| 第一章 绪论 | 第10-16页 |
| 1.1 研究目的和意义 | 第10-11页 |
| 1.2 国内外研究状况及动态 | 第11-14页 |
| 1.3 本研究的主要内容 | 第14-16页 |
| 第二章 光谱学发展及生物表面光谱的色度表征 | 第16-39页 |
| 2.1 光谱学的发展及其应用 | 第16-19页 |
| 2.1.1 光谱学的产生和发展 | 第16-17页 |
| 2.1.2 光谱分析方法 | 第17-19页 |
| 2.2 生物表面辐射度特性的表征 | 第19-22页 |
| 2.3 生物表面色度表征的基本理论 | 第22-36页 |
| 2.3.1 颜色表征的物理量 | 第22-25页 |
| 2.3.2 CIE 标准色度系统 | 第25-34页 |
| 2.3.3 CIE 三刺激值和色坐标的计算方法 | 第34-36页 |
| 2.4 工作标准白板 | 第36-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第三章 生物表面光谱测试系统设计 | 第39-67页 |
| 3.1 光谱测试系统的结构 | 第39-43页 |
| 3.1.1 光源 | 第39-41页 |
| 3.1.2 光采集和传输系统 | 第41页 |
| 3.1.3 分光系统原理 | 第41-42页 |
| 3.1.4 光电转换系统 | 第42-43页 |
| 3.1.5 数据处理系统 | 第43页 |
| 3.2 光谱测试系统的技术参数 | 第43-45页 |
| 3.3 测试系统技术指标的验证 | 第45-46页 |
| 3.3.1 测试系统波长的定标 | 第45页 |
| 3.3.2 测试系统的色坐标精度验证 | 第45-46页 |
| 3.4 光纤的传输特性 | 第46-55页 |
| 3.4.1 光纤的损耗 | 第46-50页 |
| 3.4.2 光纤的色散 | 第50-55页 |
| 3.5 光纤探头的结构设计 | 第55-57页 |
| 3.6 光纤传输引起信号畸变的校正 | 第57-64页 |
| 3.6.1 光纤衰减的比值校正法 | 第58-61页 |
| 3.6.2 光纤衰减的权值平均比值法 | 第61-62页 |
| 3.6.3 光纤衰减的傅立叶频谱校正法 | 第62-64页 |
| 3.7 光纤衰减校正的色度验证 | 第64-65页 |
| 3.8 本章小结 | 第65-67页 |
| 第四章 苹果表面光谱测试及色度分析 | 第67-75页 |
| 4.1 样本选取 | 第67-68页 |
| 4.2 苹果表面光谱的测试分析 | 第68-71页 |
| 4.3 苹果表面光谱的色度识别 | 第71-74页 |
| 4.4 本章小结 | 第74-75页 |
| 第五章 神经网络原理与误差反向传输算法 | 第75-99页 |
| 5.1 神经网络的发展及应用 | 第75-85页 |
| 5.1.1 神经网络的产生和发展 | 第75-79页 |
| 5.1.2 神经网络的技术特点 | 第79-80页 |
| 5.1.3 神经网络应用前景与发展趋势 | 第80-85页 |
| 5.2 人工神经元 | 第85-88页 |
| 5.2.1 生物神经元结构 | 第85-86页 |
| 5.2.2 人工神经元 | 第86-87页 |
| 5.2.3 人工神经元的数学描述 | 第87-88页 |
| 5.3 人工神经网络结构 | 第88-91页 |
| 5.3.1 人工神经网络的拓扑结构 | 第88-89页 |
| 5.3.2 人工神经网络的学习规则 | 第89-91页 |
| 5.4 多层前馈神经网络误差逆向传播算法 | 第91-98页 |
| 5.4.1 多层前馈神经网络结构 | 第91-92页 |
| 5.4.2 BP 算法 | 第92-98页 |
| 5.5 本章小结 | 第98-99页 |
| 第六章 神经网络用于苹果表面特性分类研究 | 第99-110页 |
| 6.1 网络参数调整对光谱识别的影响 | 第99-103页 |
| 6.1.1 BP 人工神经网络输入输出数据及节点数的确定 | 第99-100页 |
| 6.1.2 隐层中神经元个数对网络性能的影响 | 第100-102页 |
| 6.1.3 输出值范围对网络识别能力的影响 | 第102-103页 |
| 6.1.4 网络对白噪音干扰的分辨能力 | 第103页 |
| 6.2 BP 神经网络对苹果光谱特性的分类结果 | 第103-107页 |
| 6.2.1 BP 网络建立和识别过程以及分类结果 | 第103-106页 |
| 6.2.2 BP 神经网络分类结果分析 | 第106-107页 |
| 6.3 利用隶属度表示分类结果的初步研究 | 第107-109页 |
| 6.4 本章小结 | 第109-110页 |
| 第七章 肉品新鲜度的光谱分类方法研究 | 第110-123页 |
| 7.1 肉品新鲜度的分类 | 第110-111页 |
| 7.2 肉品新鲜度的常规检测方法 | 第111-115页 |
| 7.3 肉品样本的光谱测试及色度分类识别 | 第115-119页 |
| 7.3.1 肉品样本光谱测试分析 | 第115-117页 |
| 7.3.2 肉品样本的色度识别 | 第117-119页 |
| 7.4 神经网络用于肉品新鲜度识别 | 第119-121页 |
| 7.5 本章小结 | 第121-123页 |
| 第八章 结论 | 第123-127页 |
| 8.1 本研究的结论 | 第123-126页 |
| 8.2 今后的研究方向和建议 | 第126-127页 |
| 参考文献 | 第127-134页 |
| 作者在攻读博士期间发表论文情况 | 第134-135页 |
| 致谢 | 第135-136页 |
| 论文摘要(中文) | 第136-140页 |
| 论文摘要(英文) | 第140页 |