| 摘要 | 第1-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究目的和意义 | 第8-9页 |
| ·国内外利用高光谱图像技术进行农产品无损检测的研究现状 | 第9-13页 |
| ·论文的主要研究内容和技术路线 | 第13-15页 |
| ·研究内容 | 第13页 |
| ·技术路线 | 第13-15页 |
| ·本章小结 | 第15-16页 |
| 第二章 实验材料、设备与方法 | 第16-24页 |
| ·实验材料 | 第16页 |
| ·实验设备 | 第16-18页 |
| ·高光谱成像系统硬件平台 | 第16-17页 |
| ·高光谱成像系统的软件平台 | 第17-18页 |
| ·实验设计方法 | 第18-23页 |
| ·化学计量学方法 | 第18-22页 |
| ·图像处理方法 | 第22-23页 |
| ·小结 | 第23-24页 |
| 第三章 基于高光谱图像技术的鲜枣裂纹光谱识别 | 第24-39页 |
| ·引言 | 第24页 |
| ·鲜枣裂纹的光谱曲线 | 第24-26页 |
| ·鲜枣裂纹的光谱 | 第24-25页 |
| ·光谱主成分分析 | 第25-26页 |
| ·光谱敏感波段的提取 | 第26-31页 |
| ·偏最小二乘(PLS)权重系数法 | 第26-28页 |
| ·连续投影算法(SPA) | 第28-29页 |
| ·无信息变量消除(UVE)-连续投影法(SPA) | 第29-31页 |
| ·鲜枣裂果的判别模型 | 第31-37页 |
| ·BP神经网络判别 | 第31-33页 |
| ·最小二乘支持向量机(LSSVM) | 第33-37页 |
| ·模型分类结果 | 第37页 |
| ·本章小结 | 第37-39页 |
| 第四章 基于高光谱成像技术的的鲜枣裂纹图像识别 | 第39-47页 |
| ·引言 | 第39页 |
| ·图像主成分分析(PCA) | 第39-41页 |
| ·特征波段主成分分析 | 第41-42页 |
| ·二次主成分分析 | 第42-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 结论与展望 | 第47-48页 |
| ·主要研究结论 | 第47页 |
| ·主要创新点 | 第47页 |
| ·发展与展望 | 第47-48页 |
| 参考文献 | 第48-52页 |
| Abstract | 第52-54页 |
| 致谢 | 第54页 |