| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景与意义 | 第10-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 水果近红外检测研究现状 | 第14-15页 |
| 1.2.2 基于BP神经网络的近红外检测研究现状 | 第15-16页 |
| 1.2.3 基于BP神经网络的水果近红外检测研究现状 | 第16-18页 |
| 1.3 本文研究内容 | 第18-19页 |
| 1.4 本章小结 | 第19-20页 |
| 第2章 近红外光谱检测的理论研究 | 第20-29页 |
| 2.1 近红外光谱检测概述 | 第20-23页 |
| 2.1.1 红外光谱分类 | 第20-21页 |
| 2.1.2 产生红外吸收的条件 | 第21-23页 |
| 2.2 近红外检测方法 | 第23-27页 |
| 2.2.1 近红外光与物质的相互作用 | 第23-24页 |
| 2.2.2 近红外反射检测法 | 第24-25页 |
| 2.2.3 近红外透射检测法 | 第25页 |
| 2.2.4 近红外漫反射检测法 | 第25-27页 |
| 2.3 近红外光谱定量分析技术 | 第27-28页 |
| 2.4 近红外光谱分析技术特点及其局限性 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 近红外检测实验研究 | 第29-42页 |
| 3.1 实验仪器 | 第29-32页 |
| 3.1.1 近红外光谱仪 | 第29页 |
| 3.1.2 光源 | 第29-30页 |
| 3.1.3 糖度计 | 第30页 |
| 3.1.4 光纤与探头 | 第30-31页 |
| 3.1.5 光学多路复用器 | 第31-32页 |
| 3.2 实验样本 | 第32页 |
| 3.3 实验方法 | 第32-35页 |
| 3.3.1 实验系统 | 第32-33页 |
| 3.3.2 水果采集点研究 | 第33-35页 |
| 3.3.3 实验步骤 | 第35页 |
| 3.4 同种样本光谱分析结果 | 第35-38页 |
| 3.5 水果整体与水果切片测量对比 | 第38-39页 |
| 3.6 香蕉和鲜枣一周的变化 | 第39-41页 |
| 3.7 本章小结 | 第41-42页 |
| 第4章 圣女果近红外光谱含糖量预测研究 | 第42-58页 |
| 4.1 实验样本及方法 | 第42-43页 |
| 4.2 实验结果 | 第43页 |
| 4.3 光谱数据的预处理 | 第43-47页 |
| 4.3.1 平滑去噪 | 第43-45页 |
| 4.3.2 主成分分析 | 第45-47页 |
| 4.4 模型的建立 | 第47-50页 |
| 4.4.1 BP网络基本理论 | 第47-48页 |
| 4.4.2 BP网络结构的确定 | 第48页 |
| 4.4.3 BP网络参数的选择 | 第48-49页 |
| 4.4.4 BP网络评价标准 | 第49-50页 |
| 4.5 BP网络模型预测结果 | 第50-55页 |
| 4.5.1 网络训练函数为Trainlm的模型结果 | 第50-51页 |
| 4.5.2 网络训练函数为Traindgm的模型结果 | 第51-53页 |
| 4.5.3 网络训练函数为Trainscg的模型结果 | 第53-54页 |
| 4.5.4 模型最优预测结果 | 第54-55页 |
| 4.6 模型验证 | 第55-56页 |
| 4.7 本章小结 | 第56-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 在读期间成果 | 第65页 |
