| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 基于光谱技术的农残检测研究 | 第11-13页 |
| 1.2.2 基于计算机视觉技术的农残检测研究 | 第13-14页 |
| 1.2.3 基于高光谱图像技术的农残检测研究 | 第14-16页 |
| 1.3 本文研究内容 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第2章 样本采集及检测机理研究 | 第18-28页 |
| 2.1 样本准备 | 第18页 |
| 2.2 试验装置 | 第18-22页 |
| 2.3 检测机理研究 | 第22-23页 |
| 2.4 样本采集 | 第23-26页 |
| 2.4.1 高光谱图像的采集与标定 | 第23-24页 |
| 2.4.2 桑叶农残量的化学测定 | 第24-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第3章 相关算法研究 | 第28-36页 |
| 3.1 光谱预处理方法 | 第28页 |
| 3.2 特征图像提取方法 | 第28-29页 |
| 3.3 特征波长选择 | 第29-30页 |
| 3.3.1 基于连续投影的特征选择算法 | 第29-30页 |
| 3.3.2 基于权重回归系数的特征选择算法 | 第30页 |
| 3.3.3 基于逐步回归分析的特征选择算法 | 第30页 |
| 3.4 数学建模方法 | 第30-34页 |
| 3.4.1 MLR算法 | 第30-31页 |
| 3.4.2 PLSR算法 | 第31页 |
| 3.4.3 LS-SVM回归算法 | 第31-32页 |
| 3.4.4 BCC-LS-SVM回归算法 | 第32-34页 |
| 3.5 模型性能评价指标 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 高光谱图像处理及特征提取 | 第36-43页 |
| 4.1 数据采集 | 第36-39页 |
| 4.1.1 感兴趣区域和光谱数据的提取 | 第36-37页 |
| 4.1.2 叶片图像信息的提取 | 第37-39页 |
| 4.2 光谱数据预处理 | 第39页 |
| 4.3 特征波长选择分析 | 第39-42页 |
| 4.3.1 基于连续投影算法的特征选择分析 | 第39-40页 |
| 4.3.2 基于逐步回归的特征选择分析 | 第40-42页 |
| 4.3.3 基于权重回归系数的特征选择分析 | 第42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 基于高光谱图像的农残定量建模 | 第43-56页 |
| 5.1 建模样本的选定 | 第43页 |
| 5.2 基于融合信息的MLR建模 | 第43-45页 |
| 5.3 基于融合信息的PLSR建模 | 第45-47页 |
| 5.4 基于融合信息的LS-SVM回归建模 | 第47-50页 |
| 5.5 基于融合信息的BCC-LS-SVM回归建模 | 第50-52页 |
| 5.6 不同模型的比较 | 第52-55页 |
| 5.7 本章小结 | 第55-56页 |
| 第6章 基于高光谱图像的桑叶农残可视化分析 | 第56-61页 |
| 6.1 高光谱图像的可视化 | 第56页 |
| 6.2 桑叶农残分布的可视化分析 | 第56-60页 |
| 6.2.1 可视化模型的建立 | 第56-58页 |
| 6.2.2 桑叶农残分布的可视化 | 第58-60页 |
| 6.3 本章小结 | 第60-61页 |
| 第7章 总结与展望 | 第61-63页 |
| 7.1 论文工作总结 | 第61-62页 |
| 7.2 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间发表的学术论文 | 第68页 |