摘要 | 第1-15页 |
Abstract | 第15-18页 |
1 引言 | 第18-34页 |
·课题研究的产业背景和意义 | 第18-21页 |
·课题研究的产业背景分析 | 第18-19页 |
·课题研究意义 | 第19-21页 |
·近红外光谱分析技术在果蔬品质检测的研究进展 | 第21-26页 |
·近红外分析技术的物理原理 | 第21-22页 |
·应用近红外光谱检测果蔬品质的国外研究进展 | 第22-23页 |
·果蔬品质近红外检测国内研究进展 | 第23-26页 |
·机器视觉技术在果蔬品质检测的研究进展 | 第26-30页 |
·机器视觉技术 | 第26-27页 |
·果蔬品质机器视觉检测国外研究进展 | 第27-28页 |
·果蔬品质机器视觉检测国内研究进展 | 第28-30页 |
·存在的问题 | 第30-31页 |
·研究目的与内容 | 第31-34页 |
·研究目的 | 第31页 |
·研究内容 | 第31-33页 |
·技术路线 | 第33-34页 |
2 试验材料与方法 | 第34-49页 |
·试验材料 | 第34-35页 |
·试验仪器与设备 | 第35-37页 |
·近红外台式谷物、食品、乳制品分析仪 | 第35-36页 |
·机器视觉系统 | 第36页 |
·其它仪器设备 | 第36-37页 |
·软件系统 | 第37页 |
·试验试剂 | 第37页 |
·指标测定 | 第37-41页 |
·黑加仑水分含量测定 | 第37-38页 |
·总酸含量测定 | 第38页 |
·维生素C 含量测定 | 第38-39页 |
·总糖含量测定 | 第39-40页 |
·花青素含量测定 | 第40-41页 |
·黑加仑色泽测定 | 第41页 |
·黑加仑直径和质量测定 | 第41页 |
·样品处理和试验方法 | 第41-49页 |
·试验样品的准备 | 第41页 |
·样品观察和测定 | 第41-42页 |
·黑加仑果浆近红外光谱采集 | 第42-43页 |
·黑加仑图像获取方法 | 第43-49页 |
3 应用近红外光谱技术检测黑加仑营养成分的研究 | 第49-67页 |
·黑加仑近红外透射光谱响应特性的研究 | 第49-64页 |
·黑加仑近红外透射光谱响应特性的影响因素 | 第49-51页 |
·温度对黑加仑近红外透射光谱响应特性的影响 | 第51-59页 |
·扫描次数对黑加仑近红外透射光谱响应特性的影响 | 第59-61页 |
·黑加仑品种、大小、颜色对近红外透射光谱响应特性的影响 | 第61-64页 |
·数据处理方法 | 第64-65页 |
·化学计量学方法的选择 | 第64-65页 |
·评价模型效果的指标 | 第65页 |
·近红外光谱定量分析软件 | 第65页 |
·小结 | 第65-67页 |
4 黑加仑营养成分近红外透射光谱检测的数学模型 | 第67-119页 |
·建模样品的挑选原则 | 第67-68页 |
·试验设计 | 第68-72页 |
·异常样品的判别 | 第72-90页 |
·常用的异常样品判别方法 | 第72-74页 |
·剔除异常样品的算法 | 第74页 |
·校正集异常样品判别和剔除 | 第74-90页 |
·黑加仑营养成分含量数学模型建立与优化 | 第90-105页 |
·多元线性回归算法 | 第90页 |
·逐步回归法原理 | 第90-91页 |
·黑加仑总酸含量数学模型建立与优化 | 第91-95页 |
·黑加仑维生素C 含量数学模型建立与优化 | 第95-98页 |
·黑加仑总糖含量数学模型建立与优化 | 第98-102页 |
·黑加仑花青素含量数学模型建立与优化 | 第102-105页 |
·黑加仑营养成分定量分析模型的应用研究 | 第105-113页 |
·模型的修正 | 第105-109页 |
·试验准备 | 第109页 |
·结果及分析 | 第109-113页 |
·各品种营养成分综合评价及最佳采收期确定 | 第113-117页 |
·熵权系数法原理 | 第113-114页 |
·试验结果及讨论 | 第114-117页 |
·小结 | 第117-119页 |
5 黑加仑浆果图像处理及特征提取 | 第119-154页 |
·图像预处理算法研究 | 第119-127页 |
·图像灰度化算法 | 第119-121页 |
·边缘检测处理算法 | 第121-123页 |
·图像二值化算法 | 第123-124页 |
·图像滤波 | 第124-127页 |
·图像分割 | 第127-131页 |
·直方图分割算法 | 第127-128页 |
·类间方差阈值分割算法 | 第128-129页 |
·区域生长法 | 第129-131页 |
·基于数学形态学和分水岭变换的粘连果粒分割算法研究 | 第131-136页 |
·形态学图像处理 | 第131-133页 |
·分水岭变换 | 第133-135页 |
·粘连果粒分割算法 | 第135-136页 |
·图像特征提取 | 第136-143页 |
·几何特征参数提取结果 | 第136-140页 |
·颜色特征提取结果 | 第140-143页 |
·黑加仑营养成分与外观品质的相关性研究 | 第143-152页 |
·试验结果 | 第143-146页 |
·黑加仑总酸含量与外观品质的相关性分析 | 第146-147页 |
·黑加仑维生素C 含量与外观品质的相关性分析 | 第147-149页 |
·黑加仑总糖含量与外观品质的相关性分析 | 第149-151页 |
·黑加仑花青素含量与外观品质的相关性分析 | 第151-152页 |
·小结 | 第152-154页 |
6 黑加仑品种检测分级系统研究 | 第154-171页 |
·品种检测分级系统设计 | 第154-155页 |
·黑加仑品质特征信息库建立 | 第155-156页 |
·BP 神经网络模式识别原理 | 第156-157页 |
·黑加仑品种识别 | 第157-165页 |
·黑加仑分类特征分析 | 第157-158页 |
·黑加仑品种识别分类特征的选取 | 第158-159页 |
·黑加仑品种识别BP 神经网络结构 | 第159-161页 |
·结果及分析 | 第161-165页 |
·黑加仑综合品质评价、分级研究 | 第165-170页 |
·黑加仑综合品质评价指标的确定 | 第166页 |
·黑加仑综合品质评价、分级方法 | 第166-168页 |
·结果及分析 | 第168-169页 |
·黑加仑分级的验证 | 第169-170页 |
·小结 | 第170-171页 |
7 结论 | 第171-174页 |
·主要结论 | 第171-172页 |
·研究特色与创新 | 第172-173页 |
·不足与完善 | 第173-174页 |
致谢 | 第174-175页 |
参考文献 | 第175-181页 |
附录 | 第181-190页 |
攻读博士学位期间发表的学术论文 | 第190页 |
攻读博士学位期间参与的科研课题 | 第190页 |