基于高光谱成像技术的苹果外部损伤精确识别与分级方法研究
| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究的目的及意义 | 第10-11页 |
| 1.2 水果缺陷检测技术的研究现状 | 第11-13页 |
| 1.3 高光谱成像技术在水果缺陷检测中的研究进展 | 第13-14页 |
| 1.4 本文主要研究内容及技术路线 | 第14-15页 |
| 1.5 论文的基本结构安排 | 第15-17页 |
| 第2章 高光谱成像技术的理论基础 | 第17-23页 |
| 2.1 高光谱成像技术的简介 | 第17页 |
| 2.2 高光谱成像技术原理 | 第17-18页 |
| 2.3 高光谱图像的特点 | 第18-19页 |
| 2.4 高光谱成像系统 | 第19-21页 |
| 2.5 高光谱数据处理方法 | 第21-22页 |
| 2.5.1 反射率校正 | 第21页 |
| 2.5.2 主成分分析(PCA) | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 试验设计及应用到的相关理论 | 第23-33页 |
| 3.1 试验样本 | 第23页 |
| 3.2 试验设备 | 第23-26页 |
| 3.2.1 苹果定量损伤装置设计 | 第23-24页 |
| 3.2.2 高光谱成像系统硬件平台 | 第24页 |
| 3.2.3 高光谱成像系统软件平台 | 第24-26页 |
| 3.3 应用到的图像处理方法 | 第26-28页 |
| 3.3.1 噪音去除 | 第26页 |
| 3.3.2 图像分割 | 第26-27页 |
| 3.3.3 数学形态学 | 第27-28页 |
| 3.4 应用到的光谱数据处理方法 | 第28-32页 |
| 3.4.1 样本集划分 | 第28页 |
| 3.4.2 光谱的预处理 | 第28-29页 |
| 3.4.3 特征波长选择 | 第29-31页 |
| 3.4.4 分类模型建立 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 基于高光谱成像技术的苹果外部损伤识别 | 第33-42页 |
| 4.1 引言 | 第33页 |
| 4.2 苹果损伤和完好区域的光谱分析 | 第33-34页 |
| 4.3 分段主成分分析 | 第34-37页 |
| 4.3.1 全波段光谱区域PCA | 第34-35页 |
| 4.3.2 可见光光谱区域PCA | 第35-36页 |
| 4.3.3 近红外光谱区域PCA | 第36-37页 |
| 4.4 特征波段主成分分析 | 第37-39页 |
| 4.5 苹果表面缺陷检测 | 第39-40页 |
| 4.6 苹果表面缺陷检测结果分析 | 第40-41页 |
| 4.7 本章小结 | 第41-42页 |
| 第5章 基于高光谱成像技术的苹果外部损伤分级 | 第42-50页 |
| 5.1 引言 | 第42页 |
| 5.2 数据样品集合划分 | 第42页 |
| 5.3 光谱数据预处理 | 第42-44页 |
| 5.4 特征波段的提取 | 第44-47页 |
| 5.4.1 连续投影算法 | 第44-45页 |
| 5.4.2 竞争性自适应重加权算法 | 第45-47页 |
| 5.4.3 竞争性自适应重加权算法-相关系数法 | 第47页 |
| 5.5 损伤程度的判别模型 | 第47-49页 |
| 5.5.1 基于网格参数寻优的支持向量机 | 第47-48页 |
| 5.5.2 模型分类结果对比 | 第48-49页 |
| 5.6 本章小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间发表的学术论文 | 第60页 |
