| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·课题来源与研究背景 | 第10-11页 |
| ·课题目的及意义 | 第11页 |
| ·课题研究现状 | 第11-13页 |
| ·课题研究内容概述 | 第13-15页 |
| 第二章 课题应用的知识理论 | 第15-39页 |
| ·传感器技术 | 第15-18页 |
| ·CCD 成像技术 | 第18-21页 |
| ·数字图像处理技术 | 第21-28页 |
| ·数字图象处理技术 | 第21-26页 |
| ·数字图象处理应用与发展 | 第26-28页 |
| ·数据融合技术 | 第28-33页 |
| ·人工神经网络技术 | 第33-39页 |
| ·人工神经网络技术发展及应用 | 第33-35页 |
| ·神经网络模型与处理机制 | 第35-39页 |
| 第三章 猪肉新鲜度评价指标的分析与研究 | 第39-44页 |
| ·猪肉性状分析 | 第39页 |
| ·猪肉腐败机理 | 第39-40页 |
| ·猪肉新鲜度的评价指标 | 第40-43页 |
| ·总挥发性盐基氮（TVB-N） | 第40-41页 |
| ·硫化氢和氨气 | 第41页 |
| ·颜色值(H、I、S) | 第41-42页 |
| ·完整脂肪细胞个数 | 第42页 |
| ·猪肉的菌斑面积 | 第42页 |
| ·猪肉PH 值特性 | 第42-43页 |
| ·总结 | 第43-44页 |
| 第四章 数据的采集试验与数据的处理 | 第44-60页 |
| ·实验总体设计 | 第44页 |
| ·总挥发性盐基氮(TVB-N)实验 | 第44-47页 |
| ·原理（半微量定氮法） | 第44页 |
| ·实验试剂及试验仪器 | 第44-46页 |
| ·实验的结果与分析 | 第46-47页 |
| ·猪肉腐败气体（硫化氢与氨气）采集与处理 | 第47-54页 |
| ·气体采集电路设计 | 第47-48页 |
| ·USB-7360 数据采集卡 | 第48-51页 |
| ·设备初始化程序与腐败气体信号采集界面 | 第51-53页 |
| ·气体采集数据结果分析 | 第53-54页 |
| ·猪肉图像信息采集 | 第54-56页 |
| ·猪肉腐败中的PH 检测 | 第56-60页 |
| ·实验机理 | 第56页 |
| ·实验的条件与设备仪器 | 第56页 |
| ·实验操作方法与注意事项 | 第56-57页 |
| ·实验的数据分析 | 第57-60页 |
| 第五章 猪肉图像信息的处理与分析 | 第60-71页 |
| ·猪肉颜色值（H、S、I）图像分析与坐标变换 | 第60-64页 |
| ·猪肉颜色值（H、S、I）图像分析 | 第60-62页 |
| ·猪肉颜色值信息获取实现 | 第62页 |
| ·猪肉图像信息数据与分析 | 第62-64页 |
| ·完整脂肪细胞个数图像处理与数据分析 | 第64-67页 |
| ·图像样本分析 | 第64-65页 |
| ·脂肪细胞图像处理与数目统计 | 第65-67页 |
| ·完整细胞数分析 | 第67页 |
| ·菌斑面积提取及数据分析 | 第67-70页 |
| ·菌斑样品图像分析 | 第67-69页 |
| ·菌斑特征提取与结果分析 | 第69-70页 |
| ·总结 | 第70-71页 |
| 第六章 基于RBF 神经网络网络猪肉新鲜度研究 | 第71-85页 |
| ·径向基函数网络 | 第71-74页 |
| ·径向基函数网络理论基础 | 第71-73页 |
| ·径向基函数网络的结构 | 第73页 |
| ·径向基网络工作原理 | 第73-74页 |
| ·径向基函数网络(RBF)设计 | 第74-75页 |
| ·径向基网络的严格设计 | 第74-75页 |
| ·改进型径向基函数网络设计 | 第75页 |
| ·基于径向基（RBF）网络猪肉新鲜度的智能检测方法 | 第75-82页 |
| ·RBF 网络设计 | 第76-78页 |
| ·实验样本输入及处理 | 第78-79页 |
| ·径向基网络生成与初始化 | 第79-80页 |
| ·径向基网络性能仿真 | 第80-82页 |
| ·猪肉新鲜度智能辨识系统的编程实现 | 第82-85页 |
| 总结与展望 | 第85-86页 |
| 参考文献 | 第86-88页 |
| 攻读硕士学位期间发表的论文 | 第88-89页 |
| 致谢 | 第89页 |