| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第二章 高光谱成像技术及数据处理方法 | 第14-26页 |
| 2.1 高光谱成像技术 | 第14-15页 |
| 2.2 光谱预处理方法 | 第15-17页 |
| 2.2.1 导数法 | 第16页 |
| 2.2.2 平滑法 | 第16页 |
| 2.2.3 多元散射校正 | 第16-17页 |
| 2.2.4 标准正态变量变换 | 第17页 |
| 2.3 特征波长选择方法 | 第17-21页 |
| 2.3.1 连续投影算法 | 第18页 |
| 2.3.2 无信息变量消除算法 | 第18-19页 |
| 2.3.3 竞争性自适应重加权算法 | 第19-20页 |
| 2.3.4 遗传算法 | 第20-21页 |
| 2.4 数学模型建立方法 | 第21-23页 |
| 2.4.1 偏最小二乘回归 | 第21-22页 |
| 2.4.2 多元线性回归 | 第22页 |
| 2.4.3 支持向量机 | 第22-23页 |
| 2.5 数学模型评价指标 | 第23-25页 |
| 2.5.1 定量分析模型评价标准 | 第23-25页 |
| 2.5.2 定性判别评价标准 | 第25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 实验材料与方法 | 第26-42页 |
| 3.1 实验样品处理 | 第26-27页 |
| 3.2 高光谱图像采集 | 第27-29页 |
| 3.2.1 高光谱成像系统 | 第27页 |
| 3.2.2 高光谱图像采集与校正 | 第27-28页 |
| 3.2.3 高光谱数据获取 | 第28-29页 |
| 3.3 牛肉质地结构特性分析 | 第29-34页 |
| 3.4 色泽测量 | 第34-37页 |
| 3.5 牛肉含水率测量 | 第37-40页 |
| 3.6 解冻损失测量 | 第40-41页 |
| 3.7 本章小结 | 第41-42页 |
| 第四章 基于光谱的冻-融牛肉预测模型的建立 | 第42-54页 |
| 4.1 光谱预处理 | 第42-44页 |
| 4.2 选取特征波长 | 第44-47页 |
| 4.2.1 连续投影算法选取特征变量 | 第44-46页 |
| 4.2.2 竞争性自适应重加权算法提取特征波长 | 第46-47页 |
| 4.3 基于特征波长的偏最小二乘回归预测模型及评价 | 第47-49页 |
| 4.4 基于特征波长的多元线性回归预测模型及评价 | 第49-51页 |
| 4.5 基于特征波长的最小二乘支持向量机判别模型及评价 | 第51-52页 |
| 4.6 本章小结 | 第52-54页 |
| 第五章 基于高光谱图像的冻-融牛肉含水率分布的建模及可视化 | 第54-62页 |
| 5.1 最小噪声分离变换 | 第54页 |
| 5.2 主成分分析 | 第54-56页 |
| 5.3 图像纹理提取 | 第56页 |
| 5.4 人工神经网络预测模型 | 第56-59页 |
| 5.5 牛肉样品含水率的可视化 | 第59-61页 |
| 5.6 本章小结 | 第61-62页 |
| 第六章 结论及展望 | 第62-65页 |
| 6.1 主要研究结论 | 第62-63页 |
| 6.2 主要创新点 | 第63页 |
| 6.3 展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 发表论文及参加科研情况 | 第71-73页 |
| 致谢 | 第73-74页 |
