| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究的背景与意义 | 第12-13页 |
| 1.2 近红外光谱和高光谱图像技术在定性分析中的应用 | 第13-14页 |
| 1.2.1 近红外光谱在定性分析中的应用 | 第13-14页 |
| 1.2.2 高光谱图像技术在定性分析中的应用 | 第14页 |
| 1.3 猕猴桃品质光谱检测技术的研究进展 | 第14-16页 |
| 1.4 国内外研究存在的问题 | 第16页 |
| 1.5 研究的主要内容 | 第16-17页 |
| 第二章 光谱分析的理论和方法 | 第17-24页 |
| 2.1 近红外光谱分析的原理 | 第17页 |
| 2.2 高光谱图像技术分析的原理 | 第17-18页 |
| 2.3 样品集划分方法 | 第18页 |
| 2.4 光谱预处理方法 | 第18页 |
| 2.5 数据降维方法 | 第18-20页 |
| 2.5.1 主成分分析法 | 第18-19页 |
| 2.5.2 无信息变量消除法 | 第19-20页 |
| 2.5.3 连续投影算法 | 第20页 |
| 2.6 建模方法 | 第20-23页 |
| 2.6.1 偏最小二乘法 | 第20-22页 |
| 2.6.2 支持向量机 | 第22-23页 |
| 2.7 模型评判准则 | 第23页 |
| 2.8 软件 | 第23页 |
| 2.9 本章小结 | 第23-24页 |
| 第三章 基于近红外光谱技术识别猕猴桃膨大果 | 第24-32页 |
| 3.1 材料与方法 | 第24-25页 |
| 3.1.1 实验材料 | 第24页 |
| 3.1.2 实验设备与光谱采集方法 | 第24-25页 |
| 3.1.3 猕猴桃外观参数和品质的测量方法 | 第25页 |
| 3.2 结果与讨论 | 第25-31页 |
| 3.2.1 猕猴桃外观尺寸及内部品质分析 | 第25-26页 |
| 3.2.2 光谱的预处理和样本划分 | 第26-27页 |
| 3.2.3 光谱数据的降维 | 第27-29页 |
| 3.2.4 建模结果及建模方法的比较 | 第29-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第四章 基于高光谱图像技术识别猕猴桃膨大果 | 第32-40页 |
| 4.1 材料与方法 | 第32-34页 |
| 4.1.1 实验材料 | 第32页 |
| 4.1.2 高光谱图像的采集方法 | 第32-33页 |
| 4.1.3 高光谱图像的处理及光谱提取 | 第33-34页 |
| 4.2 结果与讨论 | 第34-38页 |
| 4.2.1 高光谱的提取 | 第34页 |
| 4.2.2 光谱的预处理和样本划分 | 第34-35页 |
| 4.2.3 光谱数据的降维 | 第35-37页 |
| 4.2.4 建模结果及建模方法的比较 | 第37-38页 |
| 4.3 本章小结 | 第38-40页 |
| 第五章 模型适应性的研究 | 第40-54页 |
| 5.1 实验材料 | 第40页 |
| 5.2 近红外光谱识别模型的检验 | 第40-42页 |
| 5.2.1 第二批样品光谱的预处理和样本划分 | 第40-41页 |
| 5.2.2 模型的验证结果 | 第41-42页 |
| 5.3 近红外光谱识别模型的修正 | 第42-46页 |
| 5.3.1 光谱数据的降维 | 第43-45页 |
| 5.3.2 建模结果及建模方法的比较 | 第45-46页 |
| 5.4 猕猴桃膨大果的高光谱识别模型的检验 | 第46-48页 |
| 5.4.1 第二批样品光谱的预处理和样本划分 | 第46-47页 |
| 5.4.2 模型的验证结果 | 第47-48页 |
| 5.5 猕猴桃膨大果高光谱识别模型的修正 | 第48-52页 |
| 5.5.1 光谱数据的降维 | 第49-51页 |
| 5.5.2 建模结果及建模方法的比较 | 第51-52页 |
| 5.6 本章小结 | 第52-54页 |
| 第六章 结论与展望 | 第54-56页 |
| 6.1 结论 | 第54-55页 |
| 6.2 创新点 | 第55页 |
| 6.3 展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 作者简介 | 第61页 |