| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 研究背景和意义 | 第12页 |
| 1.2 大米检测传统方法 | 第12-13页 |
| 1.3 大米检测无损检测方法 | 第13-17页 |
| 1.3.1 可见/近红外光谱技术及其在谷物检测中的应用 | 第13-14页 |
| 1.3.2 计算机视觉技术及其在大米检测中的应用 | 第14-15页 |
| 1.3.3 高光谱成像技术及其在谷物检测中的应用 | 第15-17页 |
| 1.4 国内外研究存在的主要问题 | 第17页 |
| 1.5 研究目标及研究内容 | 第17-19页 |
| 1.5.1 研究目标 | 第17-18页 |
| 1.5.2 研究内容 | 第18页 |
| 1.5.3 技术路线 | 第18-19页 |
| 1.6 本章小结 | 第19-21页 |
| 第二章 应用高光谱的波谱信息快速区分大米产地 | 第21-44页 |
| 2.1 引言 | 第21页 |
| 2.2 材料与设备 | 第21-24页 |
| 2.2.1 大米样品 | 第21-22页 |
| 2.2.2 可见/近红外高光谱成像系统 | 第22-24页 |
| 2.3 试验方法 | 第24-26页 |
| 2.3.1 高光谱图像采集 | 第24-25页 |
| 2.3.2 图像前处理 | 第25-26页 |
| 2.4 光谱特征提取 | 第26-30页 |
| 2.4.1 光谱预处理 | 第26-29页 |
| 2.4.2 特征波段选择 | 第29-30页 |
| 2.5 模型建立 | 第30-35页 |
| 2.5.1 偏最小二乘回归算法(PLSR) | 第31页 |
| 2.5.2 最小二乘支持向量机（LS-SVM） | 第31-33页 |
| 2.5.3 反向传播神经网络(BPNN) | 第33-35页 |
| 2.6 大米产地可视化 | 第35页 |
| 2.7 结果与讨论 | 第35-42页 |
| 2.7.1 大米样本光谱特征曲线分析 | 第35-36页 |
| 2.7.2 分类模型建立方法对全波段光谱模型的影响 | 第36-38页 |
| 2.7.3 光谱预处理对全波段光谱模型的影响 | 第38-40页 |
| 2.7.4 特征波段选择对光谱模型的影响 | 第40-41页 |
| 2.7.5 大米产地可视化效果 | 第41-42页 |
| 2.8 本章小结 | 第42-44页 |
| 第三章 应用高光谱成像的图像信息快速区分大米产地 | 第44-58页 |
| 3.1 引言 | 第44页 |
| 3.2 材料与设备 | 第44页 |
| 3.2.1 大米样品 | 第44页 |
| 3.2.2 可见/近红外高光谱图像成像系统 | 第44页 |
| 3.3 试验方法 | 第44页 |
| 3.4 图像特征提取 | 第44-53页 |
| 3.4.1 大米颗粒粒形特征提取 | 第44-47页 |
| 3.4.2 大米颗粒透明度特征提取 | 第47页 |
| 3.4.3 大米颗粒纹理特征提取 | 第47-53页 |
| 3.5 分类模型建立 | 第53-54页 |
| 3.6 结果与讨论 | 第54-57页 |
| 3.7 本章小结 | 第57-58页 |
| 第四章 融合高光谱波谱图像的大米营养指标快速检测 | 第58-70页 |
| 4.1 引言 | 第58页 |
| 4.2 材料与设备 | 第58-59页 |
| 4.2.1 大米样品 | 第58页 |
| 4.2.2 试剂 | 第58页 |
| 4.2.3 设备 | 第58-59页 |
| 4.3 试验方法 | 第59-61页 |
| 4.3.1 水分含量测定 | 第59页 |
| 4.3.2 蛋白质含量测定 | 第59页 |
| 4.3.3 淀粉含量测定 | 第59-61页 |
| 4.4 大米样品营养成分的高光谱数据处理 | 第61-62页 |
| 4.4.1 大米样品光谱特征提取 | 第61页 |
| 4.4.2 大米样品图像特征提取 | 第61页 |
| 4.4.3 大米营养指标回归模型建立 | 第61-62页 |
| 4.5 结果与讨论 | 第62-68页 |
| 4.5.1 大米营养成分的含量 | 第62页 |
| 4.5.2 大米营养成分的特征波长 | 第62-64页 |
| 4.5.3 大米营养成分的回归模型效果 | 第64-68页 |
| 4.6 本章小结 | 第68-70页 |
| 结论与展望 | 第70-73页 |
| 参考文献 | 第73-83页 |
| 攻读硕士学位期间取得的研究成果 | 第83-85页 |
| 致谢 | 第85-86页 |
| 附件 | 第86页 |