| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-20页 |
| ·前言 | 第11-12页 |
| ·无损检测技术在水果品质检测中的应用 | 第12-18页 |
| ·近红外光谱技术及其在水果品质检测中的研究现状 | 第13-15页 |
| ·多光谱成像技术及其在水果品质检测中的研究现状 | 第15-17页 |
| ·近红外光谱仪的研究现状 | 第17-18页 |
| ·研究内容 | 第18-20页 |
| 第2章 材料与方法 | 第20-33页 |
| ·实验材料 | 第20-21页 |
| ·实验平台仪器 | 第21-23页 |
| ·HI96801糖分折光仪 | 第21-22页 |
| ·USB4000微型光纤光谱仪 | 第22页 |
| ·多光谱图像采集平台 | 第22-23页 |
| ·数据预处理方法 | 第23-24页 |
| ·平滑处理 | 第24页 |
| ·微分变换处理 | 第24页 |
| ·标准正态变换 | 第24页 |
| ·多元散射校正 | 第24页 |
| ·数据建模方法 | 第24-30页 |
| ·多元线性回归 | 第24-25页 |
| ·偏最小二乘回归 | 第25-26页 |
| ·人工神经网络 | 第26-27页 |
| ·支持向量机 | 第27-28页 |
| ·基于粒子群优化算法的支持向量机 | 第28-30页 |
| ·光谱特征波长提取方法 | 第30-31页 |
| ·模型评价标准 | 第31-32页 |
| ·小结 | 第32-33页 |
| 第3章 基于可见近红外光谱技术的葡萄内部品质检测研究 | 第33-43页 |
| ·样本光谱数据获取 | 第33-35页 |
| ·样本采集测试 | 第33-34页 |
| ·光谱数据预处理 | 第34-35页 |
| ·葡萄内部品质建模研究 | 第35-42页 |
| ·PLS回归模型 | 第35-37页 |
| ·BPANN模型 | 第37-38页 |
| ·L-SVM模型 | 第38-39页 |
| ·PSO-SVM模型 | 第39-40页 |
| ·不同回归模型的预测精度比较 | 第40-42页 |
| ·小结 | 第42-43页 |
| 第4章 基于多光谱图像技术的葡萄内部品质检测研究 | 第43-60页 |
| ·葡萄样本多光谱图像处理 | 第43-52页 |
| ·葡萄样本多光谱图像采集 | 第43页 |
| ·多颜色空间与植被指数图像转换 | 第43-47页 |
| ·图像分割 | 第47-51页 |
| ·图像特征提取 | 第51-52页 |
| ·葡萄样本内部品质回归模型建立 | 第52-59页 |
| ·单变量回归模型 | 第52-53页 |
| ·多变量回归模型 | 第53-58页 |
| ·不同模型比较 | 第58-59页 |
| ·小结 | 第59-60页 |
| 第5章 基于特征波长的葡萄内部品质可见近红外光谱测量仪器研究 | 第60-75页 |
| ·前言 | 第60-66页 |
| ·光谱仪的一般构造及原理 | 第60-61页 |
| ·近红外光谱仪的一般设计类型 | 第61-66页 |
| ·基于特征波长的葡萄内部品质光谱测量仪器的原理设计 | 第66-70页 |
| ·光谱特征波长的提取 | 第66-69页 |
| ·光谱特征波长建模 | 第69-70页 |
| ·基于特征波长的葡萄内部品质光谱仪系统结构设计 | 第70-72页 |
| ·光谱信号采集模块设计 | 第70页 |
| ·控制模块设计 | 第70-71页 |
| ·上位机软件设计 | 第71-72页 |
| ·基于特征波长的葡萄内部品质光谱仪实际测试结果 | 第72-74页 |
| ·小结 | 第74-75页 |
| 第6章 结论与展望 | 第75-78页 |
| ·研究内容与结论 | 第75-76页 |
| ·本研究主要创新点 | 第76页 |
| ·对将来研究的展望 | 第76-78页 |
| 参考文献 | 第78-83页 |
| 致谢 | 第83-84页 |
| 攻读硕士期间参加的科研项目和成果 | 第84-85页 |
