 | 第14-16页 |
| 1.4.1 国外研究现状 | 第14-15页 |
| 1.4.2 国内研究现状 | 第15-16页 |
| 1.5 论文内容结构 | 第16-18页 |
| 第二章 本试验研究平台 | 第18-26页 |
| 2.1 高光谱成像系统概述 | 第18页 |
| 2.2 高光谱成像系统构成 | 第18-20页 |
| 2.3 高光谱图像的获取方式 | 第20-21页 |
| 2.4 高光谱图像的数据特点 | 第21-23页 |
| 2.5 高光谱图像处理的流程 | 第23-26页 |
| 第三章 试验设计及算法工具 | 第26-34页 |
| 3.1 试验设计方案 | 第26页 |
| 3.2 试验材料与工具 | 第26-29页 |
| 3.2.1 苹果 | 第26-27页 |
| 3.2.2 高光谱设备配置 | 第27-28页 |
| 3.2.3 数字阿贝折光仪 | 第28-29页 |
| 3.3 试验算法选取与参数设置 | 第29-34页 |
| 3.3.1 一种新的波段比算法Band Math | 第29页 |
| 3.3.2 PCA变换 | 第29页 |
| 3.3.3 竞争性自适应重加权波段挑选方法CARS | 第29-31页 |
| 3.3.4 UVE无信息变量消除法 | 第31页 |
| 3.3.5 GA遗传算法 | 第31-32页 |
| 3.3.6 基于PLS建立可溶性固形物预测模型 | 第32-33页 |
| 3.3.7 图像处理方法 | 第33-34页 |
| 第四章 苹果外部常见缺陷检测 | 第34-41页 |
| 4.1 样本处理与高光谱数据采集 | 第34页 |
| 4.2 感兴趣区域的提取 | 第34-36页 |
| 4.3 基于趋势分析的BAND MATH算法 | 第36-39页 |
| 4.4 基于全波段PCA变换挑选特征波段 | 第39-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 苹果可溶性固形物含量无损检测 | 第41-53页 |
| 5.1 高光谱数据采集 | 第41页 |
| 5.1.1 试验样本处理 | 第41页 |
| 5.1.2 配置高光谱采集系统参数 | 第41页 |
| 5.2 样本原始光谱 | 第41-42页 |
| 5.3 可溶性固形物（SSC）的真实值测量 | 第42-43页 |
| 5.4 本试验特征波长挑选的意义 | 第43页 |
| 5.5 特征波长挑选后的PLS建模结果 | 第43-51页 |
| 5.5.1 基于全波段的PLS建模预测模型 | 第43-44页 |
| 5.5.2 基于UVE挑选特征波长的PLS建模预测模型 | 第44-45页 |
| 5.5.3 基于GA挑选特征波长的PLS建模预测模型 | 第45-48页 |
| 5.5.4 基于CARS挑选特征波长的PLS建模预测模型 | 第48-51页 |
| 5.6 本章小结 | 第51-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 作者简介 | 第60页 |
