| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景 | 第7页 |
| ·国内外农产品虫害检测的发展状况 | 第7-8页 |
| ·高光谱图像技术在农产品检测领域的研究现状 | 第8-9页 |
| ·本论文的主要研究工作 | 第9-11页 |
| 第二章 高光谱图像采集系统与数据采集 | 第11-19页 |
| ·引言 | 第11页 |
| ·高光谱图像技术 | 第11-13页 |
| ·高光谱图像技术的原理 | 第11-12页 |
| ·高光谱图像采集系统 | 第12-13页 |
| ·实验材料 | 第13页 |
| ·菜用大豆的高光谱图像采集系统及图像采集与处理 | 第13-17页 |
| ·高光谱透射图像采集系统及其图像采集与处理 | 第14-15页 |
| ·高光谱反射图像采集系统及其图像采集与处理 | 第15-17页 |
| ·本章小结 | 第17-19页 |
| 第三章 菜用大豆安全检测研究 | 第19-35页 |
| ·引言 | 第19页 |
| ·感兴趣区域提取 | 第19-21页 |
| ·感兴趣区域的手动提取 | 第19页 |
| ·感兴趣区域的自动提取 | 第19-21页 |
| ·图像特征提取 | 第21-25页 |
| ·图像特征 | 第21-22页 |
| ·感兴趣区域的图像特征提取 | 第22-25页 |
| ·建模方法 | 第25-28页 |
| ·支持向量数据描述算法的原理 | 第25-27页 |
| ·模型参数选取 | 第27-28页 |
| ·豆荚螟分类结果与讨论 | 第28-32页 |
| ·基于手动提取和自动提取的感兴趣区域的统计特征的豆荚螟分类 | 第30页 |
| ·基于手动提取和自动提取的感兴趣区域的熵特征的豆荚螟的分类 | 第30-31页 |
| ·豆荚螟分类结果分析与讨论 | 第31-32页 |
| ·本章小结 | 第32-35页 |
| 第四章 菜用大豆厚度检测研究 | 第35-45页 |
| ·引言 | 第35页 |
| ·数据分析 | 第35-37页 |
| ·去除奇异样本 | 第35页 |
| ·样本集划分 | 第35-36页 |
| ·高光谱反射图像分析 | 第36-37页 |
| ·数学方法 | 第37-41页 |
| ·光谱处理方法 | 第37-39页 |
| ·建模方法 | 第39-41页 |
| ·菜用大豆厚度检测结果与分析 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 菜用大豆厚度分类波段选择 | 第45-53页 |
| ·引言 | 第45页 |
| ·数学方法 | 第45-49页 |
| ·波段选择方法 | 第45-48页 |
| ·建模方法 | 第48-49页 |
| ·菜用大豆厚度分类波段选择 | 第49-52页 |
| ·数据分析 | 第49-51页 |
| ·结果与分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 主要结论与展望 | 第53-57页 |
| 主要结论 | 第53-54页 |
| 展望 | 第54-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第63页 |