| 摘要 | 第8-11页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 水果品质的近红外光谱检测技术 | 第12-15页 |
| 1.2.1 水果成熟期近红外检测研究进展 | 第12-13页 |
| 1.2.2 水果外部品质近红外检测研究进展 | 第13-14页 |
| 1.2.3 水果内在品质近红外检测研究进展 | 第14-15页 |
| 1.3 水果品质的高光谱成像检测技术 | 第15-19页 |
| 1.3.1 水果成熟度的高光谱检测研究 | 第16-17页 |
| 1.3.2 水果外部缺陷的高光谱检测研究进展 | 第17-18页 |
| 1.3.3 水果内部品质的高光谱检测研究进展 | 第18-19页 |
| 1.4. 主要研究内容及技术路线 | 第19-21页 |
| 1.4.1 研究内容 | 第19-20页 |
| 1.4.2 技术路线 | 第20-21页 |
| 1.5 本章小结 | 第21-22页 |
| 第二章 光谱理论及数据处理方法 | 第22-44页 |
| 2.1 近红外光谱分析技术概述 | 第22-27页 |
| 2.1.1 近红外光谱分析相关理论 | 第22-25页 |
| 2.1.2 光谱数据的采集 | 第25-27页 |
| 2.2 高光谱成像系统简介 | 第27-31页 |
| 2.2.1 高光谱成像工作原理 | 第27页 |
| 2.2.2 高光谱成像采集硬件系统 | 第27-29页 |
| 2.2.3 高光谱图像校正与信息提取 | 第29-31页 |
| 2.3 多传感器信息融合技术 | 第31-33页 |
| 2.3.1 多传感器信息融合技术概述 | 第31-32页 |
| 2.3.2 多传感器信息融合技术在光谱无损检测中的应用 | 第32-33页 |
| 2.4 数据处理方法 | 第33-43页 |
| 2.4.1 光谱维数据挖掘技术 | 第33-38页 |
| 2.4.2 图像维数据挖掘技术 | 第38-43页 |
| 2.5 本章小结 | 第43-44页 |
| 第三章 高光谱成像技术对鲜枣成熟度的判别 | 第44-69页 |
| 3.1 引言 | 第44-48页 |
| 3.1.1 二维相关光谱技术及在无损检测中的运用 | 第44-47页 |
| 3.1.2 特征波长提取法在无损检测中的运用 | 第47页 |
| 3.1.3 图像纹理值提取在无损检测中的运用 | 第47-48页 |
| 3.1.4 色彩分析在无损检测中的运用 | 第48页 |
| 3.2 实验材料与方法 | 第48-50页 |
| 3.3 提取特征波长 | 第50-55页 |
| 3.3.1 二维相关光谱特征波长提取法 | 第50页 |
| 3.3.2 一维光谱特征波长提取法 | 第50-53页 |
| 3.3.3 特征波长提取方法比较 | 第53-55页 |
| 3.4 提取纹理特征值 | 第55-58页 |
| 3.5 提取颜色特征值 | 第58-63页 |
| 3.5.1 RGB颜色模型 | 第58-59页 |
| 3.5.2 颜色模型的转换 | 第59-62页 |
| 3.5.3 颜色模型建模效果比较 | 第62-63页 |
| 3.6 成熟度判别结果分析 | 第63-66页 |
| 3.7 本章小结 | 第66-69页 |
| 第四章 基于可见/近红外光谱技术的鲜枣内部品质评价 | 第69-106页 |
| 4.1 引言 | 第69-70页 |
| 4.2 内部品质指标的测定方法 | 第70-74页 |
| 4.2.1 水分含量的测定 | 第70页 |
| 4.2.2 可溶性固形物含量(SSC)的测定 | 第70-71页 |
| 4.2.3 硬度值的测定 | 第71-72页 |
| 4.2.4 可溶性蛋白质含量的测定 | 第72-73页 |
| 4.2.5 维生素C含量的测定 | 第73-74页 |
| 4.3 各项内部品质指标模型的建立与精度比较 | 第74-89页 |
| 4.3.1 基于全波长光谱数据建立品质指标预测模型 | 第74-80页 |
| 4.3.2 基于特征波长建立品质指标预测模型 | 第80-89页 |
| 4.4 各项品质指标模型的水分补偿方法研究 | 第89-95页 |
| 4.4.1 水分补偿模型的建立 | 第89-92页 |
| 4.4.2 水分补偿模型的建模精度比较 | 第92-94页 |
| 4.4.3 各项品质指标间的相关性分析 | 第94-95页 |
| 4.5 内部综合品质指标预测 | 第95-104页 |
| 4.5.1 内在综合品质指标的建立 | 第95-98页 |
| 4.5.2 综合指标预测模型 | 第98-104页 |
| 4.6 本章小结 | 第104-106页 |
| 第五章 高光谱成像技术对鲜枣内外部综合品质的检测研究 | 第106-130页 |
| 5.1 引言 | 第106页 |
| 5.2 实验材料与方法 | 第106-107页 |
| 5.3 鲜枣自然损伤(外部品质)的高光谱成像检测 | 第107-116页 |
| 5.3.1 基于光谱特征的鲜枣自然损伤判别 | 第107-112页 |
| 5.3.2 基于图像信息的鲜枣自然损伤判别 | 第112-116页 |
| 5.4 自然损伤及完好鲜枣内部综合品质指标检测 | 第116-124页 |
| 5.4.1 基于高光谱成像技术对鲜枣内部综合品质的检测 | 第116-120页 |
| 5.4.2 高光谱数据和可见/近红外光谱数据之间的迁移性研究 | 第120-124页 |
| 5.5 内外部品质混合建模及方法比较 | 第124-128页 |
| 5.5.1 建模有效信息的提取 | 第124-125页 |
| 5.5.2 外部品质指标的检测 | 第125-126页 |
| 5.5.3 内部品质指标的检测 | 第126-128页 |
| 5.6 本章小结 | 第128-130页 |
| 第六章 鲜枣内部综合品质近红外漫反射在线检测系统 | 第130-142页 |
| 6.1 引言 | 第130-131页 |
| 6.2 鲜枣内部综合品质近红外光谱在线无损检测系统的设计 | 第131-139页 |
| 6.2.1 硬件系统的设计 | 第132-138页 |
| 6.2.2 软件系统的设计 | 第138-139页 |
| 6.3 鲜枣内部综合品质在线检测模型构建 | 第139-141页 |
| 6.4 本章小结 | 第141-142页 |
| 第七章 结论与展望 | 第142-156页 |
| 7.1 主要研究结论 | 第142-144页 |
| 7.2 主要创新点 | 第144-145页 |
| 7.3 研究展望 | 第145-146页 |
| 参考文献 | 第146-156页 |
| Abstract | 第156-159页 |
| 攻读博士学位期间主持和参加的科研工作及发表的相关学术论文 | 第160-162页 |
| 致谢 | 第162页 |
