| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-24页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-21页 |
| 1.2.1 水果成熟度检测研究现状 | 第13-16页 |
| 1.2.2 水果内部品质检测研究现状 | 第16-19页 |
| 1.2.3 水果外观品质检测研究现状 | 第19-21页 |
| 1.3 研究内容和技术路线 | 第21-22页 |
| 1.4 论文组织结构 | 第22-24页 |
| 第二章 基于Vis/NIR高光谱技术的冬枣成熟度分级研究 | 第24-36页 |
| 2.1 材料和方法 | 第24-30页 |
| 2.1.1 试验材料 | 第24-25页 |
| 2.1.2 不同成熟度冬枣的高光谱信息采集系统与方法 | 第25-26页 |
| 2.1.3 冬枣Vis/NIR高光谱数据提取 | 第26页 |
| 2.1.4 光谱预处理方法 | 第26-27页 |
| 2.1.5 样本划分方法 | 第27-28页 |
| 2.1.6 特征波长选择方法 | 第28-29页 |
| 2.1.7 冬枣成熟度判别分类算法 | 第29-30页 |
| 2.2 结果与分析 | 第30-35页 |
| 2.2.1 冬枣光谱信息处理结果 | 第30-32页 |
| 2.2.2 特征波段选择过程与结果 | 第32-34页 |
| 2.2.3 冬枣成熟度的PLS-DA模型判别结果 | 第34-35页 |
| 2.3 本章小结 | 第35-36页 |
| 第三章 基于高光谱技术的冬枣可溶性固形物预测与分级 | 第36-50页 |
| 3.1 材料和方法 | 第36-40页 |
| 3.1.1 试验材料 | 第36页 |
| 3.1.2 冬枣高光谱信息采集与提取 | 第36-37页 |
| 3.1.3 冬枣可溶性固形物(SSC)测量 | 第37页 |
| 3.1.4 冬枣光谱信息预处理处理 | 第37-38页 |
| 3.1.5 冬枣光谱特征波段选择方法 | 第38页 |
| 3.1.6 冬枣SSC预测建模方法 | 第38-39页 |
| 3.1.7 冬枣样本划分方法 | 第39页 |
| 3.1.8 冬枣SSC预测模型评价方法 | 第39-40页 |
| 3.2 结果与分析 | 第40-44页 |
| 3.2.1 冬枣光谱及其预处理结果 | 第40-41页 |
| 3.2.2 冬枣可溶性固形物测量结果统计分析 | 第41-42页 |
| 3.2.3 特征波段选择过程与结果 | 第42-44页 |
| 3.3 冬枣可溶性固形物PLSR预测结果 | 第44-47页 |
| 3.4 冬枣可溶性固形物分级结果 | 第47-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 基于机器视觉的冬枣单果重量分级研究 | 第50-59页 |
| 4.1 材料和方法 | 第50-53页 |
| 4.1.1 试验材料 | 第50页 |
| 4.1.2 冬枣RGB图像采集装置和采集方法 | 第50-51页 |
| 4.1.3 冬枣单果重量测量 | 第51-52页 |
| 4.1.4 冬枣图像处理和尺寸信息提取 | 第52-53页 |
| 4.2 结果与分析 | 第53-58页 |
| 4.2.1 冬枣RGB图像处理结果 | 第53-55页 |
| 4.2.2 冬枣单果重量测量结果统计 | 第55-56页 |
| 4.2.3 冬枣果重预测模型与分级 | 第56-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第五章 结论与展望 | 第59-61页 |
| 5.1 结论 | 第59页 |
| 5.2 创新点 | 第59-60页 |
| 5.3 展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-69页 |
| 作者简介 | 第69页 |
