| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 农药残留传统有损检测方法 | 第11-13页 |
| 1.2.2 农药残留光谱无损检测方法 | 第13-15页 |
| 1.2.3 农药残留高光谱图像检测方法 | 第15-16页 |
| 1.3 主要研究内容 | 第16-17页 |
| 1.4 技术路线 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第2章 数据采集与检测机理分析 | 第19-28页 |
| 2.1 试验材料 | 第19-24页 |
| 2.1.1 试验样品 | 第19-21页 |
| 2.1.2 试验仪器 | 第21-24页 |
| 2.2 高光谱图像采集与数据提取 | 第24-26页 |
| 2.2.1 高光谱图像采集 | 第24页 |
| 2.2.2 高光谱数据提取 | 第24-26页 |
| 2.3 检测机理分析 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 相关算法研究 | 第28-37页 |
| 3.1 预处理方法 | 第28页 |
| 3.2 特征选择方法 | 第28-31页 |
| 3.2.1 竞争性自适应重加权采样算法 | 第28-29页 |
| 3.2.2 基于随机森林的递归特征消除算法 | 第29-30页 |
| 3.2.3 连续投影算法 | 第30-31页 |
| 3.3 定性建模方法 | 第31-35页 |
| 3.3.1 支持向量机 | 第31页 |
| 3.3.2 基于ABC优化的支持向量机 | 第31-32页 |
| 3.3.3 基于CS优化的支持向量机 | 第32-34页 |
| 3.3.4 基于GSA优化的支持向量机 | 第34-35页 |
| 3.4 定量建模方法 | 第35-36页 |
| 3.5 模型评价标准 | 第36页 |
| 3.5.1 定性模型评价标准 | 第36页 |
| 3.5.2 定量模型评价标准 | 第36页 |
| 3.6 本章小结 | 第36-37页 |
| 第4章 基于高光谱图像技术的生菜叶片多种农药残留鉴别研究 | 第37-46页 |
| 4.1 生菜样本制备 | 第37-38页 |
| 4.2 光谱数据采集 | 第38-39页 |
| 4.3 光谱预处理 | 第39-41页 |
| 4.3.1 奇异样本剔除 | 第39-40页 |
| 4.3.2 SNV预处理 | 第40-41页 |
| 4.4 特征波长选择 | 第41页 |
| 4.5 定性模型建立 | 第41-45页 |
| 4.5.1 样本集划分 | 第41-42页 |
| 4.5.2 SVM模型建立 | 第42-43页 |
| 4.5.3 基于优化算法的SVM模型建立 | 第43-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第5章 基于高光谱图像技术的生菜叶片混合农药残留定量检测研究 | 第46-55页 |
| 5.1 生菜样本制备 | 第46-47页 |
| 5.2 光谱数据采集 | 第47页 |
| 5.3 混合农药残留化学值测定 | 第47-48页 |
| 5.4 光谱预处理 | 第48页 |
| 5.5 特征波长选择 | 第48-50页 |
| 5.5.1 基于CARS的特征波长选择 | 第49页 |
| 5.5.2 基于RF-RFE的特征波长选择 | 第49-50页 |
| 5.6 定量模型建立 | 第50-54页 |
| 5.7 本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-58页 |
| 6.1 论文工作总结 | 第55-56页 |
| 6.2 展望 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间发表的学术论文 | 第65页 |