基于高光谱的猕猴桃叶片含氮量快速检测方法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 研究内容与技术路线 | 第13-14页 |
| 1.3.1 研究内容 | 第13页 |
| 1.3.2 技术路线 | 第13-14页 |
| 1.4 论文的组织安排 | 第14-16页 |
| 第二章 实验数据采集与高光谱图像处理 | 第16-20页 |
| 2.1 实验样本采集 | 第16页 |
| 2.2 高光谱图像采集 | 第16-17页 |
| 2.3 氮元素化学检测 | 第17页 |
| 2.4 黑白校正 | 第17页 |
| 2.5 波段比处理 | 第17-18页 |
| 2.6 图像分割建立掩膜并应用 | 第18-19页 |
| 2.7 高光谱曲线 | 第19页 |
| 2.8 本章小结 | 第19-20页 |
| 第三章 高光谱数据预处理与建模方法 | 第20-26页 |
| 3.1 数据预处理 | 第20-22页 |
| 3.1.1 导数算法 | 第20页 |
| 3.1.2 多元散射校正 | 第20-21页 |
| 3.1.3 变量标准化 | 第21页 |
| 3.1.4 数据预处理结果 | 第21-22页 |
| 3.2 特征提取方式 | 第22-24页 |
| 3.2.1 主成分分析 | 第22-23页 |
| 3.2.2 竞争性自适应重加权 | 第23-24页 |
| 3.3 建立模型方法 | 第24-25页 |
| 3.3.1 偏最小二乘回归 | 第24-25页 |
| 3.3.2 支持向量回归 | 第25页 |
| 3.3.3 预测模型性能指标 | 第25页 |
| 3.4 本章小结 | 第25-26页 |
| 第四章 高光谱技术检测生长过程中猕猴桃叶片含氮量 | 第26-45页 |
| 4.1 猕猴桃叶片氮素含量化学值结果 | 第26页 |
| 4.2 蒙特卡洛算法剔除化学异常值 | 第26-27页 |
| 4.3 整个生长过程中猕猴桃叶片含氮量检测 | 第27-35页 |
| 4.3.1 建立氮含量PLSR模型 | 第27-31页 |
| 4.3.2 建立氮含量SVR模型 | 第31-35页 |
| 4.3.3 实验结论 | 第35页 |
| 4.4 部分生长过程中猕猴桃叶片含氮量检测 | 第35-44页 |
| 4.4.1 建立氮含量PLSR模型 | 第35-39页 |
| 4.4.2 建立氮含量SVR模型 | 第39-43页 |
| 4.4.3 实验结论 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 系统设计与实现 | 第45-48页 |
| 5.1 系统开发工具 | 第45页 |
| 5.2 系统功能设计 | 第45-46页 |
| 5.3 系统实现 | 第46-47页 |
| 5.4 本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-49页 |
| 6.1 总结 | 第48页 |
| 6.2 展望 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 致谢 | 第51-52页 |
| 作者简介 | 第52页 |
