基于光谱特性肉品种类及新鲜度识别方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·研究的目的和意义 | 第10页 |
| ·国内外相关研究的概况 | 第10-12页 |
| ·利用光谱分析进行肉品品质检测 | 第10-11页 |
| ·利用超声波进行肉品品质检测 | 第11-12页 |
| ·利用电、磁特性进行肉品品质检测 | 第12页 |
| ·本文研究目标和内容 | 第12-14页 |
| ·研究目标 | 第12-13页 |
| ·研究内容 | 第13页 |
| ·研究的思路 | 第13-14页 |
| 第2章 肉类识别光谱测试系统 | 第14-24页 |
| ·生物表面辐射度特性的表征 | 第14-15页 |
| ·生物表面色度表征的基本理论 | 第15-17页 |
| ·工作标准白板 | 第17-18页 |
| ·肉类识别光谱测试系统的结构 | 第18-20页 |
| ·光源 | 第18-19页 |
| ·集光系统 | 第19页 |
| ·分光系统 | 第19-20页 |
| ·光电转换系统 | 第20页 |
| ·数据处理系统 | 第20页 |
| ·肉类识别光谱测试系统的技术参数 | 第20-22页 |
| ·本章小结 | 第22-24页 |
| 第3章 小波变换及 BP 人工神经网络原理 | 第24-36页 |
| ·小波变换理论 | 第24-29页 |
| ·小波及其性质 | 第24-27页 |
| ·小波变换 | 第27-28页 |
| ·多分辨率分析及 Mallat 算法 | 第28-29页 |
| ·BP 人工神经网络 | 第29-34页 |
| ·人工神经元模型 | 第29-31页 |
| ·人工神经网络结构 | 第31-34页 |
| ·本章小结 | 第34-36页 |
| 第4章 基于 BP 人工神经网络的肉类识别方法 | 第36-46页 |
| ·肉类表面光谱的测试及样本的简要分析 | 第36-40页 |
| ·BP 人工神经网络对肉类的识别 | 第40-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 基于小波预处理的神经网络肉类识别 | 第46-60页 |
| ·基于小波变换的去噪方法 | 第46-54页 |
| ·小波去噪的基本原理 | 第46-49页 |
| ·小波阈值去噪方法 | 第49-51页 |
| ·光谱信号小波阈值处理 | 第51-54页 |
| ·基于小波去噪的 BP 人工神经网络肉类识别 | 第54-58页 |
| ·BP 人工神经网络用于肉品种类识别 | 第54-56页 |
| ·BP 人工神经网络用于肉品新鲜度的识别 | 第56-58页 |
| ·本章小结 | 第58-60页 |
| 第6章 结论与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 作者简介 | 第66-68页 |
| 致谢 | 第68页 |
