基于光学参数的苹果轻微损伤的早期识别研究
摘要 | 第6-8页 |
Abstract | 第8-9页 |
1 绪论 | 第10-18页 |
1.1 研究目的及意义 | 第10页 |
1.2 国内外研究现状 | 第10-13页 |
1.3 生物组织的光传输特性 | 第13-14页 |
1.4 光传输理论及反向倍增法 | 第14-16页 |
1.5 主要内容及结构 | 第16-18页 |
2 刀片切割对果肉的损伤影响 | 第18-25页 |
2.1 测量弹性模量和最大破坏力 | 第18-19页 |
2.2 几何模型的建立 | 第19-20页 |
2.3 Ansys-Workbench有限元分析 | 第20-25页 |
2.3.1 有限元模型的建立 | 第20-22页 |
2.3.2 建立接触对 | 第22页 |
2.3.3 结果与讨论 | 第22-25页 |
3 积分球技术与系统的验证 | 第25-30页 |
3.1 积分球技术 | 第25-26页 |
3.2 积分球装置 | 第26-27页 |
3.3 系统的验证 | 第27-30页 |
3.3.1 用于验证系统的参考材料 | 第27-28页 |
3.3.2 验证方法及结果 | 第28-30页 |
4 光学参数的测量 | 第30-42页 |
4.1 样品的制备及微观结构 | 第30-32页 |
4.2 折射率的测量 | 第32-33页 |
4.3 测量漫反射率和漫透射率 | 第33-36页 |
4.3.1 漫反射率和漫透射率测量原理 | 第33-34页 |
4.3.2 漫反射率和漫透射率测量方法及结果 | 第34-36页 |
4.4 吸收系数和约化散射系数 | 第36-42页 |
4.4.1 680nm处吸收峰的问题 | 第38-40页 |
4.4.2 生理盐水的作用 | 第40-42页 |
5 数据的处理与分析 | 第42-51页 |
5.1 光学参数谱图的预处理 | 第42-45页 |
5.1.1 多元散射校正 | 第42-44页 |
5.1.2 标准正态变换 | 第44-45页 |
5.2 数据的降维处理 | 第45-51页 |
5.2.1 线性降维 | 第46-48页 |
5.2.2 非线性降维 | 第48-51页 |
6 识别模型的建立与验证 | 第51-65页 |
6.1 分类模型的概述与样本划分 | 第51-53页 |
6.2 支持向量机分类 | 第53-59页 |
6.2.1 支持向量机理论 | 第53-54页 |
6.2.2 支持向量机的参数优化 | 第54-57页 |
6.2.3 支持向量机的验证结果 | 第57-59页 |
6.3 概率神经网络分类 | 第59-65页 |
6.3.1 概率神经网络的理论 | 第60-61页 |
6.3.2 概率神经网络的验证结果 | 第61-65页 |
7 总结与展望 | 第65-68页 |
7.1 本文的主要内容与总结 | 第65-66页 |
7.2 本研究的下一步工作 | 第66-68页 |
参考文献 | 第68-74页 |
附录A | 第74-75页 |
致谢 | 第75页 |