首页--农业科学论文--园艺论文--果树园艺论文--仁果类论文--苹果论文

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

论文共75页,点击 下载论文
上一篇:三维ATO反蛋白石复合结构的制备及光电化学性能研究
下一篇:鸡蛋新鲜度可见-近红外光谱在线检测技术研究