| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 光谱分析技术在农产品品质检测技术的国内外研究现状 | 第10-12页 |
| 1.2.2 模型更新方法国内外研究现状 | 第12-13页 |
| 1.3 本论文的主要研究内容简介 | 第13-15页 |
| 第二章 基于相似性度量的玉米种子分类模型更新 | 第15-29页 |
| 2.1 引言 | 第15-16页 |
| 2.2 实验材料与方法 | 第16-24页 |
| 2.2.1 实验材料 | 第16-17页 |
| 2.2.2 玉米种子高光谱图像采集与特征提取 | 第17-20页 |
| 2.2.3 基于相似性度量的玉米种子分类模型更新与模型评价指标 | 第20-24页 |
| 2.3 实验结果与分析 | 第24-28页 |
| 2.3.1 玉米种子的高光谱曲线分析 | 第24-25页 |
| 2.3.2 未更新LSSVM模型的对测试集的分类结果 | 第25-27页 |
| 2.3.3 更新后的LSSVM模型的对测试集的分类结果 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于预标签的玉米种子分类模型更新 | 第29-37页 |
| 3.1 引言 | 第29页 |
| 3.2 实验材料与方法 | 第29-32页 |
| 3.2.1 实验材料 | 第29-30页 |
| 3.2.2 基于预标签的玉米种子分类模型更新方法 | 第30-32页 |
| 3.3 光谱均值为特征参数的实验结果与讨论 | 第32-33页 |
| 3.3.1 更新后的LSSVM模型的对测试集的分类结果 | 第32页 |
| 3.3.2 与现有更新算法的分类结果的比较 | 第32-33页 |
| 3.4 均值特征与图像熵作为特征参数的实验结果与讨论 | 第33-36页 |
| 3.4.1 玉米种子的图像熵曲线分析 | 第33-34页 |
| 3.4.2 未更新LSSVM模型的对测试集的分类结果 | 第34-35页 |
| 3.4.3 更新LSSVM模型的对测试集1,测试集2和测试集3的分类结果 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于距离度量和半监督学习的苹果SSC预测模型更新 | 第37-51页 |
| 4.1 引言 | 第37-38页 |
| 4.2 实验材料与方法 | 第38-44页 |
| 4.2.1 实验材料 | 第38页 |
| 4.2.2 苹果近红外光谱采集和SSC测量 | 第38-40页 |
| 4.2.3 基于距离度量和半监督学习的苹果SSC预测模型更新方法 | 第40-44页 |
| 4.3 实验结果与分析 | 第44-50页 |
| 4.3.1 苹果近红外光谱分析 | 第44页 |
| 4.3.2 初始PLSR和LSSVR回归模型对验证集与测试集的预测结果 | 第44-46页 |
| 4.3.3 更新后的PLSR、LSSVR回归模型对测试集的预测结果 | 第46-50页 |
| 4.4 本章小结 | 第50-51页 |
| 主要结论与展望 | 第51-53页 |
| 主要结论 | 第51-52页 |
| 展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 附录:作者在攻读硕士学位期间发表的论文 | 第59页 |
