| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 图表清单 | 第9-14页 |
| 注释表 | 第14-15页 |
| 第一章 绪论 | 第15-20页 |
| ·课题研究背景和意义 | 第15-16页 |
| ·近红外技术、机器视觉和信息融合技术 | 第16-17页 |
| ·近红外光谱检测技术 | 第16页 |
| ·机器视觉检测技术 | 第16页 |
| ·信息融合技术 | 第16-17页 |
| ·国内外研究现状 | 第17-18页 |
| ·外部品质检测国内外研究现状 | 第17页 |
| ·内部品质检测国内外研究现状 | 第17-18页 |
| ·信息融合技术国内外研究现状 | 第18页 |
| ·研究的主要内容 | 第18-20页 |
| 第二章 苹果静态漫透射近红外光谱分析 | 第20-37页 |
| ·引言 | 第20页 |
| ·近红外检测理论 | 第20-22页 |
| ·近红外检测的原理 | 第20页 |
| ·水果近红外光谱检测的方式 | 第20-21页 |
| ·水果近红外光谱分析步骤和方法 | 第21-22页 |
| ·近红外光谱静态检测平台 | 第22-24页 |
| ·苹果漫透射近红外光谱检测系统 | 第22-23页 |
| ·样品实验数据采集 | 第23-24页 |
| ·光谱预处理 | 第24-29页 |
| ·光谱数据的卷积平滑 | 第24-26页 |
| ·光谱数据的散射校正 | 第26-28页 |
| ·光谱数据的导数 | 第28-29页 |
| ·光谱信息区间的初步筛选 | 第29-31页 |
| ·BiPLS 原理 | 第29页 |
| ·BiPLS 法筛选光谱区间 | 第29-31页 |
| ·光谱波长点优选 | 第31-36页 |
| ·量子进化算法原理 | 第31-34页 |
| ·量子进化算法参数设置 | 第34页 |
| ·量子进化算法优选结果 | 第34-35页 |
| ·量子进化算法与遗传算法的比较 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 苹果动态漫透射近红外光谱在线检测及应用 | 第37-53页 |
| ·引言 | 第37页 |
| ·动态光谱检测系统的结构及原理 | 第37-40页 |
| ·检测系统结构 | 第37-38页 |
| ·系统运行原理及检测控制算法实现 | 第38-40页 |
| ·动态光谱预测模型 | 第40-47页 |
| ·动态光谱的采集 | 第40-41页 |
| ·不同姿态预测模型的研究 | 第41-47页 |
| ·外部和内部品质检测相结合的水果分级软件系统 | 第47-52页 |
| ·水果分级软件系统界面 | 第47-50页 |
| ·水果分级软件结构 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 基于机器视觉和近红外信息融合的苹果分级研究 | 第53-83页 |
| ·引言 | 第53页 |
| ·苹果图像预处理 | 第53-59页 |
| ·图像平滑 | 第53-55页 |
| ·图像分割 | 第55-57页 |
| ·样品边缘检测 | 第57-59页 |
| ·外部特征的提取 | 第59-70页 |
| ·颜色特征 | 第59-62页 |
| ·形状特征 | 第62-64页 |
| ·纹理特征 | 第64-69页 |
| ·大小及重量 | 第69页 |
| ·外部特征提取结果分析 | 第69-70页 |
| ·基于外部特征和神经网络的苹果糖度分级模型 | 第70-73页 |
| ·神经网络方法的原理 | 第70-72页 |
| ·外部特征BP 神经网络糖度分级模型的建立 | 第72-73页 |
| ·基于外部特征和支持向量机的苹果糖度分级模型 | 第73-77页 |
| ·支持向量机的原理 | 第73-76页 |
| ·支持向量机分级模型的建立 | 第76-77页 |
| ·基于信息融合的苹果糖度分级模型 | 第77-82页 |
| ·近红外信息主成分特征提取 | 第77-81页 |
| ·信息融合分级模型 | 第81-82页 |
| ·本章小结 | 第82-83页 |
| 第五章 总结与展望 | 第83-85页 |
| ·论文工作总结 | 第83页 |
| ·今后展望 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 致谢 | 第89-90页 |
| 在学期间的研究成果及发表的学术论文 | 第90页 |