基于近红外光谱分析技术和计算机视觉技术的猪肉品质检测的研究

摘要	第1-8页
ABSTRACT	第8-14页
第一章 绪论	第14-23页
·中国猪肉行业的现状	第14-15页
·猪肉品质的检测方法	第15页
·猪肉的常规检测方法及缺点	第15页
·新的检测方法及本论文研究思路	第15页
·猪肉品质的近红外光谱技术检测	第15-19页
·近红外光谱分析的理论基础	第15-18页
·近红外光谱分析技术检测猪肉品质的基本原理	第18页
·国内外研究现状	第18-19页
·猪肉品质的计算机视觉技术检测	第19-20页
·计算机视觉技术简介	第19页
·计算机视觉检测品质的基本原理	第19页
·国内外研究现状	第19-20页
·猪肉品质的高光谱图像技术检测	第20页
·本研究的目的和主要内容	第20-22页
·本研究的主要目的	第20-22页
·本研究的主要内容	第22页
·本章小结	第22-23页
第二章 猪肉品质指标的理化测定及人工感官评定方法	第23-28页
·猪肉新鲜度的理化测定及等级评定	第23-25页
·猪肉新鲜度的简述	第23页
·猪肉新鲜度的测定	第23-25页
·猪肉新鲜度的等级评定	第25页
·猪肉嫩度的的理化测定及等级评定	第25-27页
·猪肉嫩度的简述	第25页
·猪肉嫩度的测定	第25-26页
·猪肉嫩度的等级评定	第26-27页
·本章小结	第27-28页
第三章 基于近红外光谱技术的猪肉品质的检测	第28-49页
·引言	第28页
·材料与方法	第28-33页
·试验材料	第28页
·主要仪器与检测方法	第28-31页
·近红外模型建立的基本步骤及评价指标	第31-33页
·猪肉新鲜度和嫩度的近红外PLS模型的建立	第33-36页
·近红外原始光谱的预处理	第33页
·PLS模型的建立	第33-36页
·特征谱曲筛选方法在新鲜度模型优化中的应用	第36-46页
·常规区间偏最小二乘模型的建立	第36-38页
·向后阈值区间偏最小二乘模型的建立	第38-40页
·遗传偏最小二乘模型的建立	第40-44页
·联合区间偏最小二乘模型的建立	第44-46页
·结果与讨论	第46-47页
·小结	第47-49页
第四章 基于计算机视觉技术的猪肉品质检测研究	第49-61页
·计算机视觉技术在猪肉新鲜度检测中的应用	第49-54页
·材料与方法	第49页
·猪肉图像的采集	第49-50页
·猪肉图像的颜色特征变量的提取	第50-52页
·识别模型的建立	第52-54页
·计算机视觉技术在猪肉嫩度检测中的应用	第54-59页
·材料与方法	第54页
·猪肉图像的采集	第54-55页
·纹理特征概述	第55页
·猪肉图像的纹理特征变量的提取	第55-57页
·识别模型的建立	第57-59页
·本章小结	第59-61页
第五章 多信息的融合技术评判猪肉新鲜度	第61-66页
·多传感信息融合信息技术的原理和方法	第61页
·试验材料与方法	第61-62页
·识别模型的建立	第62-65页
·基于近红外光谱的猪肉新鲜度识别模型的建立	第62-63页
·基于计算机视觉的猪肉新鲜度识别模型的建立	第63-64页
·基于近红外光谱和图像信息融合模型的建立	第64-65页
·本章小结	第65-66页
第六章 基于高光谱成像技术的猪肉嫩度检测研究	第66-74页
·引言	第66页
·高光谱图像技术的基本原理	第66-67页
·试验材料与方法	第67-69页
·试验材料	第67页
·高光谱图像的采集方法	第67-68页
·猪肉剪切力的测定及其嫩度划分标准	第68页
·高光谱图像的标定	第68-69页
·结果与讨论	第69-73页
·高光谱图像区域的选择	第69页
·特征波长图像的选取	第69-70页
·猪肉图像的纹理特征提取	第70-72页
·识别模型的建立与分析结果	第72-73页
·小结	第73-74页
第七章 结论与展望	第74-78页
·论文的主要结论	第74-76页
·本研究的展望	第76-78页
致谢	第78-79页
参考文献	第79-84页
在研期间发表的论文	第84-85页
附录	第85-91页