| 摘要 | 第13-15页 |
| Abstract | 第15-17页 |
| 第1章 绪论 | 第18-38页 |
| 1.1 研究目的和意义 | 第18-20页 |
| 1.2 国内外研究现状 | 第20-35页 |
| 1.2.1 肉品品质无损检测方法研究进展 | 第20-31页 |
| 1.2.2 高光谱成像技术在农产品品质检测中的应用研究进展 | 第31-34页 |
| 1.2.3 对国内外已有研究的总结与分析 | 第34-35页 |
| 1.3 研究内容与技术路线 | 第35-38页 |
| 1.3.1 研究内容 | 第35-37页 |
| 1.3.2 技术路线 | 第37-38页 |
| 第2章 试验材料与数据获取方法 | 第38-43页 |
| 2.1 试验样本获取与制备 | 第38页 |
| 2.1.1 冷鲜猪肉含水率和pH值检测样本获取与制备 | 第38页 |
| 2.1.2 冷鲜猪肉TVB-N含量检测样本获取与制备 | 第38页 |
| 2.2 试验仪器设备与试剂 | 第38-39页 |
| 2.2.1 高光谱成像系统 | 第38-39页 |
| 2.2.2 理化参照值测量仪器和试剂 | 第39页 |
| 2.3 高光谱数据采集 | 第39-42页 |
| 2.3.1 高光谱数据采集方法 | 第39-40页 |
| 2.3.2 光谱维数据提取 | 第40-42页 |
| 2.4 理化参照值测量 | 第42-43页 |
| 2.4.1 冷鲜猪肉含水率参照值测量 | 第42页 |
| 2.4.2 冷鲜猪肉pH值参照值测量与分析 | 第42页 |
| 2.4.3 冷鲜猪肉TVB-N含量参照值测量与分析 | 第42-43页 |
| 第3章 冷鲜猪肉异常样本的检测方法 | 第43-59页 |
| 3.1 概述 | 第43-44页 |
| 3.2 基于杠杆值-学生化残差T检验的冷鲜猪肉异常样本检测 | 第44-48页 |
| 3.2.1 杠杆值-学生化残差T检验异常样本检测方法 | 第44-45页 |
| 3.2.2 基于杠杆值-学生化残差T检验的冷鲜猪肉异常样本检测结果 | 第45-48页 |
| 3.3 基于蒙特卡洛方法的冷鲜猪肉异常样本检测 | 第48-51页 |
| 3.3.1 蒙特卡洛异常样本检测方法 | 第48-49页 |
| 3.3.2 基于蒙特卡洛方法的冷鲜猪肉异常样本检测结果 | 第49-51页 |
| 3.4 基于蒙特卡洛二次检测法的冷鲜猪肉异常样本检测 | 第51-56页 |
| 3.4.1 异常样本蒙特卡洛二次检测法 | 第51-52页 |
| 3.4.2 基于蒙特卡洛二次检测法的冷鲜猪肉异常样本检测结果 | 第52-56页 |
| 3.5 基于不同方法的冷鲜猪肉异常样本检测结果比较 | 第56-58页 |
| 3.6 本章小结 | 第58-59页 |
| 第4章 冷鲜猪肉样本集划分与光谱预处理方法选择 | 第59-73页 |
| 4.1 概述 | 第59页 |
| 4.2 冷鲜猪肉样本集划分方法选择 | 第59-66页 |
| 4.2.1 样本集划分方法 | 第59-62页 |
| 4.2.2 零号土猪肉含水率样本集划分方法选择 | 第62-63页 |
| 4.2.3 零号土猪肉pH值样本集划分方法选择 | 第63-65页 |
| 4.2.4 恩施山黑猪肉TVB-N含量样本集划分方法选择 | 第65-66页 |
| 4.3 冷鲜猪肉光谱预处理方法选择 | 第66-72页 |
| 4.3.1 光谱预处理方法 | 第66-68页 |
| 4.3.2 最优光谱预处理快速选择方法 | 第68-69页 |
| 4.3.3 零号土猪肉含水率样本集光谱预处理方法选择 | 第69-70页 |
| 4.3.4 零号土猪肉pH值样本集光谱预处理方法选择 | 第70-71页 |
| 4.3.5 恩施山黑猪肉TVB-N含量样本集光谱预处理方法选择 | 第71-72页 |
| 4.4 本章小结 | 第72-73页 |
| 第5章 冷鲜猪肉高光谱定量分析模型的建立与评价 | 第73-87页 |
| 5.1 概述 | 第73页 |
| 5.2 光谱定量分析模型建模方法 | 第73-78页 |
| 5.3 定量分析模型性能指标与评价依据 | 第78-79页 |
| 5.4 零号土猪肉含水率高光谱定量分析模型的建立与评价 | 第79-83页 |
| 5.4.1 含水率PLSR模型建立与评价 | 第79页 |
| 5.4.2 含水率MLR模型建立与评价 | 第79-80页 |
| 5.4.3 含水率PCR模型建立与评价 | 第80-81页 |
| 5.4.4 含水率SVR模型建立与评价 | 第81-82页 |
| 5.4.5 含水率不同模型性能比较 | 第82-83页 |
| 5.5 零号土猪肉pH值高光谱定量分析模型的建立与评价 | 第83-84页 |
| 5.5.1 pH值PLSR模型建立与评价 | 第83页 |
| 5.5.2 pH值SVR模型建立与评价 | 第83-84页 |
| 5.5.3 pH值不同模型性能比较 | 第84页 |
| 5.6 恩施山黑猪肉TVB-N含量高光谱定量分析模型的建立与评价 | 第84-86页 |
| 5.6.1 TVB-N含量PLSR模型建立与评价 | 第84-85页 |
| 5.6.2 TVB-N含量SVR模型建立与评价 | 第85页 |
| 5.6.3 TVB-N含量不同模型性能比较 | 第85-86页 |
| 5.7 本章小结 | 第86-87页 |
| 第6章 冷鲜猪肉高光谱特征波长的选择方法 | 第87-109页 |
| 6.1 概述 | 第87-88页 |
| 6.2 基于主成分分析法的高光谱特征波长选择 | 第88-91页 |
| 6.2.1 主成分分析法 | 第88-89页 |
| 6.2.2 基于PCA法的高光谱特征波长选择结果 | 第89-91页 |
| 6.3 基于无信息变量消除法的高光谱特征波长选择 | 第91-94页 |
| 6.3.1 无信息变量消除法 | 第91-92页 |
| 6.3.2 基于UVE法的高光谱特征波长选择结果 | 第92-94页 |
| 6.4 基于连续投影算法的高光谱特征波长选择 | 第94-97页 |
| 6.4.1 连续投影算法 | 第94页 |
| 6.4.2 基于SPA法的高光谱特征波长选择结果 | 第94-97页 |
| 6.5 基于遗传算法的高光谱特征波长选择 | 第97-102页 |
| 6.5.1 遗传算法 | 第97-98页 |
| 6.5.2 基于GA法的高光谱特征波长选择结果 | 第98-102页 |
| 6.6 基于竞争性自适应重加权算法的高光谱特征波长选择 | 第102-107页 |
| 6.6.1 竞争性自适应重加权算法 | 第102-103页 |
| 6.6.2 基于CARS法的高光谱特征波长选择结果 | 第103-107页 |
| 6.7 基于不同方法的高光谱特征波长选择结果比较 | 第107-108页 |
| 6.8 本章小结 | 第108-109页 |
| 第7章 模型更新法对冷鲜猪肉不同指标模型维护的适用性 | 第109-120页 |
| 7.1 概述 | 第109页 |
| 7.2 基于模型更新法的冷鲜猪肉含水率高光谱模型维护 | 第109-112页 |
| 7.2.1 冷鲜猪肉含水率样本集主、从品种选择 | 第109-110页 |
| 7.2.2 基于模型更新法的冷鲜猪肉含水率高光谱模型维护方法 | 第110页 |
| 7.2.3 基于模型更新法的冷鲜猪肉含水率高光谱模型维护结果 | 第110-112页 |
| 7.3 基于模型更新法的冷鲜猪肉pH值高光谱模型维护 | 第112-115页 |
| 7.3.1 冷鲜猪肉pH值样本集主、从品种选择 | 第112-113页 |
| 7.3.2 基于模型更新法的冷鲜猪肉pH值高光谱模型维护方法 | 第113页 |
| 7.3.3 基于模型更新法的冷鲜猪肉pH值高光谱模型维护结果 | 第113-115页 |
| 7.4 基于模型更新法的冷鲜猪肉TVB-N含量高光谱模型维护 | 第115-117页 |
| 7.4.1 冷鲜猪肉TVB-N含量样本集主、从品种选择 | 第115页 |
| 7.4.2 基于模型更新法的冷鲜猪肉TVB-N含量高光谱模型维护方法 | 第115页 |
| 7.4.3 基于模型更新法的冷鲜猪肉TVB-N含量高光谱模型维护结果 | 第115-117页 |
| 7.5 模型更新法对冷鲜猪肉不同检测指标高光谱模型维护结果比较 | 第117-118页 |
| 7.6 本章小结 | 第118-120页 |
| 第8章 考虑品种差异的冷鲜猪肉高光谱模型传递方法研究 | 第120-128页 |
| 8.1 概述 | 第120页 |
| 8.2 VSWS-PDS模型传递算法 | 第120-123页 |
| 8.3 基于VSWS-PDS算法的冷鲜猪肉高光谱模型传递 | 第123-127页 |
| 8.3.1 基于VSWS-PDS算法的冷鲜猪肉含水率高光谱模型传递 | 第123-125页 |
| 8.3.2 基于VSWS-PDS算法的冷鲜猪肉pH值高光谱模型传递 | 第125-127页 |
| 8.4 本章小结 | 第127-128页 |
| 第9章 结论与展望 | 第128-132页 |
| 9.1 结论 | 第128-129页 |
| 9.2 创新点 | 第129-130页 |
| 9.3 展望 | 第130-132页 |
| 参考文献 | 第132-150页 |
| 攻读博士期间的科研经历及成果 | 第150-151页 |
| 致谢 | 第151-152页 |
