| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 1 绪论 | 第10-19页 |
| 1.1 课题来源 | 第10页 |
| 1.2 研究目的与意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-16页 |
| 1.3.1 反射高光谱成像技术的研究现状 | 第11-14页 |
| 1.3.2 透/半透射高光谱成像技术的研究现状 | 第14-16页 |
| 1.4 对已有研究的思考和分析 | 第16-17页 |
| 1.5 研究内容 | 第17-18页 |
| 1.6 技术路线 | 第18页 |
| 1.7 本章小结 | 第18-19页 |
| 2 基于半透射高光谱的马铃薯内部缺陷检测方法研究 | 第19-33页 |
| 2.1 概述 | 第19页 |
| 2.2 半透射高光谱成像系统 | 第19-22页 |
| 2.2.1 高光谱成像技术简介 | 第19-21页 |
| 2.2.2 半透射高光谱检测装置的搭建 | 第21-22页 |
| 2.3 试验材料与数据采集 | 第22-23页 |
| 2.4 数据处理方法 | 第23-25页 |
| 2.4.1 光谱预处理方法 | 第23页 |
| 2.4.2 建模方法 | 第23-24页 |
| 2.4.3 光谱变量选择方法 | 第24-25页 |
| 2.4.4 参数寻优算法 | 第25页 |
| 2.5 马铃薯空心病的半透射高光谱检测方法研究 | 第25-27页 |
| 2.5.1 原始光谱分析和样本集划分 | 第25-26页 |
| 2.5.2 光谱预处理 | 第26-27页 |
| 2.6 基于变量选择方法的马铃薯空心病检测模型优化 | 第27-31页 |
| 2.6.1 竞争性自适应重加权算法（CARS） | 第27-28页 |
| 2.6.2 连续投影算法（SPA） | 第28-29页 |
| 2.6.3 基于CARS-SPA的二次特征波长选择 | 第29-30页 |
| 2.6.4 不同变量选择方法的比较 | 第30-31页 |
| 2.7 基于参数优选的马铃薯空心病检测模型优化 | 第31-32页 |
| 2.8 本章小结 | 第32-33页 |
| 3 基于半透射高光谱的马铃薯外部缺陷检测方法研究 | 第33-41页 |
| 3.1 概述 | 第33页 |
| 3.2 材料与仪器 | 第33-34页 |
| 3.2.1 试验材料 | 第33页 |
| 3.2.2 试验仪器及高光谱图像采集 | 第33-34页 |
| 3.3 定性建模方法 | 第34-35页 |
| 3.3.1 自适应提升法 | 第34页 |
| 3.3.2 K最近邻法 | 第34-35页 |
| 3.4 光谱分析和样本集划分 | 第35-36页 |
| 3.5 马铃薯发芽和绿皮检测的建模方法研究 | 第36-40页 |
| 3.5.1 偏最小二乘判别分析（PLSDA） | 第36-37页 |
| 3.5.2 K最近邻法（KNN） | 第37-38页 |
| 3.5.3 自适应提升法（AdaBoost） | 第38-39页 |
| 3.5.4 不同建模方法比较研究 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 4 基于半透射高光谱的马铃薯内外部缺陷同时检测方法研究 | 第41-56页 |
| 4.1 概述 | 第41页 |
| 4.2 数据处理方法 | 第41-44页 |
| 4.2.1 多分类方法 | 第41-42页 |
| 4.2.2 数据降维方法 | 第42-44页 |
| 4.2.3 模型评价指标 | 第44页 |
| 4.3 试验材料 | 第44-45页 |
| 4.4 原始光谱分析及样本集划分 | 第45-46页 |
| 4.5 马铃薯内外部缺陷检测的多分类方法研究 | 第46-49页 |
| 4.5.1 支持向量机（SVM） | 第46-47页 |
| 4.5.2 K最近邻法（KNN） | 第47页 |
| 4.5.3 基于纠错输出编码的最小二乘支持向量机（ECOC-LSSVM） | 第47-48页 |
| 4.5.4 不同多分类方法比较研究 | 第48-49页 |
| 4.6 马铃薯内外部缺陷检测的不同降维方法研究 | 第49-54页 |
| 4.6.1 局部线性嵌入（LLE） | 第49页 |
| 4.6.2 有监督局部线性嵌入（SLLE） | 第49-50页 |
| 4.6.3 等距映射（Isomap） | 第50-51页 |
| 4.6.4 核主成分分析（KPCA） | 第51页 |
| 4.6.5 不同降维方法的比较研究 | 第51-54页 |
| 4.7 马铃薯内外部缺陷多分类模型优化 | 第54页 |
| 4.8 本章小结 | 第54-56页 |
| 5 结论与展望 | 第56-59页 |
| 5.1 结论 | 第56-58页 |
| 5.2 创新之处 | 第58页 |
| 5.3 展望 | 第58-59页 |
| 参考文献 | 第59-67页 |
| 附录 | 第67-68页 |
| 致谢 | 第68页 |
