| 致谢 | 第6-8页 |
| 摘要 | 第8-11页 |
| ABSTRACT | 第11-13页 |
| 第1章 绪论 | 第24-43页 |
| 1.1 课题研究的目的和意义 | 第24-29页 |
| 1.1.1 中国玉米和玉米种子生产概况 | 第24-26页 |
| 1.1.2 玉米种子质量影响因素分析 | 第26-29页 |
| 1.2 农作物种子质量无损检测方法国内外研究现状 | 第29-39页 |
| 1.2.1 图像技术用于种子质量检测 | 第29-31页 |
| 1.2.2 近红外光谱用于农作物种子质量检测 | 第31-34页 |
| 1.2.3 高光谱技术用于农作物种子质量的检测 | 第34-39页 |
| 1.3 国内外同类研究现状总结及借鉴之处 | 第39-40页 |
| 1.4 研究内容及技术路线 | 第40-41页 |
| 1.4.1 研究对象、目的和内容 | 第40页 |
| 1.4.2 技术路线 | 第40-41页 |
| 1.5 本章小结 | 第41-43页 |
| 第2章 实验材料和方法 | 第43-60页 |
| 2.1 高光谱图像采集系统 | 第43-46页 |
| 2.1.1 光源 | 第43-44页 |
| 2.1.2 光谱仪 | 第44页 |
| 2.1.3 CCD相机 | 第44-45页 |
| 2.1.4 成像配套设备 | 第45-46页 |
| 2.2 光谱成像系统控制及参数校正 | 第46-49页 |
| 2.2.1 光谱图像采集软件 | 第46页 |
| 2.2.2 运动控制软件 | 第46-47页 |
| 2.2.3 电动位移平台速度矫正 | 第47页 |
| 2.2.4 系统黑白校正 | 第47-48页 |
| 2.2.5 高光谱图像采集条件 | 第48-49页 |
| 2.3 种子样本参数测试方法 | 第49-50页 |
| 2.3.1 电导率测定 | 第49-50页 |
| 2.3.2 种子水分测定方法 | 第50页 |
| 2.3.3 种子质量及物理尺寸测定 | 第50页 |
| 2.4 光谱数据提取和预处理方法 | 第50-52页 |
| 2.4.1 平均光谱提取 | 第50-51页 |
| 2.4.2 平滑处理 | 第51页 |
| 2.4.3 光谱标准正态变量校正 | 第51页 |
| 2.4.4 光谱导数 | 第51页 |
| 2.4.5 多元散射校正 | 第51-52页 |
| 2.5 光谱特征提取方法 | 第52-53页 |
| 2.5.1 主成分分析法 | 第52页 |
| 2.5.2 回归系数法 | 第52-53页 |
| 2.5.3 连续变量投影算法 | 第53页 |
| 2.6 模式识别方法 | 第53-59页 |
| 2.6.1 主成分判别分析 | 第53-54页 |
| 2.6.2 偏最小二乘判别分析 | 第54页 |
| 2.6.3 支持向量机 | 第54-56页 |
| 2.6.4 支持向量描述 | 第56-58页 |
| 2.6.5 K最近邻数据描述 | 第58-59页 |
| 2.7 本章小结 | 第59-60页 |
| 第3章 低成熟度玉米种子最优波段图像识别研究 | 第60-74页 |
| 3.1 引言 | 第60-62页 |
| 3.2 样本物理特性及活力电导率测试 | 第62-63页 |
| 3.3 高光谱图像背景分割 | 第63-65页 |
| 3.4 不同成熟度区域的光谱分析 | 第65-66页 |
| 3.5 特征波段选择方法 | 第66-70页 |
| 3.5.1 基于PLSR的特征波段选择 | 第66-67页 |
| 3.5.2 基于主成分分析的特征波段选择 | 第67-68页 |
| 3.5.3 最优波段比选择 | 第68-70页 |
| 3.6 不同成熟度玉米种子图像处理和识别结果 | 第70-72页 |
| 3.7 本章小结 | 第72-74页 |
| 第4章 光谱和图像技术融合的单粒玉米种子品种识别研究 | 第74-100页 |
| 4.1 引言 | 第74-76页 |
| 4.2 玉米种子样本及物理特征 | 第76-78页 |
| 4.3 高光谱图像采集及特征提取 | 第78-86页 |
| 4.3.1 高光谱图像采集 | 第78页 |
| 4.3.2 高光谱图像背景分割 | 第78页 |
| 4.3.3 玉米种子果柄分割 | 第78-80页 |
| 4.3.4 高光谱图像特征提取方法 | 第80-83页 |
| 4.3.5 样本特征提取结果 | 第83-86页 |
| 4.4 基于光谱信息的玉米种子品种分类 | 第86-95页 |
| 4.4.1 全波段光谱特征下的玉米种子分类 | 第86-93页 |
| 4.4.2 基于特征波段的玉米种子品种分类 | 第93-95页 |
| 4.5 基于图像特征的SVM种子识别 | 第95-97页 |
| 4.6 基于光谱特征融合图像特征的玉米种子种类识别 | 第97-98页 |
| 4.7 本章小结 | 第98-100页 |
| 第5章 基于异常检测方法的玉米种子品种真实性识别研究 | 第100-128页 |
| 5.1 引言 | 第100-101页 |
| 5.2 异常检测分类器性能评估方法 | 第101-103页 |
| 5.3 SVDD算法识别种子品种真实性 | 第103-114页 |
| 5.3.1 SVDD参数影响分析 | 第103-105页 |
| 5.3.2 SVDD参数优化方法 | 第105-106页 |
| 5.3.3 基于种子光谱特征的玉米种子SVDD识别 | 第106-114页 |
| 5.4 基于种子光谱特征的玉米种子KNNDD识别 | 第114-120页 |
| 5.5 基于种子光谱特征的玉米种子SVDD-KNNDD识别 | 第120-127页 |
| 5.6 本章小结 | 第127-128页 |
| 第6章 高光谱图像识别冻害玉米种子的可行性研究 | 第128-153页 |
| 6.1 引言 | 第128-129页 |
| 6.2 冻害种子样本信息 | 第129-131页 |
| 6.2.1 冻害种子样本制备方法 | 第129页 |
| 6.2.2 冻害种子发芽试验及活力电导率测试 | 第129-131页 |
| 6.3 冻害种子高光谱数据采集 | 第131页 |
| 6.4 冻害种子平均光谱分析 | 第131-135页 |
| 6.4.1 冻害种子平均光谱图 | 第131-133页 |
| 6.4.2 不同预处理方法对光谱主成分分析结果的影响 | 第133-135页 |
| 6.5 基于平均光谱的不同预处理下的冻害种子SVM识别研究 | 第135-143页 |
| 6.6 基于平均光谱的不同预处理下的冻害种子SVDD-KNNDD识别研究 | 第143-148页 |
| 6.7 基于平均光谱的不同预处理下的冻害程度识别研究 | 第148-151页 |
| 6.8 本章结论 | 第151-153页 |
| 第7章 玉米种子胚部冻害程度高光谱识别分析 | 第153-164页 |
| 7.1 引言 | 第153页 |
| 7.2 种子胚部高光谱图像分割方法研究 | 第153-157页 |
| 7.2.1 冻害种子高光谱数据采集 | 第153-154页 |
| 7.2.2 玉米种子胚部和胚乳部区域光谱分析 | 第154-155页 |
| 7.2.3 玉米种子高光谱图像胚部分割 | 第155-157页 |
| 7.3 胚部冻害程度SVM识别 | 第157-158页 |
| 7.4 胚部冻害程度可视化 | 第158-160页 |
| 7.5 利用胚部像素分类识别种子冻害程度 | 第160-163页 |
| 7.6 本章小结 | 第163-164页 |
| 第8章 总结及展望 | 第164-169页 |
| 8.1 主要研究结论 | 第164-167页 |
| 8.2 主要创新点 | 第167页 |
| 8.3 不足与展望 | 第167-169页 |
| 参考文献 | 第169-178页 |
| 作者简历 | 第178-179页 |
