| 致谢 | 第7-8页 |
| 摘要 | 第8-10页 |
| Abstract | 第10-11页 |
| 第一章 绪论 | 第18-26页 |
| 1.1 研究背景和意义 | 第18-19页 |
| 1.2 传统的转基因成分检测研究方法 | 第19-21页 |
| 1.2.1 核酸检测技术 | 第19-20页 |
| 1.2.2 蛋白质检测技术 | 第20-21页 |
| 1.3 光谱和光谱成像技术及其应用现状 | 第21-24页 |
| 1.3.1 光谱技术 | 第21-23页 |
| 1.3.1.1 光谱技术的原理 | 第21页 |
| 1.3.1.2 应用现状 | 第21-23页 |
| 1.3.2 高光谱成像技术 | 第23-24页 |
| 1.3.2.1 高光谱成像技术的原理 | 第23页 |
| 1.3.2.2 应用现状 | 第23-24页 |
| 1.4 研究内容 | 第24-25页 |
| 1.5 本章小结 | 第25-26页 |
| 第二章 材料与方法 | 第26-39页 |
| 2.1 试验材料 | 第26页 |
| 2.2 实验设备 | 第26-30页 |
| 2.2.1 高光谱成像系统 | 第26-28页 |
| 2.2.1.1 高光谱成像仪 | 第27页 |
| 2.2.1.2 线光源 | 第27-28页 |
| 2.2.1.3 镜头 | 第28页 |
| 2.2.1.4 电控位移平台 | 第28页 |
| 2.2.1.5 适用软件及其他 | 第28页 |
| 2.2.2 rapid N cube杜马斯燃烧法定氮仪 | 第28-29页 |
| 2.2.3 Jasco FT-IR 4100傅立叶变换光谱仪 | 第29-30页 |
| 2.3 化学值测定方法 | 第30-31页 |
| 2.3.1 蛋白质含量测定方法 | 第30页 |
| 2.3.2 脂肪含量测定方法 | 第30-31页 |
| 2.4 光谱数据预处理方法 | 第31-32页 |
| 2.4.1 平滑处理 | 第31-32页 |
| 2.4.2 小波变换 | 第32页 |
| 2.5 特征波长的提取方法 | 第32-34页 |
| 2.5.1 权重回归系数法 | 第32-33页 |
| 2.5.2 载荷系数法 | 第33页 |
| 2.5.3 传感器区别贡献率分析法 | 第33页 |
| 2.5.4 连续投影算法 | 第33-34页 |
| 2.5.5 竞争性自适应重加权算法 | 第34页 |
| 2.6 化学计量学建模方法 | 第34-37页 |
| 2.6.1 偏最小二乘法 | 第34-35页 |
| 2.6.2 人工神经网络 | 第35-36页 |
| 2.6.3 支持向量机 | 第36页 |
| 2.6.4 极限学习机 | 第36-37页 |
| 2.7 模型评价标准 | 第37-38页 |
| 2.7.1 分类模型评价标准 | 第37页 |
| 2.7.2 回归模型评价标准 | 第37-38页 |
| 2.8 本章小结 | 第38-39页 |
| 第三章 基于高光谱成像技术的转基因大豆品种鉴别研究 | 第39-81页 |
| 3.1 引言 | 第39页 |
| 3.2 样本来源 | 第39页 |
| 3.3 基于可见/近红外高光谱成像技术的转基因大豆品种鉴别研究 | 第39-65页 |
| 3.3.1 可见光谱数据采集与校正 | 第40页 |
| 3.3.2 可见光谱信息提取 | 第40页 |
| 3.3.3 可见光范围内的光谱反射率分析 | 第40-41页 |
| 3.3.4 可见光谱预处理 | 第41页 |
| 3.3.5 可见光谱下的非转基因大豆的品种鉴别 | 第41-42页 |
| 3.3.6 可见光谱下的非转基因亲本大豆及其转基因大豆的品种鉴别研究 | 第42-65页 |
| 3.3.6.1 基于可见光谱全谱建立品种识别模型分析 | 第43-49页 |
| 3.3.6.1.1 基于可见光谱全谱建立PLS-DA模型分析 | 第43-44页 |
| 3.3.6.1.2 基于可见光谱全谱数据BPNN模型分析 | 第44-46页 |
| 3.3.6.1.3 基于可见光谱全谱数据SVM模型分析 | 第46-47页 |
| 3.3.6.1.4 基于可见光谱全谱数据ELM模型分析 | 第47-49页 |
| 3.3.6.1.5 基于可见光谱全谱数据PLS-DA、BPNN、SVM和ELM模型的比较 | 第49页 |
| 3.3.6.2 可见光谱的特征波段提取 | 第49-61页 |
| 3.3.6.2.1 基于Bw方法提取特征波长 | 第49-51页 |
| 3.3.6.2.2 基于x-loading weights方法提取特征波长 | 第51-58页 |
| 3.3.6.2.3 基于PCA-loadings方法提取特征波长 | 第58-59页 |
| 3.3.6.2.4 基于SPA方法提取特征波长 | 第59页 |
| 3.3.6.2.5 基于CARS方法提取特征波长 | 第59-61页 |
| 3.3.6.3 基于特征波长的预测结果 | 第61-65页 |
| 3.3.6.3.1 基于Bw方法提取特征波长的PLS-DA、BPNN、SVM和ELM模型的比较 | 第61-62页 |
| 3.3.6.3.2 基于x-loading weights方法提取特征波长的PLS-DA、BPNN、SVM和ELM模型的比较 | 第62-63页 |
| 3.3.6.3.3 基于PCA-loadings方法提取特征波长的PLS-DA、BPNN、SVM和ELM模型的比较 | 第63-64页 |
| 3.3.6.3.4 基于SPA方法提取特征波长的PLS-DA、BPNN、SVM和ELM模型的比较 | 第64页 |
| 3.3.6.3.5 基于CARS方法提取特征波长的PLS-DA、BPNN、SVM和ELM模型的比较 | 第64-65页 |
| 3.4 基于近红外高光谱成像技术的转基因大豆品种鉴别研究 | 第65-79页 |
| 3.4.1 近红外光谱数据采集与校正 | 第65-66页 |
| 3.4.2 近红外光谱信息提取 | 第66页 |
| 3.4.3 近红外光范围内的光谱反射率分析 | 第66页 |
| 3.4.4 近红外光谱预处理 | 第66-67页 |
| 3.4.5 近红外光谱下的非转基因大豆的品种鉴别 | 第67页 |
| 3.4.6 近红外光谱下的非转基因亲本大豆及其转基因大豆的品种鉴别研究 | 第67-79页 |
| 3.4.6.1 基于近红外光谱全谱建立品种识别模型分析 | 第67-73页 |
| 3.4.6.1.1 基于近红外光谱全谱建立PLS-DA模型分析 | 第67-69页 |
| 3.4.6.1.2 基于近红外光谱全谱数据BPNN模型分析 | 第69-70页 |
| 3.4.6.1.3 基于近红外光谱全谱数据SVM模型分析 | 第70-71页 |
| 3.4.6.1.4 基于近红外光谱全谱数据ELM模型分析 | 第71-73页 |
| 3.4.6.1.5 基于近红外光谱全谱数据PLS-DA、BPNN、SVM和ELM模型的比较 | 第73页 |
| 3.4.6.2 近红外光谱的特征波段提取 | 第73-76页 |
| 3.4.6.2.1 基于Bw方法提取特征波长 | 第73-74页 |
| 3.4.6.2.2 基于x-loading weights方法提取特征波长 | 第74页 |
| 3.4.6.2.3 基于PCA-loadings方法提取特征波长 | 第74-75页 |
| 3.4.6.2.4 基于SPA方法提取特征波长 | 第75页 |
| 3.4.6.2.5 基于CARS方法提取特征波长 | 第75-76页 |
| 3.4.6.3 基于特征波长的预测结果 | 第76-79页 |
| 3.4.6.3.1 基于Bw方法提取特征波长的PLS-DA、BPNN、SVM和ELM模型的比较 | 第76页 |
| 3.4.6.3.2 基于x-loading weights方法提取特征波长的PLS-DA、BPNN、SVM和ELM模型的比较 | 第76-77页 |
| 3.4.6.3.3 基于PCA-loadings方法提取特征波长的PLS-DA、BPNN、SVM和ELM模型的比较 | 第77-78页 |
| 3.4.6.3.4 基于SPA方法提取特征波长的PLS-DA、BPNN、SVM和ELM模型的比较 | 第78页 |
| 3.4.6.3.5 基于CARS方法提取特征波长的PLS-DA、BPNN、SVM和ELM模型的比较 | 第78-79页 |
| 3.5 本章小结 | 第79-81页 |
| 第四章 转基因大豆的蛋白质含量光谱检测研究 | 第81-91页 |
| 4.1 引言 | 第81页 |
| 4.2 样本制备及光谱数据采集 | 第81-82页 |
| 4.2.1 近红外高光谱数据采集 | 第81页 |
| 4.2.2 中红外光谱数据采集 | 第81-82页 |
| 4.3 蛋白质含量测定 | 第82页 |
| 4.4 样本集的划分 | 第82页 |
| 4.5 基于中红外光谱技术的转基因大豆蛋白质含量研究 | 第82-85页 |
| 4.5.1 转基因大豆蛋白质含量预测的全谱模型 | 第82-83页 |
| 4.5.2 特征波长的提取 | 第83-84页 |
| 4.5.3 基于特征波长的预测结果 | 第84-85页 |
| 4.6 基于近红外高光谱技术的转基因大豆蛋白质含量研究 | 第85-88页 |
| 4.6.1 转基因大豆蛋白质含量预测的全谱模型 | 第85-86页 |
| 4.6.2 特征波长的提取 | 第86-87页 |
| 4.6.3 基于特征波长的预测结果 | 第87-88页 |
| 4.7 本章小结 | 第88-91页 |
| 第五章 转基因大豆的脂肪含量光谱检测研究 | 第91-100页 |
| 5.1 引言 | 第91页 |
| 5.2 样本制备及光谱数据采集 | 第91页 |
| 5.2.1 近红外高光谱数据采集 | 第91页 |
| 5.2.2 中红外光谱数据采集 | 第91页 |
| 5.3 脂肪含量测定 | 第91-92页 |
| 5.4 样本集的划分 | 第92页 |
| 5.5 基于中红外光谱技术的转基因大豆脂肪含量研究 | 第92-96页 |
| 5.5.1 转基因大豆脂肪含量预测的全谱模型 | 第92-93页 |
| 5.5.2 特征波长的提取 | 第93-94页 |
| 5.5.3 基于特征波长的预测结果 | 第94-96页 |
| 5.6 基于近红外高光谱技术的转基因大豆脂肪含量研究 | 第96-99页 |
| 5.6.1 转基因大豆脂肪含量预测的全谱模型 | 第96页 |
| 5.6.2 特征波长的提取 | 第96-97页 |
| 5.6.3 基于特征波长的预测结果 | 第97-99页 |
| 5.7 本章小结 | 第99-100页 |
| 第六章 结论与展望 | 第100-103页 |
| 6.1 主要结论 | 第100-101页 |
| 6.2 主要创新点 | 第101页 |
| 6.3 研究展望 | 第101-103页 |
| 参考文献 | 第103-110页 |
| 作者简介 | 第110-111页 |
