| 摘要 | 第7-9页 |
| Abstract | 第9-11页 |
| 1 绪论 | 第12-22页 |
| 1.1 课题来源 | 第12页 |
| 1.2 研究目的与意义 | 第12页 |
| 1.3 国内外研究现状 | 第12-18页 |
| 1.3.1 基于高光谱光谱维信息的农产品品质检测 | 第12-15页 |
| 1.3.2 基于高光谱图像维信息的农产品品质检测 | 第15-17页 |
| 1.3.3 基于高光谱图像和光谱信息融合的农产品品质检测 | 第17-18页 |
| 1.4 对已有研究的思考和分析 | 第18-19页 |
| 1.5 研究内容 | 第19-21页 |
| 1.6 技术路线 | 第21页 |
| 1.7 本章小结 | 第21-22页 |
| 2 基于高光谱图像维的马铃薯外部品质检测方法 | 第22-36页 |
| 2.1 概述 | 第22页 |
| 2.2 高光谱成像系统 | 第22-23页 |
| 2.2.1 高光谱成像技术简介 | 第22页 |
| 2.2.2 高光谱检测装置的搭建 | 第22-23页 |
| 2.3 数据处理方法 | 第23-26页 |
| 2.3.1 马铃薯图像颜色空间 | 第23-24页 |
| 2.3.2 马铃薯图像形态学处理 | 第24-25页 |
| 2.3.3 马铃薯图像特征 | 第25-26页 |
| 2.3.4 马铃薯图像建模方法 | 第26页 |
| 2.4 试验材料 | 第26-27页 |
| 2.5 样本集划分与图像特征提取 | 第27-29页 |
| 2.5.1 样本集划分 | 第27页 |
| 2.5.2 多种图像特征提取 | 第27-29页 |
| 2.6 基于高光谱图像特征的马铃薯外部品质检测模型比较 | 第29-34页 |
| 2.6.1 基于 0°灰度共生矩阵的马铃薯外部品质检测模型 | 第29-31页 |
| 2.6.2 基于 45°灰度共生矩阵的马铃薯外部品质检测模型 | 第31-32页 |
| 2.6.3 基于 90°灰度共生矩阵的马铃薯外部品质检测模型 | 第32-33页 |
| 2.6.4 基于不同图像纹理特征的建模方法比较 | 第33-34页 |
| 2.7 本章小结 | 第34-36页 |
| 3 基于高光谱光谱维的马铃薯内部品质检测方法 | 第36-46页 |
| 3.1 概述 | 第36页 |
| 3.2 材料与仪器 | 第36-37页 |
| 3.2.1 试验材料 | 第36页 |
| 3.2.2 试验仪器 | 第36-37页 |
| 3.3 定性建模方法 | 第37页 |
| 3.3.1 偏最小二乘判别分析（PLSDA） | 第37页 |
| 3.3.2 支持向量机（SVMDA） | 第37页 |
| 3.3.3 K最邻近法（KNN） | 第37页 |
| 3.4 光谱预处理 | 第37-38页 |
| 3.5 光谱变量优选方法 | 第38-40页 |
| 3.5.1 连续投影算法（SPA） | 第38-39页 |
| 3.5.2 竞争性自适应重加权算法(CARS) | 第39-40页 |
| 3.5.3 无信息变量消除法（UVE） | 第40页 |
| 3.6 基于高光谱光谱维信息的黑心马铃薯检测方法研究 | 第40-44页 |
| 3.6.1 基于连续投影算法（SPA）检测马铃薯内部品质 | 第40-41页 |
| 3.6.2 基于竞争性自适应重加权算法（CARS）检测马铃薯内部品质 | 第41-42页 |
| 3.6.3 基于无信息变量消除法（UVE）检测马铃薯内部品质 | 第42-43页 |
| 3.6.4 基于光谱变量二次优化检测马铃薯内部品质 | 第43-44页 |
| 3.7 本章小结 | 第44-46页 |
| 4 基于高光谱图像和光谱信息融合的马铃薯内外品质检测方法 | 第46-61页 |
| 4.1 概述 | 第46页 |
| 4.2 数据处理方法 | 第46-47页 |
| 4.2.1 模式识别方法概述 | 第46页 |
| 4.2.2 流形学习降维方法 | 第46-47页 |
| 4.2.3 高光谱信息融合方法 | 第47页 |
| 4.3 试验材料 | 第47-48页 |
| 4.4 马铃薯图像维特征的提取与优选方法 | 第48-51页 |
| 4.4.1 马铃薯图像形态学处理方法 | 第48-50页 |
| 4.4.2 基于灰度共生矩阵（GLCM）的马铃薯图像特征提取 | 第50页 |
| 4.4.3 基于连续投影算法（SPA）的马铃薯图像特征优选方法 | 第50-51页 |
| 4.5 马铃薯光谱维特征的不同降维方法 | 第51-54页 |
| 4.5.1 基于不同预处理方法的支持向量机（SVM）建模结果 | 第51-54页 |
| 4.5.2 不同降维算法的特征参数选取 | 第54页 |
| 4.6 高光谱图像和光谱信息融合的马铃薯内外部品质检测方法 | 第54-59页 |
| 4.6.1 流形学习结合支持向量机检测马铃薯内外部品质 | 第54-56页 |
| 4.6.2 流形学习结合极限学习机检测马铃薯内外部品质 | 第56-58页 |
| 4.6.3 不同建模方法的比较研究 | 第58-59页 |
| 4.7 本章小结 | 第59-61页 |
| 5 结论与展望 | 第61-64页 |
| 5.1 结论 | 第61-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 硕士就读期间科研成果 | 第70-71页 |
| 致谢 | 第71页 |
