| 中文摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究的目的和意义 | 第8-9页 |
| 1.2 高光谱分析技术在国内外的研究现状 | 第9-10页 |
| 1.3 研究内容 | 第10-13页 |
| 第2章 高光谱技术的理论基础 | 第13-17页 |
| 2.1 引言 | 第13页 |
| 2.2 近红外光谱分析的基本原理 | 第13-15页 |
| 2.2.1 近红外光谱检测技术的原理 | 第13-14页 |
| 2.2.2 近红外光谱技术预测物质成分的过程 | 第14-15页 |
| 2.3 高光谱成像技术的特点 | 第15-16页 |
| 2.4 本章小结 | 第16-17页 |
| 第3章 高光谱数据分析与建模方法 | 第17-25页 |
| 3.1 引言 | 第17页 |
| 3.2 高光谱数据预处理方法 | 第17-19页 |
| 3.2.1 导数处理 | 第17页 |
| 3.2.2 标准正态变量变换 | 第17-18页 |
| 3.2.3 多元散射校正 | 第18页 |
| 3.2.4 数据平滑 | 第18-19页 |
| 3.3 光谱数据的机器学习分类算法 | 第19-24页 |
| 3.3.1 支持向量机 | 第19-21页 |
| 3.3.2 决策树 | 第21-22页 |
| 3.3.3 随机森林 | 第22-23页 |
| 3.3.4 梯度提升决策树 | 第23-24页 |
| 3.4 本章小结 | 第24-25页 |
| 第4章 基于可视/进红外光高光谱技术的苹果损伤位置提取方法 | 第25-40页 |
| 4.1 引言 | 第25页 |
| 4.2 苹果高光谱数据的获取 | 第25-27页 |
| 4.2.1 试验材料准备与损伤试验 | 第25-26页 |
| 4.2.2 高光谱图像采集系统的设计 | 第26-27页 |
| 4.3 反射率的校正 | 第27-28页 |
| 4.4 通过无监督的主成分分析提取特征波长 | 第28-32页 |
| 4.5 苹果损伤区域的精确提取方法 | 第32-34页 |
| 4.6 苹果损伤分类模型的建立与评估 | 第34-39页 |
| 4.7 本章小结 | 第39-40页 |
| 第5章 基于可视/进红外光高光谱技术的苹果损伤时间分类模型 | 第40-50页 |
| 5.1 引言 | 第40页 |
| 5.2 苹果光谱数据的重采样 | 第40-43页 |
| 5.3 苹果损伤时间模型评估与选择 | 第43-44页 |
| 5.4 苹果光谱数据的预处理 | 第44-45页 |
| 5.5 苹果损伤时间相关的特征波长的提取 | 第45-47页 |
| 5.6 苹果损伤时间分类模型的优化 | 第47-49页 |
| 5.7 本章小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间发表的学术论文 | 第59页 |