| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-9页 |
| 目次 | 第9-11页 |
| 图清单 | 第11-13页 |
| 表清单 | 第13-14页 |
| 1 绪论 | 第14-26页 |
| ·课题研究背景及意义 | 第14-15页 |
| ·近红外光谱检测技术、图像处理技术和多学科信息融合技术 | 第15-17页 |
| ·近红外光谱检测技术 | 第15-16页 |
| ·图像处理检测技术 | 第16页 |
| ·多源信息融合技术 | 第16-17页 |
| ·昆虫检测国内外研究现状 | 第17-20页 |
| ·近红外光谱技术在昆虫检测中国内外研究现状 | 第17-19页 |
| ·图像处理技术在昆虫检测中国内外研究现状 | 第19-20页 |
| ·本文研究思路及主要内容 | 第20-25页 |
| ·研究对象的选取 | 第21-22页 |
| ·研究思路 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 2 鳞翅目幼虫分类模型 | 第26-30页 |
| ·系统总体结构设计 | 第26-27页 |
| ·近红外光谱分析中幼虫信息的多元性 | 第27-28页 |
| ·鳞翅目幼虫趾钩排序模型 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 3 近红外光谱检测技术应用于幼虫分类 | 第30-56页 |
| ·近红外光谱检测技术原理及特点 | 第30-31页 |
| ·用于近红外光谱定性分析的化学计量学方法 | 第31-39页 |
| ·光谱数据预处理常用方法 | 第32-34页 |
| ·模式识别定性分析方法 | 第34-37页 |
| ·数学模型评价指标 | 第37-39页 |
| ·幼虫近红外光谱数据采集 | 第39-41页 |
| ·幼虫样品制备 | 第39页 |
| ·幼虫光谱采集 | 第39-41页 |
| ·幼虫近红外光谱数据预处理 | 第41-44页 |
| ·偏最小二乘分析法（PLS-DA）实验数据分析结果 | 第44-49页 |
| ·PLS-DA 判别模型的建立与验证 | 第44-47页 |
| ·PLS-DA 模型对未知样品的验证 | 第47-49页 |
| ·SIMCA 法实验数据分析结果 | 第49-53页 |
| ·校正集 PCA 模型主成分分析 | 第49-51页 |
| ·校正集 PCA 模型主成分数选择 | 第51-53页 |
| ·无监督模式识别定性方法实验数据分析结果 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 4 计算机视觉技术应用于幼虫趾钩分类 | 第56-78页 |
| ·趾钩显微图像采集 | 第56页 |
| ·趾钩图像配准及融合 | 第56-61页 |
| ·趾钩图像分割 | 第61-70页 |
| ·趾钩图像特征提取 | 第70-76页 |
| ·形态学骨架提取 | 第71-72页 |
| ·Harris 角点检测 | 第72-74页 |
| ·Hough 圆变换检测及曲线检测 | 第74-76页 |
| ·本章小结 | 第76-78页 |
| 5 幼虫识别验证 | 第78-85页 |
| ·多源信息融合技术应用于幼虫识别的初探 | 第78-84页 |
| ·多源信息融合技术的原理和方法 | 第78-79页 |
| ·基于神经网络的幼虫多源信息融合模型的建立 | 第79-82页 |
| ·幼虫多源信息融合模型的识别结果 | 第82-84页 |
| ·本章小结 | 第84-85页 |
| 6 总结与展望 | 第85-87页 |
| ·论文工作总结 | 第85-86页 |
| ·展望 | 第86-87页 |
| 参考文献 | 第87-90页 |
| 作者简历 | 第90页 |