| 论文受资助项目 | 第1-8页 |
| 插图索引 | 第8-9页 |
| 插表索引 | 第9-10页 |
| 縮略语表 | 第10-11页 |
| 摘要 | 第11-14页 |
| Abstract | 第14-18页 |
| 第1章 绪论 | 第18-44页 |
| ·研究目的与意义 | 第18-19页 |
| ·机器视觉技术的农产品无损检测研究进展 | 第19-29页 |
| ·农产品外部品质检测与分级的研究现状 | 第19-24页 |
| ·图像特征提取方法的研究现状 | 第24-29页 |
| ·近红外光谱技术的农产品无损检测研究进展 | 第29-37页 |
| ·农产品内部品质定性分析与定量检测的研究现状 | 第29-33页 |
| ·光谱特征提取方法的研究现状 | 第33-37页 |
| ·马铃薯品质无损检测的国内外研究进展 | 第37-39页 |
| ·外部品质的检测 | 第37-38页 |
| ·内部品质的检测 | 第38-39页 |
| ·多源信息融合技术在农产品无损检测中的应用 | 第39-41页 |
| ·马铃薯无损检测中待解决的问题 | 第41-42页 |
| ·研究内容与技术路线 | 第42-44页 |
| 第2章 基于机器视觉的马铃薯品质分级检测方法研究 | 第44-71页 |
| ·概述 | 第44页 |
| ·图像的定性分析方法 | 第44-50页 |
| ·图像分割方法 | 第44-46页 |
| ·基于灰度梯度的图像特征提取方法 | 第46-49页 |
| ·基于流形学习算法的图像特征提取方法 | 第49页 |
| ·图像的定性分析建模方法与优化方法 | 第49-50页 |
| ·材料与试验方法 | 第50-53页 |
| ·试验材料 | 第50-51页 |
| ·图像采集装置与采集方式 | 第51-53页 |
| ·不同品质的马铃薯图像灰度值差异分析 | 第53页 |
| ·不同马铃薯图像分割方法的结果分析 | 第53-57页 |
| ·图像特征提取方法对马铃薯分级模型的影响 | 第57-65页 |
| ·Freeman链码与等距映射法结合的方法 | 第57-60页 |
| ·Freeman链码与主成分分析结合的方法 | 第60-61页 |
| ·方向梯度直方图法与等距映射法结合的方法 | 第61-63页 |
| ·方向梯度直方图法与主成分分析结合的方法 | 第63-65页 |
| ·不同图像特征提取方法所建模型的比较 | 第65页 |
| ·马铃薯外部品质在线检测系统 | 第65-69页 |
| ·马铃薯视觉在线采集试验平台 | 第65-67页 |
| ·马铃薯外部品质在线检测系统 | 第67-69页 |
| ·本章小结 | 第69-71页 |
| 第3章 基于近红外光谱的马铃薯品质分级检测方法研究 | 第71-88页 |
| ·概述 | 第71页 |
| ·光谱的定性检测方法 | 第71-76页 |
| ·光谱预处理方法 | 第71-72页 |
| ·基于波段优选的光谱特征提取方法 | 第72-74页 |
| ·基于流形学习算法的光谱特征提取方法 | 第74-75页 |
| ·光谱的定性分析建模与优化方法 | 第75-76页 |
| ·材料与试验方法 | 第76-77页 |
| ·试验材料 | 第76页 |
| ·试验仪器与采集方式 | 第76-77页 |
| ·不同品质马铃薯的光谱吸光度差异分析 | 第77页 |
| ·光谱特征提取方法对马铃薯分级模型的影响 | 第77-85页 |
| ·遗传算法 | 第78-80页 |
| ·连续投影算法 | 第80-81页 |
| ·拉普拉斯特征映射法 | 第81-82页 |
| ·核主成分分析 | 第82-84页 |
| ·主成分分析 | 第84-85页 |
| ·不同光谱特征提取方法所建模型的比较 | 第85页 |
| ·基于近红外光谱的马铃薯内部品质检测模型 | 第85-86页 |
| ·本章小结 | 第86-88页 |
| 第4章 基于多源信息融合技术的马铃薯分级方法研究 | 第88-101页 |
| ·概述 | 第88页 |
| ·多源信息的融合方法 | 第88-89页 |
| ·决策层融合 | 第88-89页 |
| ·特征层融合 | 第89页 |
| ·材料与试验方法 | 第89-90页 |
| ·试验材料 | 第89-90页 |
| ·试验装置与采集方法 | 第90页 |
| ·基于DS证据理论的马铃薯分级决策层融合模型 | 第90-92页 |
| ·基于特征层融合的马铃薯分级模型 | 第92-95页 |
| ·AdaBoost融合模型的建立 | 第92-94页 |
| ·支持向量机融合模型的建立 | 第94-95页 |
| ·不同融合方法所建模型的比较 | 第95-97页 |
| ·多源融合模型与单一机器视觉或近红外光谱所建模型的比较 | 第97-98页 |
| ·基于多源信息融合的马铃薯分级检测模型 | 第98-99页 |
| ·本章小结 | 第99-101页 |
| 第5章 结论与展望 | 第101-107页 |
| ·主要结论 | 第101-104页 |
| ·创新之处 | 第104-105页 |
| ·展望 | 第105-107页 |
| 参考文献 | 第107-128页 |
| 攻读博士期间的科研工作及成果 | 第128-130页 |
| 致谢 | 第130页 |