| 摘要 | 第9-11页 |
| ABSTRACT | 第11-12页 |
| 第一章: 绪论 | 第13-19页 |
| 1.1 研究目的与意义 | 第13-14页 |
| 1.1.1 苹果产业发展状况 | 第13页 |
| 1.1.2 水果品质无损检测技术 | 第13-14页 |
| 1.1.3 高光谱检测与分析技术 | 第14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 特征波长优选 | 第14-15页 |
| 1.2.2 水果内部品质检测 | 第15-16页 |
| 1.2.3 集成学习 | 第16-17页 |
| 1.3 研究目标、内容及研究路线 | 第17-19页 |
| 1.3.1 课题来源 | 第17页 |
| 1.3.2 研究目标 | 第17页 |
| 1.3.3 研究内容 | 第17-18页 |
| 1.3.4 技术路线 | 第18-19页 |
| 第二章 试验材料与数据获取方法 | 第19-29页 |
| 2.1 试验样本 | 第19页 |
| 2.2 高光谱数据的采集 | 第19-24页 |
| 2.2.1 高光谱成像系统 | 第19-20页 |
| 2.2.2 高光谱数据采集 | 第20-21页 |
| 2.2.3 高光谱信息选择 | 第21-22页 |
| 2.2.4 高光谱数据预处理 | 第22-24页 |
| 2.2.5 实现软件 | 第24页 |
| 2.3 内部品质参照值的测量 | 第24-27页 |
| 2.3.1 “黄金帅”苹果糖度测量 | 第24-25页 |
| 2.3.2 “黄金帅”苹果硬度测量 | 第25-26页 |
| 2.3.3 “黄金帅”苹果含水率测量 | 第26-27页 |
| 2.4 定量分析模型性能指标与评价依据 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 苹果高光谱特征波长选择方法研究 | 第29-49页 |
| 3.1 引言 | 第29页 |
| 3.2 特征波长选择方法及其结果分析 | 第29-41页 |
| 3.2.1 基于无信息变量消除法的高光谱特征波长选择 | 第29-32页 |
| 3.2.2 基于正自性加权平均算法的高光谱特征波长选择 | 第32-35页 |
| 3.2.3 基于遗传算法的高光谱特征波长选择 | 第35-38页 |
| 3.2.4 基于连续投影算法的高光谱特征波长选择 | 第38-41页 |
| 3.3 多种高光谱特征波长选择算法的融合 | 第41-47页 |
| 3.3.1 特征波长融合方法 | 第41页 |
| 3.3.2 基于不同高光谱特征波长选择方法的融合结果 | 第41-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第四章 基于集成学习的苹果高光谱与品质信息的相关性分析方法研究 | 第49-63页 |
| 4.1 引言 | 第49-50页 |
| 4.2 高光谱品质检测分析模型建立与结果分析 | 第50-56页 |
| 4.2.1 多元线性回归模型及其结果分析 | 第50-51页 |
| 4.2.2 偏最小二乘回归模型及其结果分析 | 第51-52页 |
| 4.2.3 支持向量回归模型及其结果分析 | 第52-53页 |
| 4.2.4 主成分回归模型及其结果分析 | 第53-54页 |
| 4.2.5 BP神经网络模型及其结果分析 | 第54-56页 |
| 4.3 基于BAGGING集成框架的苹果品质相关性分析 | 第56-61页 |
| 4.3.1 集成学习方法 | 第56页 |
| 4.3.2 集成学习框架搭建 | 第56-58页 |
| 4.3.3 基于集成学习框架的苹果内部品质建模分析与评价 | 第58-61页 |
| 4.4 本章小结 | 第61-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63-64页 |
| 5.1.1 主要结论 | 第63-64页 |
| 5.1.2 主要创新点 | 第64页 |
| 5.2 未来工作 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-73页 |
| 附录Ⅰ | 第73-77页 |
| 附录Ⅱ 攻读学位期间研究成果 | 第77页 |
