| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究目的与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 枸杞品质的检测研究现状 | 第10-11页 |
| 1.2.2 高光谱在农产品中的检测研究现状 | 第11-12页 |
| 1.3 研究内容与方法 | 第12-15页 |
| 第2章 试验与数据处理 | 第15-35页 |
| 2.1 试验材料、仪器及方法 | 第15-20页 |
| 2.1.1 试验材料 | 第15页 |
| 2.1.2 试验仪器 | 第15-16页 |
| 2.1.3 枸杞理化指标的检测 | 第16-19页 |
| 2.1.4 高光谱图像的采集 | 第19-20页 |
| 2.1.5 高光谱图像的黑白标定 | 第20页 |
| 2.2 光谱信息的分析与处理 | 第20-24页 |
| 2.2.1 光谱特征的提取 | 第20-22页 |
| 2.2.2 光谱预处理方法 | 第22-23页 |
| 2.2.3 高光谱不同研究波段的选择 | 第23-24页 |
| 2.2.4 光谱信息的主成分融合 | 第24页 |
| 2.3 图像信息的分析与处理 | 第24-30页 |
| 2.3.1 图像预处理 | 第24-27页 |
| 2.3.2 高光谱图像特征的提取 | 第27-30页 |
| 2.4 建模方法 | 第30-32页 |
| 2.4.1 主成分回归 | 第30页 |
| 2.4.2 偏最小二乘回归 | 第30页 |
| 2.4.3 最小二乘-支持向量机 | 第30-32页 |
| 2.4.4 BP神经网络 | 第32页 |
| 2.5 本章小结 | 第32-35页 |
| 第3章 基于高光谱图像光谱信息的枸杞品质检测 | 第35-49页 |
| 3.1 枸杞各个指标的理化测试结果 | 第35页 |
| 3.2 光谱预处理分析结果 | 第35-37页 |
| 3.3 基于相关系数的有效波段的选择 | 第37-38页 |
| 3.4 不同波段范围光谱信息的主成分融合 | 第38-39页 |
| 3.5 基于不同研究波段光谱信息的模型预测结果 | 第39-40页 |
| 3.6 基于有效波段光谱信息不同模型预测结果 | 第40-46页 |
| 3.6.1 主成分回归模型预测结果 | 第40-41页 |
| 3.6.2 偏最小二乘回归模型预测结果 | 第41-43页 |
| 3.6.3 最小二乘-支持向量机回归模型预测结果 | 第43-44页 |
| 3.6.4 BP神经网络回归模型预测结果 | 第44-46页 |
| 3.7 本章小结 | 第46-49页 |
| 第4章 基于高光谱图像光谱与图像信息的枸杞品质检测 | 第49-59页 |
| 4.1 高光谱图像的选择 | 第49-51页 |
| 4.1.1 高光谱主成分图像的选择 | 第49-50页 |
| 4.1.2 高光谱特征波长图像的选择 | 第50-51页 |
| 4.2 偏最小二乘回归模型预测结果分析 | 第51-53页 |
| 4.2.1 基于单一特征的模型预测结果 | 第51-52页 |
| 4.2.2 基于光谱与图像融合特征的模型预测结果 | 第52-53页 |
| 4.3 融合特征的优化 | 第53-56页 |
| 4.3.1 光谱特征的优化 | 第53页 |
| 4.3.2 图像特征的优化 | 第53-55页 |
| 4.3.3 基于优化特征的模型预测结果 | 第55-56页 |
| 4.4 本章小结 | 第56-59页 |
| 第5章 结论 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间的研究成果 | 第68页 |