基于高光谱成像技术熟牛肉新鲜度快速检测方法研究
| 摘要 | 第13-16页 |
| Abstract | 第16-19页 |
| 第一章 绪论 | 第20-38页 |
| 1.1 研究目的及意义 | 第20-22页 |
| 1.2 肉品新鲜度指标常规检测方法 | 第22-24页 |
| 1.2.1 挥发性盐基氮含量 | 第22-23页 |
| 1.2.2 菌落总数 | 第23页 |
| 1.2.3 生物胺含量 | 第23页 |
| 1.2.4 水分含量 | 第23-24页 |
| 1.3 肉品新鲜度指标快速检测方法 | 第24-34页 |
| 1.3.1 近红外光谱技术 | 第24-26页 |
| 1.3.2 计算机视觉技术 | 第26-28页 |
| 1.3.3 高光谱成像技术 | 第28-34页 |
| 1.4 研究内容与技术路线 | 第34-37页 |
| 1.4.1 研究内容 | 第34-36页 |
| 1.4.2 技术路线 | 第36-37页 |
| 1.5 本章小结 | 第37-38页 |
| 第二章 实验材料与数据分析方法 | 第38-64页 |
| 2.1 高光谱成像系统 | 第38-41页 |
| 2.1.1 高光谱成像系统的组成 | 第38-39页 |
| 2.1.2 高光谱图像数据的获取与校正 | 第39页 |
| 2.1.3 图像分割与光谱数据提取 | 第39-41页 |
| 2.2 实验样本准备及理化值的测定 | 第41-43页 |
| 2.2.1 样本准备 | 第41-42页 |
| 2.2.2 理化值测定 | 第42-43页 |
| 2.3 光谱预处理方法 | 第43-45页 |
| 2.3.1 多元散射校正 | 第43-44页 |
| 2.3.2 小波变换 | 第44页 |
| 2.3.3 标准正态变量变换 | 第44-45页 |
| 2.3.4 二阶导数 | 第45页 |
| 2.4 特征波长选择算法 | 第45-50页 |
| 2.4.1 变量组合集群分析法 | 第46页 |
| 2.4.2 随机蛙跳 | 第46-48页 |
| 2.4.3 克隆选择算法 | 第48-49页 |
| 2.4.4 稀疏表示 | 第49-50页 |
| 2.5 图像纹理及颜色特征提取方法 | 第50-55页 |
| 2.5.1 Tamura算法 | 第50-52页 |
| 2.5.2 离散小波变换奇异值分解算法 | 第52-53页 |
| 2.5.3 离散余弦变换系数分解算法 | 第53-54页 |
| 2.5.4 RGB及HSV颜色模型提取算法 | 第54-55页 |
| 2.6 多元数据分析方法 | 第55-62页 |
| 2.6.1 主成分分析 | 第56页 |
| 2.6.2 偏最小二乘回归 | 第56-57页 |
| 2.6.3 BP人工神经网络 | 第57-58页 |
| 2.6.4 最小二乘支持向量机 | 第58-59页 |
| 2.6.5 极限学习机 | 第59-60页 |
| 2.6.6 族类独立软模式 | 第60-61页 |
| 2.6.7 模糊神经网络 | 第61-62页 |
| 2.7 模型评价方法 | 第62-63页 |
| 2.8 本章小结 | 第63-64页 |
| 第三章 熟牛肉新鲜度光谱特征信息建模 | 第64-99页 |
| 3.1 熟牛肉新鲜度指标实测值统计分析 | 第64-69页 |
| 3.1.1 TVB-N含量统计分析 | 第64-65页 |
| 3.1.2 TVC值统计分析 | 第65-66页 |
| 3.1.3 TBA总量统计分析 | 第66-68页 |
| 3.1.4 水分含量实测值统计分析 | 第68-69页 |
| 3.2 光谱特性分析 | 第69-71页 |
| 3.3 全波段光谱建模分析 | 第71-77页 |
| 3.3.1 TVB-N含量建模分析 | 第71-72页 |
| 3.3.2 TVC值建模分析 | 第72-73页 |
| 3.3.3 TBA总量建模分析 | 第73-75页 |
| 3.3.4 水分含量与冷藏时间建模分析 | 第75-77页 |
| 3.4 特征波段光谱建模分析 | 第77-97页 |
| 3.4.1 TVB-N含量建模分析 | 第77-82页 |
| 3.4.2 TVC值建模分析 | 第82-86页 |
| 3.4.3 TBA总量建模分析 | 第86-91页 |
| 3.4.4 水分含量与冷藏时间建模分析 | 第91-97页 |
| 3.5 本章小结 | 第97-99页 |
| 第四章 熟牛肉新鲜度图像特征信息建模 | 第99-117页 |
| 4.1 图像纹理特征信息建模 | 第99-108页 |
| 4.1.1 TVB-N含量建模分析 | 第99-101页 |
| 4.1.2 TVC值建模分析 | 第101-103页 |
| 4.1.3 TBA总量建模分析 | 第103-105页 |
| 4.1.4 水分含量与冷藏时间建模分析 | 第105-108页 |
| 4.2 图像颜色特征信息建模 | 第108-115页 |
| 4.2.1 RGB颜色空间特征提取 | 第109-110页 |
| 4.2.2 HSV颜色空间特征提取 | 第110-112页 |
| 4.2.3 TVB-N含量建模分析 | 第112-113页 |
| 4.2.4 TVC值建模分析 | 第113页 |
| 4.2.5 TBA总量建模分析 | 第113-114页 |
| 4.2.6 水分含量与冷藏时间建模分析 | 第114-115页 |
| 4.3 本章小结 | 第115-117页 |
| 第五章 熟牛肉新鲜度特征信息融合建模 | 第117-131页 |
| 5.1 特征信息融合 | 第117-118页 |
| 5.2 TVB-N含量建模分析 | 第118-119页 |
| 5.3 TVC值建模分析 | 第119-120页 |
| 5.4 TBA总量建模分析 | 第120-122页 |
| 5.5 水分含量与冷藏时间建模分析 | 第122-124页 |
| 5.6 熟牛肉新鲜度指标可视化分析 | 第124-129页 |
| 5.6.1 TVB-N含量可视化分析 | 第124-126页 |
| 5.6.2 TVC值可视化分析 | 第126-127页 |
| 5.6.3 TBA总量可视化分析 | 第127-128页 |
| 5.6.4 水分含量与冷藏时间可视化分析 | 第128-129页 |
| 5.7 本章小结 | 第129-131页 |
| 第六章 熟牛肉新鲜度等级判别与污染区域识别 | 第131-142页 |
| 6.1 材料与方法 | 第132页 |
| 6.1.1 样本准备与新鲜度等级划分 | 第132页 |
| 6.1.2 分类建模方法 | 第132页 |
| 6.2 结果与讨论 | 第132-140页 |
| 6.2.1 TVC实测值统计分析 | 第132-133页 |
| 6.2.2 特征光谱分析 | 第133-134页 |
| 6.2.3 全波段光谱建模 | 第134-135页 |
| 6.2.4 特征波段光谱建模 | 第135-138页 |
| 6.2.5 腐败熟牛肉污染区域识别 | 第138-140页 |
| 6.3 本章小结 | 第140-142页 |
| 第七章 总结与展望 | 第142-147页 |
| 7.1 研究结论 | 第142-145页 |
| 7.2 主要创新点 | 第145-146页 |
| 7.3 进一步展望 | 第146-147页 |
| 参考文献 | 第147-161页 |
| 致谢 | 第161-162页 |
| 攻读学位期间发表的学术论文目录 | 第162页 |
