| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 青梅及其应用现状 | 第8-9页 |
| 1.2 近红外光谱分析技术 | 第9-10页 |
| 1.2.1 光谱分析技术的定义 | 第9页 |
| 1.2.2 光谱分析技术在国内外的发展 | 第9-10页 |
| 1.2.3 光谱分析技术在农产品中的应用 | 第10页 |
| 1.3 光谱建模方法及其研究现状 | 第10-15页 |
| 1.3.1 光谱数据预处理方法 | 第11-12页 |
| 1.3.2 特征波长选择方法 | 第12-13页 |
| 1.3.3 光谱定量分析建模方法 | 第13-15页 |
| 1.4 研究目的与意义 | 第15页 |
| 1.4.1 研究目的 | 第15页 |
| 1.4.2 研究意义 | 第15页 |
| 1.5 研究内容与技术路线 | 第15-17页 |
| 第二章 青梅光谱数据采集与酸度pH值检测 | 第17-23页 |
| 2.1 实验样本的选取与划分 | 第17页 |
| 2.2 光谱图像采集 | 第17-21页 |
| 2.2.1 光谱成像系统 | 第17-19页 |
| 2.2.2 光谱图像采集 | 第19-21页 |
| 2.3 青梅pH值理化检测 | 第21-23页 |
| 第三章 检测青梅pH值的非线性预测模型的建立 | 第23-40页 |
| 3.1 定量预测模型评价指标 | 第23页 |
| 3.2 极限学习机 | 第23-29页 |
| 3.2.1 ELM基本原理 | 第23-25页 |
| 3.2.2 参数选择 | 第25-28页 |
| 3.2.3 结果分析 | 第28-29页 |
| 3.3 支持向量回归机 | 第29-35页 |
| 3.3.1 支持向量机原理 | 第29-31页 |
| 3.3.2 参数选取 | 第31-34页 |
| 3.3.3 结果分析 | 第34-35页 |
| 3.4 非线性模型与线性模型的对比 | 第35-39页 |
| 3.4.1 主成分回归建模 | 第35-37页 |
| 3.4.2 偏最小二乘回归建模 | 第37-38页 |
| 3.4.3 对比分析 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 预处理、特征波长选择方法对光谱分析模型的影响 | 第40-52页 |
| 4.1 预处理对模型预测精度的影响 | 第40-46页 |
| 4.1.1 多元散射校正(MSC) | 第40-41页 |
| 4.1.2 标准正态变换(SNVT) | 第41-42页 |
| 4.1.3 SG平滑和微分 | 第42-43页 |
| 4.1.4 结果分析 | 第43-46页 |
| 4.2 提取特征波长对模型预测精度的影响 | 第46-49页 |
| 4.2.1 无信息变量消除法提取特征波长 | 第46-47页 |
| 4.2.2 连续投影法提取特征波长 | 第47-49页 |
| 4.3 检测青梅酸度值的人机交互界面设计 | 第49-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第五章 结论与进一步研究建议 | 第52-54页 |
| 5.1 总结 | 第52-53页 |
| 5.2 结论与进一步研究建议 | 第53-54页 |
| 5.2.1 结论 | 第53页 |
| 5.2.2 进一步研究建议 | 第53-54页 |
| 参考文献 | 第54-57页 |