| 插图索引 | 第7-8页 |
| 插表索引 | 第8-10页 |
| 略缩语表 | 第10-11页 |
| 摘要 | 第11-14页 |
| Abstract | 第14-17页 |
| 第一章 绪论 | 第18-34页 |
| 1.1 概述 | 第18-19页 |
| 1.2 板栗品质检测现状 | 第19-20页 |
| 1.3 近红外光谱分析技术基本原理与方法介绍 | 第20-27页 |
| 1.3.1 近红外光谱分析技术的基本原理 | 第20-23页 |
| 1.3.2 近红外光谱分析技术的基本方法 | 第23-27页 |
| 1.4 近红外光谱在带壳(皮)对象内部品质检测中的应用 | 第27-31页 |
| 1.5 研究目标与具体内容 | 第31-33页 |
| 1.5.1 研究目标 | 第31页 |
| 1.5.2 研究内容 | 第31-32页 |
| 1.5.3 研究技术路线 | 第32-33页 |
| 1.6 本章小结 | 第33-34页 |
| 第二章 基于近红外光谱的板栗内部霉变检测方法研究 | 第34-66页 |
| 2.1 试验样本制备与光谱采集 | 第34-37页 |
| 2.2 光谱处理方法 | 第37-44页 |
| 2.2.1 光谱预处理方法 | 第37-39页 |
| 2.2.2 板栗霉变的判别方法 | 第39-44页 |
| 2.3 基于近红外光谱分析的霉变板栗判定结果 | 第44-64页 |
| 2.3.1 无监督模式识别的判定结果 | 第44-50页 |
| 2.3.2 有监督模式识别的判定结果 | 第50-64页 |
| 2.4 本章小结 | 第64-66页 |
| 第三章 基于近红外光谱的板栗内部成分含量检测方法研究 | 第66-98页 |
| 3.1 定量分析方法与原理 | 第66-70页 |
| 3.1.1 样本集划分方法 | 第66-67页 |
| 3.1.2 定量分析方法 | 第67-69页 |
| 3.1.3 预测模型评价标准 | 第69-70页 |
| 3.2 样本制备与数据采集 | 第70-75页 |
| 3.2.1 样本制备和光谱信息采集 | 第70-74页 |
| 3.2.2 板栗内部成分含量理化分析 | 第74-75页 |
| 3.3 样本集划分对预测模型的影响 | 第75-81页 |
| 3.3.1 不同方法的样本集划分结果 | 第75-76页 |
| 3.3.2 基于不同样本集划分结果的板栗水分含量分析模型对比 | 第76-81页 |
| 3.4 板栗内部成分检测 | 第81-94页 |
| 3.4.1 栗仁内部成分检测的结果与分析 | 第83-89页 |
| 3.4.2 带壳板栗内部成分检测的结果与分析 | 第89-94页 |
| 3.5 本章小结 | 第94-98页 |
| 第四章 板栗内部成分预测模型的优化方法研究 | 第98-121页 |
| 4.1 模型简化的意义 | 第98页 |
| 4.2 模型简化方法与原理 | 第98-103页 |
| 4.2.1 正交信号校正 | 第98-99页 |
| 4.2.2 间隔偏最小二乘法 | 第99-100页 |
| 4.2.3 投影权重选择法 | 第100页 |
| 4.2.4 遗传算法 | 第100-101页 |
| 4.2.5 无信息变量消除法 | 第101-102页 |
| 4.2.6 连续投影算法 | 第102-103页 |
| 4.3 结果与讨论 | 第103-119页 |
| 4.3.1 正交信号校正的模型优化结果与讨论 | 第103-105页 |
| 4.3.2 间隔偏最小二乘法对栗仁光谱糖分检测模型的优化结果与讨论 | 第105-108页 |
| 4.3.3 基于特征波长选择的模型优化结果与讨论 | 第108-117页 |
| 4.3.4 连续投影算法的MLR模型简化结果与讨论 | 第117-119页 |
| 4.4 本章小结 | 第119-121页 |
| 第五章 结论与展望 | 第121-127页 |
| 5.1 主要结论 | 第121-125页 |
| 5.2 主要创新点 | 第125-126页 |
| 5.3 展望 | 第126-127页 |
| 参考文献 | 第127-144页 |
| 博士就读期间的科研工作和论文发表情况 | 第144-146页 |
| 致谢 | 第146页 |
