| 摘要 | 第6-9页 |
| Abstract | 第9-12页 |
| 缩略词表 | 第16-18页 |
| 第一章 绪论 | 第18-36页 |
| 1.1 研究目的和意义 | 第18-20页 |
| 1.2 国内外研究现状 | 第20-33页 |
| 1.2.1 近红外光谱检测技术 | 第21-24页 |
| 1.2.2 高光谱成像检测技术 | 第24-27页 |
| 1.2.3 计算机视觉检测技术 | 第27-28页 |
| 1.2.4 声学特性检测技术 | 第28-30页 |
| 1.2.5 介电常数和核磁共振技术检测技术 | 第30-31页 |
| 1.2.6 信息融合检测技术 | 第31-33页 |
| 1.3 研究目标、内容与技术路线 | 第33-35页 |
| 1.3.1 研究目标 | 第33页 |
| 1.3.2 研究内容 | 第33-34页 |
| 1.3.3 技术路线 | 第34-35页 |
| 1.4 本章小结 | 第35-36页 |
| 第二章 试验仪器、材料和方法 | 第36-54页 |
| 2.1 实验样本 | 第36-37页 |
| 2.2 检测系统 | 第37-39页 |
| 2.2.1 近红外光谱系统 | 第37-38页 |
| 2.2.2 高光谱成像系统 | 第38页 |
| 2.2.3 计算机视觉系统 | 第38-39页 |
| 2.3 哈密瓜理化指标测定 | 第39-40页 |
| 2.3.1 物理指标测定 | 第39页 |
| 2.3.2 哈密瓜SSC、TAC和硬度测定 | 第39-40页 |
| 2.4 哈密瓜理化指标统计及相关性分析 | 第40-42页 |
| 2.4.1 哈密瓜理化指标统计 | 第40-42页 |
| 2.4.2 哈密瓜理化指标与成熟度相关性分析 | 第42页 |
| 2.5 光谱预处理及数据分析方法 | 第42-44页 |
| 2.5.1 归一化 | 第43页 |
| 2.5.2 多元散射校正 | 第43页 |
| 2.5.3 标准正态变换 | 第43-44页 |
| 2.5.4 Savitzky-Golay卷积平滑 | 第44页 |
| 2.6 特征波长筛选方法 | 第44-47页 |
| 2.6.1 联合区间偏最小二乘法 | 第44-45页 |
| 2.6.2 遗传算法 | 第45页 |
| 2.6.3 连续投影法 | 第45页 |
| 2.6.4 竞争性自适应重加权算法 | 第45-46页 |
| 2.6.5 无信息变量消除法 | 第46-47页 |
| 2.7 定量建模方法 | 第47-49页 |
| 2.7.1.多元线性回归 | 第47页 |
| 2.7.2.偏最小二乘回归 | 第47-48页 |
| 2.7.3.支持向量机回归 | 第48-49页 |
| 2.8 定性建模方法 | 第49-51页 |
| 2.8.1 线性判别分析 | 第49页 |
| 2.8.2 支持向量机 | 第49-51页 |
| 2.8.3 偏最小二乘法判别 | 第51页 |
| 2.8.4 簇类独立软模式法 | 第51页 |
| 2.9 模型评价标准 | 第51-53页 |
| 2.9.1 相关系数 | 第52页 |
| 2.9.2 校正均方根误差 | 第52页 |
| 2.9.3 交互验证均方根误差 | 第52页 |
| 2.9.4 预测均方根误差 | 第52-53页 |
| 2.9.5 剩余预测偏差 | 第53页 |
| 2.9.6 判别准确率 | 第53页 |
| 2.9.7 数据处理软件 | 第53页 |
| 2.10 本章小结 | 第53-54页 |
| 第三章 基于近红外光谱技术的哈密瓜成熟度无损检测研究 | 第54-75页 |
| 3.1.哈密瓜样本采集 | 第54页 |
| 3.2 近红外光谱采集 | 第54-55页 |
| 3.2.1 近红外光谱采集软件 | 第54页 |
| 3.2.2 近红外光谱采集 | 第54-55页 |
| 3.3 哈密瓜SSC、TAC和硬度的近红外光谱预测 | 第55-65页 |
| 3.3.1 哈密瓜近红外光谱信息 | 第55页 |
| 3.3.2 光谱预处理方法选择 | 第55-56页 |
| 3.3.3 哈密瓜样本划分及理化指标统计 | 第56-57页 |
| 3.3.4 基于全光谱的哈密瓜SSC、TAC和硬度PLS预测模型的建立 | 第57-58页 |
| 3.3.5 基于全光谱的哈密瓜SSC、TAC和硬度SVR预测模型的建立 | 第58-59页 |
| 3.3.6 近红外光谱特征波长筛选 | 第59-62页 |
| 3.3.7 基于特征波长的哈密瓜SSC、TAC和硬度PLS预测模型的建立 | 第62-63页 |
| 3.3.8 基于特征波长的哈密瓜SSC、TAC和硬度SVR预测模型的建立 | 第63-65页 |
| 3.4 基于近红外光谱的哈密瓜成熟度判别研究 | 第65-73页 |
| 3.4.1 不同成熟度哈密瓜理化指标统计 | 第65页 |
| 3.4.2 不同成熟度哈密瓜的平均光谱分析 | 第65-66页 |
| 3.4.3 基于全光谱的哈密瓜成熟度判别 | 第66-70页 |
| 3.4.4 基于特征波长的哈密瓜成熟度判别 | 第70-73页 |
| 3.5 本章小结 | 第73-75页 |
| 第四章 基于高光谱成像技术的哈密瓜成熟度无损检测研究 | 第75-102页 |
| 4.1 哈密瓜样本采集 | 第75页 |
| 4.2 高光谱图像采集 | 第75-77页 |
| 4.2.1 高光谱图像采集软件 | 第75-76页 |
| 4.2.2 高光谱成像系统黑白校正 | 第76页 |
| 4.2.3 载物台线速度调整 | 第76-77页 |
| 4.2.4 图像数据采集及感兴趣区域选择 | 第77页 |
| 4.3 哈密瓜SSC、TAC和硬度的高光谱预测 | 第77-88页 |
| 4.3.1 哈密瓜光谱信息 | 第77-78页 |
| 4.3.2 光谱预处理方法选择 | 第78-79页 |
| 4.3.3 哈密瓜样本划分及理化指标统计 | 第79页 |
| 4.3.4 基于全光谱的哈密瓜SSC、TAC和硬度PLS预测模型的建立 | 第79-81页 |
| 4.3.5 基于全光谱的哈密瓜SSC、TAC和硬度SVR预测模型的建立 | 第81-82页 |
| 4.3.6 光谱特征波长筛选 | 第82-85页 |
| 4.3.7 基于特征波长的哈密瓜SSC、TAC和硬度PLS预测模型的建立 | 第85-86页 |
| 4.3.8 基于特征波长的哈密瓜SSC、TAC和硬度SVR预测模型的建立 | 第86-88页 |
| 4.4 基于高光谱成像技术的哈密瓜成熟度判别研究 | 第88-100页 |
| 4.4.1 不同成熟度哈密瓜理化指标统计 | 第88页 |
| 4.4.2 不同成熟度哈密瓜的平均光谱分析 | 第88页 |
| 4.4.3 基于全光谱的哈密瓜成熟度判别 | 第88-92页 |
| 4.4.4 基于特征波长的哈密瓜成熟度判别 | 第92-95页 |
| 4.4.5 基于光谱和纹理特征融合的哈密瓜成熟度判别 | 第95-100页 |
| 4.5 本章小结 | 第100-102页 |
| 第五章 基于光谱及图像信息融合的哈密瓜成熟度判别研究 | 第102-120页 |
| 5.1 基于计算机视觉技术的哈密瓜成熟度判别研究 | 第102-109页 |
| 5.1.1 哈密瓜样本采集 | 第102页 |
| 5.1.2 哈密瓜图像采集 | 第102页 |
| 5.1.3 图像背景分割 | 第102-103页 |
| 5.1.4 哈密瓜图像特征提取 | 第103-108页 |
| 5.1.5 基于图像特征的哈密瓜成熟度判别研究 | 第108-109页 |
| 5.2 光谱及图像信息融合的哈密瓜成熟度判别研究 | 第109-119页 |
| 5.2.1 信息融合技术 | 第109-110页 |
| 5.2.2 决策层融合 | 第110-112页 |
| 5.2.3 特征层融合 | 第112-117页 |
| 5.2.4 融合模型与单一光谱或图像特征建模结果比较 | 第117-119页 |
| 5.3 本章小结 | 第119-120页 |
| 第六章 结论与展望 | 第120-124页 |
| 6.1 主要结论 | 第120-123页 |
| 6.2 创新点 | 第123页 |
| 6.3 展望 | 第123-124页 |
| 参考文献 | 第124-134页 |
| 致谢 | 第134-135页 |
| 作者简介 | 第135-136页 |
| 附件 | 第136页 |
