基于近红外光谱技术和X射线图像的鲜枣虫害检测研究
| 摘要 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究目的与意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.3.1 光谱技术在农产品检测中的应用 | 第10-11页 |
| 1.3.2 X射线在农产品检测中的应用 | 第11-12页 |
| 1.4 鲜枣虫害无损检测存在的问题 | 第12页 |
| 1.5 论文的主要研究内容及方法 | 第12-14页 |
| 1.5.1 研究内容 | 第12-13页 |
| 1.5.2 研究方法 | 第13-14页 |
| 1.6 本章小结 | 第14-15页 |
| 第二章 试验材料、设备及研究方法 | 第15-29页 |
| 2.1 试验材料与设计 | 第15-16页 |
| 2.2 试验设备 | 第16-20页 |
| 2.2.1 近红外光谱仪及配套软件 | 第16-18页 |
| 2.2.2 X射线采集系统 | 第18-19页 |
| 2.2.3 光谱及图像数据分析和建模平台 | 第19-20页 |
| 2.3 试验数据处理方法 | 第20-28页 |
| 2.3.1 光谱数据的预处理方法 | 第20-21页 |
| 2.3.2 光谱数据的建模方法 | 第21-24页 |
| 2.3.3 X射线图像的预处理方法 | 第24-26页 |
| 2.3.4 X射线图像的分割及形态学处理方法 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于近红外光谱技术鲜枣虫害的检测方法研究 | 第29-48页 |
| 3.1 光谱预处理 | 第29-31页 |
| 3.2 鲜枣虫害的全波段建模分类判别 | 第31-35页 |
| 3.2.1 全波段PLS模型分类结果 | 第31-32页 |
| 3.2.2 全波段PCR模型分类结果 | 第32-33页 |
| 3.2.3 全波段LS-SVM模型分类结果 | 第33-35页 |
| 3.3 鲜枣虫害的主成分建模分类判别 | 第35-41页 |
| 3.3.1 主成分分析(PCA) | 第35-36页 |
| 3.3.2 主成分PLS分类结果 | 第36-37页 |
| 3.3.3 主成分PCR分类结果 | 第37-38页 |
| 3.3.4 主成分LS-SVM模型分类结果 | 第38-39页 |
| 3.3.5 主成分BP神经网络模型分类结果 | 第39-41页 |
| 3.4 鲜枣虫害的特征波长建模分类 | 第41-46页 |
| 3.4.1 提取特征波长 | 第41-42页 |
| 3.4.2 特征波长PLS模型分类结果 | 第42-43页 |
| 3.4.3 特征波长PCR模型分类结果 | 第43-44页 |
| 3.4.4 特征波长LS-SVM模型分类结果 | 第44-46页 |
| 3.5 鲜枣虫害的分类判别结果 | 第46-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 基于X射线鲜枣虫害的检测方法研究 | 第48-64页 |
| 4.1 鲜枣X射线图像去噪 | 第48-52页 |
| 4.1.1 原始图像 | 第48-49页 |
| 4.1.2 去噪效果的比较 | 第49-52页 |
| 4.2 鲜枣虫害特征区域的提取 | 第52-59页 |
| 4.2.1 鲜枣虫害特征的增强 | 第52-53页 |
| 4.2.2 鲜枣虫害特征的分割 | 第53-57页 |
| 4.2.3 形态学处理 | 第57-59页 |
| 4.3 鲜枣虫害的检测与分析 | 第59-62页 |
| 4.3.1 评价指标的确定 | 第59-60页 |
| 4.3.2 检测结果与分析 | 第60-62页 |
| 4.4 本章小结 | 第62-64页 |
| 第五章 结论与展望 | 第64-66页 |
| 5.1 主要研究结论 | 第64-65页 |
| 5.2 主要创新点 | 第65页 |
| 5.3 展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| Abstract | 第69-70页 |
| 攻读硕士期间参加的科研工作和发表的论文 | 第71-73页 |
| 致谢 | 第73页 |
