| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第14-23页 |
| 1.1 鸡肉品质评价指标 | 第14-15页 |
| 1.1.1 物理品质指标 | 第14页 |
| 1.1.2 化学品质指标 | 第14-15页 |
| 1.1.3 其他品质指标 | 第15页 |
| 1.2 鸡肉品质的传统检测方法 | 第15页 |
| 1.3 鸡肉品质的无损检测方法 | 第15-20页 |
| 1.3.1 可见/近红外光谱技术及其在鸡肉品质检测中的应用 | 第15-16页 |
| 1.3.2 计算机视觉技术及其在鸡肉品质检测中的应用 | 第16-17页 |
| 1.3.3 高光谱成像技术及其在鸡肉品质检测中的应用 | 第17-20页 |
| 1.3.3.1 微生物腐败检测 | 第18-19页 |
| 1.3.3.2 品质分级 | 第19页 |
| 1.3.3.3 皮肤肿瘤检测 | 第19-20页 |
| 1.3.3.4 表面污染物检测 | 第20页 |
| 1.3.3.5 碎骨检测 | 第20页 |
| 1.4 国内外研究存在的主要问题 | 第20-21页 |
| 1.5 研究目的与内容 | 第21-23页 |
| 第二章 高光谱无损检测方法的建立与研究 | 第23-33页 |
| 2.1 试验材料及物理和化学值测定 | 第23页 |
| 2.2 可见/短波近红外高光谱成像系统 | 第23-25页 |
| 2.2.1 光源 | 第23-24页 |
| 2.2.2 光谱仪和镜头 | 第24页 |
| 2.2.3 面阵CCD探测器 | 第24-25页 |
| 2.2.4 其他系统部件 | 第25页 |
| 2.3 高光谱图像数据处理 | 第25-30页 |
| 2.3.1 光谱数据处理 | 第25-28页 |
| 2.3.1.1 光谱预处理方法 | 第25-27页 |
| 2.3.1.2 特征波长提取方法 | 第27-28页 |
| 2.3.2 图像数据处理 | 第28-30页 |
| 2.3.2.1 图像黑白场校正 | 第28-29页 |
| 2.3.2.2 主成分分析（PCA） | 第29页 |
| 2.3.2.3 图像纹理信息提取 | 第29页 |
| 2.3.2.4 图像可视化 | 第29-30页 |
| 2.4 高光谱数据建模方法 | 第30-31页 |
| 2.4.1 回归模型建模方法 | 第30-31页 |
| 2.4.1.1 主成分回归（PCR） | 第30页 |
| 2.4.1.2 多元线性回归（MLR） | 第30页 |
| 2.4.1.3 偏最小二乘回归（PLSR） | 第30-31页 |
| 2.4.2 分类模型建模方法 | 第31页 |
| 2.4.2.1 最小二乘支持向量机（LS-SVM） | 第31页 |
| 2.4.2.2 人工神经网络（ANN） | 第31页 |
| 2.5 模型评价标准 | 第31-32页 |
| 2.5.1 回归模型评价标准 | 第32页 |
| 2.5.2 分类模型评价标准 | 第32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 鸡肉物理品质指标的检测研究 | 第33-42页 |
| 3.1 引言 | 第33-34页 |
| 3.2 试验材料准备和高光谱图像的获取 | 第34页 |
| 3.3 传统方法测定鸡肉颜色和嫩度 | 第34-35页 |
| 3.3.1 鸡肉颜色（L*，a*，b*）参考值的获取 | 第34-35页 |
| 3.3.2 鸡肉嫩度WBSF参考值的获取 | 第35页 |
| 3.4 冷藏期间光谱特征曲线分析 | 第35-36页 |
| 3.5 光谱预处理及其对光谱模型的影响研究 | 第36-38页 |
| 3.6 特征波长提取及其对光谱模型的影响研究 | 第38-40页 |
| 3.7 图像可视化 | 第40-41页 |
| 3.8 本章小结 | 第41-42页 |
| 第四章 鸡肉化学品质指标的检测研究 | 第42-52页 |
| 4.1 引言 | 第42-43页 |
| 4.2 传统方法测定鸡肉中TBARS含量 | 第43-44页 |
| 4.3 传统方法测定鸡肉中羟脯氨酸含量 | 第44-45页 |
| 4.4 鸡肉TBARS和羟脯氨酸含量的特征光谱曲线 | 第45-47页 |
| 4.5 基于全波长光谱的多元统计分析 | 第47页 |
| 4.6 基于特征波长的多元统计分析 | 第47-49页 |
| 4.7 图像可视化 | 第49-51页 |
| 4.7.1 鸡肉TBARS含量的可视化分布图 | 第49-50页 |
| 4.7.2 鸡肉羟脯氨酸含量的可视化分布图 | 第50-51页 |
| 4.8 本章小结 | 第51-52页 |
| 第五章 基于数据融合的土鸡与普通肉鸡的快速鉴别 | 第52-57页 |
| 5.1 引言 | 第52-53页 |
| 5.2 试验材料购买与处理 | 第53-54页 |
| 5.3 土鸡与普通肉鸡的光谱特征曲线 | 第54页 |
| 5.4 基于光谱信息建立鉴别模型 | 第54-55页 |
| 5.5 基于纹理信息建立鉴别模型 | 第55-56页 |
| 5.6 特征光谱与纹理信息融合技术的研究 | 第56页 |
| 5.7 本章小结 | 第56-57页 |
| 结论与展望 | 第57-59页 |
| 一、结论 | 第57-58页 |
| 二、本论文主要创新点 | 第58页 |
| 三、展望 | 第58-59页 |
| 参考文献 | 第59-67页 |
| 攻读硕士学位期间所取得的研究成果 | 第67-69页 |
| 致谢 | 第69-70页 |
| 附件 | 第70页 |
