| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-11页 |
| 目录 | 第11-15页 |
| 第一章 绪论 | 第15-21页 |
| ·可见-近红外光谱分析技术 | 第15-16页 |
| ·可见-近红外光谱分析技术在农业信息快速检测中的研究现状 | 第16-17页 |
| ·可见-近红外光谱技术在农作物遥感监测中的应用 | 第16页 |
| ·可见-近红外光谱技术在水果内部品质无损检测中的应用 | 第16-17页 |
| ·可见-近红外光谱技术在土壤特性快速测量中的应用 | 第17页 |
| ·本研究的目的与意义 | 第17-18页 |
| 参考文献 | 第18-21页 |
| 第二章 光谱分析和建模技术 | 第21-25页 |
| ·光谱数据预处理方法 | 第21页 |
| ·多元校正建模方法 | 第21-22页 |
| ·光谱特征波长提取方法 | 第22-23页 |
| ·模型评价指标 | 第23页 |
| 本章小结 | 第23-24页 |
| 参考文献 | 第24-25页 |
| 第三章 基于光谱技术的土壤氮碳含量快速获取建模研究 | 第25-40页 |
| ·前言 | 第25-26页 |
| ·材料和方法 | 第26-29页 |
| ·实验土样来源 | 第26-28页 |
| ·实验室化学测试 | 第28页 |
| ·可见-近红外光谱测试 | 第28页 |
| ·数据处理方法 | 第28-29页 |
| ·结果和讨论 | 第29-37页 |
| ·样本特性和光谱学分类 | 第29-30页 |
| ·校正模型及其预测性能 | 第30-34页 |
| ·土壤氮含量可测性的机理解释 | 第34-35页 |
| ·光谱采样间隔的优化 | 第35-37页 |
| 本章小结 | 第37页 |
| 参考文献 | 第37-40页 |
| 第四章 基于光谱技术的在株番茄生长阶段和采摘时机预测建模研究 | 第40-64页 |
| ·前言 | 第40-41页 |
| ·材料和方法 | 第41-44页 |
| ·番茄果实来源 | 第41-43页 |
| ·Tec5 AgroSpec光纤光谱仪 | 第43页 |
| ·番茄成熟度比色卡 | 第43-44页 |
| ·番茄果实GS指数及其光谱学特征 | 第44-55页 |
| ·Days模型及其缺陷 | 第44-45页 |
| ·GS指数的提出和定义 | 第45-46页 |
| ·光谱数据预处理和PLSR模型 | 第46-49页 |
| ·番茄果实GS指数的光谱学特征 | 第49-55页 |
| ·番茄果实GS指数预测建模方法研究 | 第55-62页 |
| ·基于不同光谱波段的建模性能比较 | 第55-57页 |
| ·基于全谱信息压缩技术的建模方法研究 | 第57-59页 |
| ·基于光谱特征波长提取技术的建模方法研究 | 第59-62页 |
| 本章小结 | 第62页 |
| 参考文献 | 第62-64页 |
| 第五章 基于反射光谱的植物叶片叶绿素含量预测建模研究 | 第64-71页 |
| ·前言 | 第64页 |
| ·材料和方法 | 第64-65页 |
| ·植物叶片来源 | 第64页 |
| ·USB4000光纤光谱仪 | 第64-65页 |
| ·测试仪器 | 第65页 |
| ·结果和讨论 | 第65-69页 |
| ·USB4000反射光谱采集和吸光度转换 | 第65-66页 |
| ·植物叶片典型差分吸收谱线 | 第66-67页 |
| ·植物叶片叶绿素含量参数预测模型的建立 | 第67-68页 |
| ·基于遗传算法的植物叶片叶绿素含量预测模型的参数优化 | 第68页 |
| ·结果分析 | 第68-69页 |
| 本章小结 | 第69-70页 |
| 参考文献 | 第70-71页 |
| 第六章 基于光谱技术的植物土壤养分快速测试仪的研制 | 第71-91页 |
| ·前言 | 第71-76页 |
| ·光谱仪器一般构造 | 第71页 |
| ·近红外光谱仪器设计原理 | 第71-74页 |
| ·近红外光谱仪器的主要性能指标 | 第74-75页 |
| ·基于OEM模块的近红外光谱仪器集成设计方法 | 第75-76页 |
| ·硬件设计 | 第76-80页 |
| ·USB4000光谱模块 | 第76-77页 |
| ·主控板 | 第77-79页 |
| ·测试仪硬件系统的基本工作原理 | 第79页 |
| ·测试样机系统 | 第79-80页 |
| ·功能软件设计 | 第80-86页 |
| ·光谱数据的采集、存储和显示 | 第80页 |
| ·样本特征谱段分离和转换 | 第80页 |
| ·光谱仪过程参数的设置 | 第80页 |
| ·系统界面设计 | 第80-86页 |
| ·上位机数据分析处理软件设计 | 第86-90页 |
| ·软件主界面 | 第86-87页 |
| ·文件处理 | 第87页 |
| ·仪器通讯 | 第87-88页 |
| ·谱线显示 | 第88页 |
| ·鉴别建模 | 第88-89页 |
| ·回归建模 | 第89-90页 |
| ·测试结果 | 第90页 |
| 本章小结 | 第90-91页 |
| 第七章 结论与建议 | 第91-93页 |
| ·具体研究内容和主要结论 | 第91-92页 |
| ·本研究主要创新点 | 第92页 |
| ·展望与建议 | 第92-93页 |
| 附录 | 第93-106页 |
| 表A-1 番茄Days模型校正、交叉校验和独立预测集计算结果 | 第93-94页 |
| 表A-2 番茄GS指数PLSR模型校正、交叉校验和独立预测集计算结果 | 第94-95页 |
| 表A-3 不同品种/数据集之间GS指数PLSR模型回归系数曲线互相关系数 | 第95-96页 |
| 表A-4 不同品种/数据集之间Days参数PLSR模型回归系数曲线互相关系数 | 第96-97页 |
| 表B-1 番茄GS指数PLSR(VIS)模型校正、交叉校验和独立预测集计算结果 | 第97-98页 |
| 表B-2 番茄GS指数PLSR(NIR)模型校正、交叉校验和独立预测集计算结果 | 第98-99页 |
| 表B-3 番茄GS指数PCR模型校正、交叉校验和独立预测集计算结果 | 第99-100页 |
| 表B-4 番茄GS指数PC-ANN模型校正和独立预测集计算结果 | 第100-101页 |
| 表B-5 番茄GS指数LV-ANN模型校正和独立预测集计算结果 | 第101-102页 |
| 表B-6 番茄GS指数UVE模型校正、交叉校验和独立预测集计算结果 | 第102-103页 |
| 表B-7 番茄GS指数UVE-SPA光谱特征波长组合 | 第103-104页 |
| 表B-8 番茄GS指数UVE-SPA-PLSR模型校正、交叉校验和独立预测结果 | 第104-105页 |
| 表B-9 番茄GS指数UVE-SPA-MLR模型校正、交叉校验和独立预测结果 | 第105-106页 |
| 攻博期间发表的科研论文、专利(软件)和奖励 | 第106页 |
