| 致谢 | 第1-8页 |
| 摘要 | 第8-11页 |
| Abstract | 第11-15页 |
| 目次 | 第15-19页 |
| 插图清单 | 第19-22页 |
| 表格清单 | 第22-24页 |
| 英文缩略表 | 第24-26页 |
| 第一章 绪论 | 第26-42页 |
| ·课题研究的目的和意义 | 第26-28页 |
| ·国内外水果无损检测方法的研究状况 | 第28-39页 |
| ·基于介电特性的水果品质无损检测 | 第28-30页 |
| ·基于电子鼻技术的水果品质无损检测 | 第30页 |
| ·基于核磁共振术及成像的水果品质无损检测 | 第30-31页 |
| ·基于机器视觉的水果图像处理国内外研究现状 | 第31-34页 |
| ·近红外光谱无损检测技术 | 第34页 |
| ·高光谱成像的无损检测技术 | 第34-39页 |
| ·研究内容和技术路线图 | 第39-41页 |
| ·研究的主要内容 | 第39-40页 |
| ·技术路线 | 第40-41页 |
| ·本章小节 | 第41-42页 |
| 第二章 实验材料、设备及实验研究方法 | 第42-80页 |
| ·研究对象及检测指标和方法 | 第42-45页 |
| ·库尔勒香梨 | 第42-44页 |
| ·香梨可溶性固形物测定方法 | 第44-45页 |
| ·图像和光谱的采集软硬件条件 | 第45-57页 |
| ·图像采集的软件和硬件条件 | 第45-49页 |
| ·近红外光谱采集的软件和硬件条件 | 第49-53页 |
| ·高光谱图像采集的硬件和软件条件 | 第53-57页 |
| ·图像处理与识别技术基本原理 | 第57-59页 |
| ·图像处理技术 | 第57页 |
| ·图像模式识别技术 | 第57-58页 |
| ·图像处理与图像识别技术 | 第58-59页 |
| ·基于可见/近红外光谱分析技术的理论基础 | 第59-69页 |
| ·近红外光谱原理 | 第59-63页 |
| ·近红外光谱分析的特点 | 第63-64页 |
| ·近红外光谱分析原理 | 第64-65页 |
| ·近红外光谱的分析过程 | 第65-68页 |
| ·近红外光谱数学模型优劣的评价标准 | 第68-69页 |
| ·图像处理和光谱分析中所用到的主要方法 | 第69-79页 |
| ·多元线性回归 | 第69-71页 |
| ·主成分回归 | 第71-72页 |
| ·偏最小二乘法回归 | 第72页 |
| ·判别分析 | 第72-73页 |
| ·人工神经网络 | 第73页 |
| ·支持向量机 | 第73-75页 |
| ·SIMCA方法 | 第75-76页 |
| ·数学形态学理论 | 第76-78页 |
| ·模糊C-均值聚类 | 第78-79页 |
| ·本章小节 | 第79-80页 |
| 第三章 机器视觉技术在水果品质检测中的研究 | 第80-129页 |
| ·颜色模型、图像分割和图像噪声 | 第80-85页 |
| ·图像分割方法简介 | 第80-82页 |
| ·颜色模型 | 第82-84页 |
| ·图像噪声 | 第84-85页 |
| ·基于机器视觉的水果脱萼果和宿萼果检测方法研究 | 第85-91页 |
| ·引言 | 第85-86页 |
| ·实验材料和方法 | 第86-90页 |
| ·结果和讨论 | 第90-91页 |
| ·基于机器视觉的水果边缘检测方法研究 | 第91-102页 |
| ·引言 | 第91-92页 |
| ·实验材料 | 第92页 |
| ·水果边缘检测方法 | 第92-102页 |
| ·结果和讨论 | 第102页 |
| ·基于数学形态学的水果果梗检测方法研究 | 第102-105页 |
| ·引言 | 第102-103页 |
| ·实验材料和方法 | 第103页 |
| ·基于数学形态学的果梗提取方法 | 第103-105页 |
| ·结果与讨论 | 第105页 |
| ·基于机器视觉的水果形状识别方法研究 | 第105-114页 |
| ·引言 | 第105-106页 |
| ·材料和果实形状特征提取方法 | 第106-109页 |
| ·基于离散指数的水果形状识别分析 | 第109-110页 |
| ·BP神经网络进行水果形状识别 | 第110-111页 |
| ·基于最小二乘支持向量机(LS-SVM)的水果形状识别模型建立和分析 | 第111-112页 |
| ·基于模糊c-均值聚类(FCM)的水果形状识别模型建立和分析 | 第112-113页 |
| ·结果和讨论 | 第113-114页 |
| ·基于机器视觉的水果重量预测方法研究 | 第114-127页 |
| ·引言 | 第114-115页 |
| ·材料和方法 | 第115-126页 |
| ·结果和讨论 | 第126-127页 |
| ·本章小结 | 第127-129页 |
| 第四章 近红外光谱分析在水果糖度和种类判别中的研究 | 第129-144页 |
| ·基于近红外漫反射光谱的香梨类别定性分析 | 第129-136页 |
| ·引言 | 第129页 |
| ·材料和方法 | 第129-130页 |
| ·基于DA判别分析的香梨类别判别分析 | 第130-133页 |
| ·基于SIMCA法的香梨类别判别模型的建立和分析 | 第133-135页 |
| ·结果和讨论 | 第135-136页 |
| ·基于近红外漫反射光谱的库尔勒香梨糖度定量及定性分析 | 第136-143页 |
| ·引言 | 第136页 |
| ·材料和方法 | 第136-137页 |
| ·偏最小二乘的回归模型建立及分析 | 第137-141页 |
| ·主成份回归模型建立及分析 | 第141-142页 |
| ·结果和讨论 | 第142-143页 |
| ·本章小结 | 第143-144页 |
| 第五章 高光谱成像技术在水果糖度检测中的研究 | 第144-150页 |
| ·引言 | 第144页 |
| ·材料和方法 | 第144-149页 |
| ·实验材料及准备 | 第144页 |
| ·高光谱图像采集 | 第144-145页 |
| ·可溶性固行物的测定 | 第145页 |
| ·高光谱图像进行糖度研究的基本过程 | 第145-146页 |
| ·模型建立与结果分析 | 第146-149页 |
| ·结果和讨论 | 第149页 |
| ·本章小结 | 第149-150页 |
| 第六章 结论与展望 | 第150-154页 |
| ·主要研究结论 | 第150-152页 |
| ·主要创新点 | 第152页 |
| ·进一步研究设想 | 第152-154页 |
| 参考文献 | 第154-164页 |
| 作者简历 | 第164页 |
