| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第16-30页 |
| 1.1 研究背景及目的意义 | 第16-18页 |
| 1.2 国内外研究现状 | 第18-27页 |
| 1.2.1 近红外光谱法检测土壤养分的研究现状 | 第18-23页 |
| 1.2.2 近红外光电传感器的研究现状及分析 | 第23-26页 |
| 1.2.3 土壤养分预测模型建立方法研究现状及分析 | 第26-27页 |
| 1.3 存在的主要问题 | 第27-28页 |
| 1.4 课题来源及本文研究的主要内容 | 第28-30页 |
| 1.4.1 课题来源 | 第28页 |
| 1.4.2 本文研究的主要内容 | 第28-30页 |
| 第2章 近红外原理分析及在线实时检测仪器的研究 | 第30-58页 |
| 2.1 近红外分析原理及典型光谱系统比较分析 | 第30-39页 |
| 2.1.1 近红外光谱分析基本原理 | 第30-34页 |
| 2.1.2 近红外光谱仪器分析 | 第34-36页 |
| 2.1.3 典型光谱仪器原理分析 | 第36-39页 |
| 2.2 在线实时仪器方案设计及指标 | 第39-54页 |
| 2.2.1 系统设计指标的确定 | 第40-41页 |
| 2.2.2 系统总体方案设计 | 第41页 |
| 2.2.3 系统光路设计 | 第41-50页 |
| 2.2.4 信号处理系统设计 | 第50-54页 |
| 2.3 光谱数据测量方法及性能分析 | 第54-57页 |
| 2.3.1 光谱数据测量方法 | 第54-55页 |
| 2.3.2 光谱稳定性测试结果分析 | 第55-56页 |
| 2.3.3 分辨率测试结果分析 | 第56-57页 |
| 2.3.4 信噪比测试结果分析 | 第57页 |
| 2.4 本章小结 | 第57-58页 |
| 第3章 PbS/CuPc复合集成一体光敏传感器研制 | 第58-78页 |
| 3.1 复合光敏传感器基本理论 | 第58-61页 |
| 3.1.1 复合光敏传感器原理 | 第58-59页 |
| 3.1.2 光敏材料特性 | 第59-61页 |
| 3.2 复合集成传感器设计与工艺实现 | 第61-69页 |
| 3.2.1 复合传感器微结构设计 | 第61-62页 |
| 3.2.2 传感器芯片制备与分析 | 第62-69页 |
| 3.3 传感器特性分析 | 第69-77页 |
| 3.3.1 光敏膜的表征分析 | 第70-72页 |
| 3.3.2 传感器电特性分析 | 第72-76页 |
| 3.3.3 环境温度影响特性分析 | 第76-77页 |
| 3.4 本章小结 | 第77-78页 |
| 第4章 样品制备与土壤光谱预处理方法研究 | 第78-94页 |
| 4.1 土壤样品采集与制备 | 第78-79页 |
| 4.2 土壤理化特性的测定 | 第79-82页 |
| 4.2.1 土壤有机质含量测定 | 第79-80页 |
| 4.2.2 土壤全氮含量的测定 | 第80-81页 |
| 4.2.3 土壤样品库的建立 | 第81-82页 |
| 4.3 土壤光谱数据预处理方法研究 | 第82-93页 |
| 4.3.1 土壤光谱数据预处理方法 | 第82-86页 |
| 4.3.2 黑土土壤光谱数据预处理研究 | 第86-93页 |
| 4.4 本章小结 | 第93-94页 |
| 第5章 黑土类型土壤养分含量预测模型研究 | 第94-112页 |
| 5.1 土壤养分预测模型建立方法与判别参数研究 | 第94-101页 |
| 5.1.1 多元线性回归 | 第94-95页 |
| 5.1.2 主成分回归 | 第95-96页 |
| 5.1.3 偏最小二乘法 | 第96-97页 |
| 5.1.4 小波神经网络 | 第97-98页 |
| 5.1.5 最小二乘-支持向量机 | 第98-100页 |
| 5.1.6 预测模型判别的主要参数 | 第100-101页 |
| 5.2 黑土类型土壤近红外光谱预测模型建立方法研究 | 第101-110页 |
| 5.2.1 小波分析-偏最小二乘法建模 | 第101-104页 |
| 5.2.2 小波分析-小波神经网络建模 | 第104-108页 |
| 5.2.3 小波分析-最小二乘-支持向量机建模 | 第108-110页 |
| 5.3 三种模型建立方法效果的对比分析 | 第110-111页 |
| 5.4 本章小结 | 第111-112页 |
| 结论 | 第112-114页 |
| 参考文献 | 第114-122页 |
| 攻读博士学位期间发表的学术论文 | 第122-124页 |
| 致谢 | 第124页 |
