| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 基于光谱技术的农药残留无损检测研究 | 第12-14页 |
| 1.2.2 基于高光谱成像技术的农药残留无损检测研究 | 第14-16页 |
| 1.3 主要研究内容与本文结构安排 | 第16-18页 |
| 1.3.1 主要研究内容 | 第16-17页 |
| 1.3.2 本文结构安排 | 第17-18页 |
| 1.4 本章小结 | 第18-19页 |
| 第2章 相关知识介绍 | 第19-24页 |
| 2.1 高光谱成像技术原理 | 第19-20页 |
| 2.2 光谱预处理方法 | 第20页 |
| 2.2.1 多元散射校正 | 第20页 |
| 2.2.2 分段多元散射校正 | 第20页 |
| 2.3 降维算法 | 第20-22页 |
| 2.3.1 主成分分析算法 | 第21页 |
| 2.3.2 连续投影算法 | 第21-22页 |
| 2.4 数学建模方法 | 第22页 |
| 2.4.1 马氏距离 | 第22页 |
| 2.4.2 最小二乘支持向量机 | 第22页 |
| 2.5 本章小结 | 第22-24页 |
| 第3章 实验材料、设备、样本采集与化学检测 | 第24-30页 |
| 3.1 实验样本 | 第24页 |
| 3.2 农药样本溶液的配制及施药步骤 | 第24-25页 |
| 3.3 高光谱成像系统 | 第25-26页 |
| 3.4 实验样本高光谱图像采集过程 | 第26-27页 |
| 3.5 西兰花中农药残留量的化学测定 | 第27-29页 |
| 3.5.1 液相色谱-质谱检测条件 | 第27页 |
| 3.5.2 线性关系的确定 | 第27-28页 |
| 3.5.3 样本的提取与净化 | 第28-29页 |
| 3.6 本章小结 | 第29-30页 |
| 第4章 基于高光谱成像技术的西兰花表面农药残留种类检测 | 第30-44页 |
| 4.1 西兰花光谱信息的提取与预处理 | 第30-31页 |
| 4.2 基于全波段数据的分类建模 | 第31-39页 |
| 4.2.1 人工神经网络建模 | 第34-36页 |
| 4.2.2 极限学习机模型 | 第36-38页 |
| 4.2.3 结果对比与分析 | 第38-39页 |
| 4.3 特征光谱的选取 | 第39-41页 |
| 4.4 基于特征提取算法的分类建模 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 基于近红外高光谱的西兰花表面阿维菌素残留定量检测 | 第44-65页 |
| 5.1 西兰花高光谱图像提取与预处理 | 第44-45页 |
| 5.2 基于全波段数据的阿维菌素残留浓度判别建模 | 第45-48页 |
| 5.3 特征光谱的选取 | 第48-50页 |
| 5.4 基于特征提取算法的阿维菌素残留浓度判别建模 | 第50-55页 |
| 5.5 基于卷积神经网络的光谱数据判别建模 | 第55-64页 |
| 5.5.1 卷积神经网络 | 第55-59页 |
| 5.5.2 样本图片数据预处理 | 第59-60页 |
| 5.5.3 模型深度的确定 | 第60-63页 |
| 5.5.4 结果分析 | 第63-64页 |
| 5.6 本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间的研究成果 | 第71页 |
