| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 引言 | 第13-23页 |
| 1.1.1 研究背景 | 第13-18页 |
| 1.1.2 国内外研究现状 | 第18-23页 |
| 1.2 主要研究内容 | 第23-24页 |
| 1.2.1 近红外光谱结合BP人工神经网络对木材的识别研究 | 第23页 |
| 1.2.2 木材表面光老化对近红外光谱结合BP人工神经网络识别木材的影响研究 | 第23页 |
| 1.2.3 温度变化对近红外光谱结合BP人工神经网络识别木材的影响研究 | 第23-24页 |
| 1.3 研究技术路线 | 第24-25页 |
| 第二章 近红外光谱结合BP人工神经网络对木材的识别研究 | 第25-39页 |
| 2.1 试验材料与研究方法 | 第25-26页 |
| 2.1.1 试验材料 | 第25-26页 |
| 2.1.2 研究方法 | 第26页 |
| 2.2 结果与分析 | 第26-37页 |
| 2.2.1 近红外光谱结合BP人工神经网络建模对三种人工林木材的识别研究 | 第26-32页 |
| 2.2.2 近红外光谱结合BP人工神经网络建模对六种阔叶材的识别研究 | 第32-37页 |
| 2.3 小结 | 第37-39页 |
| 第三章 木材表面光老化对近红外光谱结合BP人工神经网络识别木材的影响研究 | 第39-54页 |
| 3.1 试验材料与研究方法 | 第39-40页 |
| 3.1.1 试验材料 | 第39页 |
| 3.1.2 研究方法 | 第39-40页 |
| 3.2 结果与分析 | 第40-54页 |
| 3.2.1 预测样品和建模样品光老化程度相同时的木材识别模型研究 | 第40-44页 |
| 3.2.2 预测样品和建模样品光老化程度不同时的木材识别模型研究 | 第44-47页 |
| 3.2.3 模型优化研究 | 第47-51页 |
| 3.2.5 小结 | 第51-54页 |
| 第四章 温度变化对近红外光谱结合BP人工神经网络识别木材的影响研究 | 第54-66页 |
| 4.1 试验材料与研究方法 | 第54-55页 |
| 4.1.1 试验材料 | 第54页 |
| 4.1.2 研究方法 | 第54-55页 |
| 4.2 结果与分析 | 第55-66页 |
| 4.2.1 预测样品和建模样品温度处理条件相同时的木材识别模型研究 | 第55-57页 |
| 4.2.2 预测样品和建模样品温度处理条件不同时的木材识别模型研究 | 第57-61页 |
| 4.2.3 模型优化研究 | 第61-64页 |
| 4.2.4 小结 | 第64-66页 |
| 第五章 结论和展望 | 第66-69页 |
| 5.1 结论 | 第66-67页 |
| 5.2 创新点 | 第67页 |
| 5.3 建议与展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 在读期间的学术研究 | 第75-76页 |
| 致谢 | 第76页 |
