摘要 | 第1-9页 |
ABSTRACT | 第9-18页 |
缩略词索引 | 第18-19页 |
第一章 绪论 | 第19-35页 |
·我国茶业产业的发展状况 | 第19页 |
·茶叶品质检测方法及研究现状 | 第19-30页 |
·茶叶品质的常规检测方法 | 第20-22页 |
·茶叶品质的感官审评方法 | 第20-21页 |
·茶叶品质的理化检测方法 | 第21页 |
·茶叶品质常规检测方法存在的问题 | 第21-22页 |
·茶叶品质的快速、无损检测新技术研究现状 | 第22-30页 |
·基于计算机视觉技术的茶叶品质检测研究 | 第22-24页 |
·基于电子舌技术的茶叶品质检测研究 | 第24-25页 |
·基于电子鼻技术的茶叶品质检测研究 | 第25-26页 |
·基于测色技术的茶叶品质检测研究 | 第26-28页 |
·基于近红外光谱技术的茶叶品质检测研究 | 第28-30页 |
·基于高光谱成像技术的茶叶品质检测研究 | 第30页 |
·研究的目的和意义 | 第30-31页 |
·论文研究对象确定及研究的主要内容 | 第31-33页 |
·研究对象确定 | 第31页 |
·研究的主要内容 | 第31-33页 |
·小结 | 第33-35页 |
第二章 名优绿茶外形品质感官评价的仪器表征 | 第35-63页 |
·基于计算机视觉技术的名优绿茶外形品质感官评价的仪器表征 | 第36-51页 |
·试验材料与方法 | 第36-46页 |
·茶叶样本收集 | 第36页 |
·绿茶外形品质的感官审评 | 第36-37页 |
·试验装置及干茶叶的可见光图像采集 | 第37-38页 |
·干茶叶可见光图像特征提取 | 第38-44页 |
·模型建立方法及评价指标 | 第44-46页 |
·结果与讨论 | 第46-51页 |
·茶叶外形品质的感官审评结果分析 | 第46-47页 |
·偏最小二乘回归(PLS)模型建立及预测 | 第47-49页 |
·BP神经网络(BP-ANN)模型建立及预测 | 第49-50页 |
·PLS模型与BP-ANN模型结果比较 | 第50-51页 |
·基于高光谱成像技术的名优绿茶外形品质感官评价的仪器表征 | 第51-59页 |
·材料与方法 | 第52-54页 |
·茶叶样本收集及茶叶外形品质的感官审评 | 第52页 |
·试验装置及干茶叶的高光谱图像采集 | 第52-53页 |
·干茶叶的高光谱图像标定 | 第53-54页 |
·结果与讨论 | 第54-59页 |
·高光谱图像区域的选择 | 第54-55页 |
·特征波长图像的选取 | 第55-56页 |
·特征波长图像的颜色特征和纹理特征提取 | 第56-57页 |
·偏最小二乘回归(PLS)模型建立及预测 | 第57-58页 |
·BP神经网络(BP-ANN)模型建立及预测 | 第58页 |
·PLS模型与BP-ANN模型结果比较 | 第58-59页 |
·名优绿茶外形品质感官评价的不同仪器表征方法比较 | 第59-61页 |
·小结 | 第61-63页 |
第三章 名优绿茶汤色品质感官评价的仪器表征 | 第63-75页 |
·茶叶汤色品质的测色技术检测原理 | 第63-64页 |
·试验材料与方法 | 第64-66页 |
·试验仪器 | 第64-65页 |
·茶叶样本收集 | 第65页 |
·绿茶汤色品质的感官审评 | 第65页 |
·茶汤的色度值测定 | 第65-66页 |
·结果与讨论 | 第66-72页 |
·茶叶汤色品质的感官审评结果分析 | 第66页 |
·茶汤色差测定值与感官审评结果的相关性分析 | 第66-67页 |
·基于逐步回归方法的特征变量提取及PLS模型建立 | 第67-68页 |
·基于主成分分析方法(PCA)的特征变量提取及PLS模型建立 | 第68-69页 |
·逐步回归方法与PCA方法提取特征变量建立的PLS模型结果比较 | 第69-71页 |
·BP神经网络(BP-ANN)模型建立 | 第71页 |
·PLS模型与BP-ANN模型结果比较 | 第71-72页 |
·小结 | 第72-75页 |
第四章 名优绿茶滋味品质感官评价的仪器表征 | 第75-97页 |
·基于化学分析方法的名优绿茶滋味品质感官评价的仪器表征 | 第76-83页 |
·试验材料与方法 | 第76-79页 |
·试验仪器与材料 | 第76页 |
·茶叶样本收集 | 第76页 |
·绿茶滋味品质的感官审评 | 第76-77页 |
·游离氨基酸总量测定 | 第77页 |
·茶多酚含量测定 | 第77-78页 |
·咖啡因和儿茶素单体含量测定 | 第78-79页 |
·结果与讨论 | 第79-83页 |
·茶叶滋味品质的感官审评结果分析 | 第79-80页 |
·茶叶内滋味化学成分含量分析 | 第80页 |
·偏最小二乘回归(PLS)模型建立及预测 | 第80-81页 |
·BP神经网络(BP-ANN)模型建立及预测 | 第81页 |
·PLS模型与BP-ANN模型结果比较 | 第81-83页 |
·基于近红外光谱技术的名优绿茶滋味品质感官评价的仪器表征 | 第83-89页 |
·近红外光谱技术预测绿茶滋味感官品质的基本原理 | 第83-84页 |
·近红外光谱技术预测绿茶滋味感官品质步骤 | 第84页 |
·试验材料与方法 | 第84-86页 |
·试验材料 | 第84-85页 |
·绿茶滋味品质的感官审评 | 第85页 |
·近红外光谱采集及光谱预处理 | 第85-86页 |
·结果与讨论 | 第86-89页 |
·偏最小二乘回归(PLS)模型建立及预测 | 第86-87页 |
·BP神经网络(BP-ANN)模型建立及预测 | 第87页 |
·PLS模型与BP-ANN模型结果比较 | 第87-89页 |
·基于电子舌技术的名优绿茶滋味品质感官评价的仪器表征 | 第89-94页 |
·电子舌预测绿茶滋味感官品质的基本原理 | 第89页 |
·α-ASTREE电子舌系统 | 第89-90页 |
·试验材料与方法 | 第90-91页 |
·试验材料及绿茶滋味品质的感官审评 | 第90页 |
·电子舌传感器数据采集 | 第90-91页 |
·结果与讨论 | 第91-94页 |
·偏最小二乘回归(PLS)模型建立及预测 | 第91-92页 |
·BP神经网络(BP-ANN)模型建立及预测 | 第92-93页 |
·PLS模型与BP-ANN模型结果比较 | 第93-94页 |
·名优绿茶滋味品质感官评价的不同仪器表征方法的结果比较 | 第94-96页 |
·小结 | 第96-97页 |
第五章 名优绿茶叶底品质感官评价的仪器表征 | 第97-113页 |
·基于计算机视觉技术的名优绿茶叶底品质感官评价的仪器表征 | 第97-104页 |
·试验材料与方法 | 第98-100页 |
·茶叶样本收集 | 第98页 |
·茶叶底品质的感官审评 | 第98页 |
·试验装置及叶底可见光图像采集 | 第98-99页 |
·叶底可见光图像特征提取 | 第99-100页 |
·结果与讨论 | 第100-104页 |
·茶叶叶底品质感官审评结果分析 | 第100-101页 |
·偏最小二乘回归(PLS)模型建立及预测 | 第101-102页 |
·BP神经网络(BP-ANN)模型建立及预测 | 第102-103页 |
·PLS模型与BP-ANN模型结果比较 | 第103-104页 |
·基于高光谱成像技术的名优绿茶叶底品质感官评价的仪器表征 | 第104-110页 |
·材料与方法 | 第104-105页 |
·茶叶样本收集及叶底品质感官审评 | 第104页 |
·试验装置及叶底高光谱图像采集 | 第104-105页 |
·叶底高光谱图像的标定 | 第105页 |
·结果与讨论 | 第105-110页 |
·高光谱图像波段的筛选 | 第105-106页 |
·高光谱图像的特征波长优选及特征图像提取 | 第106-107页 |
·图像的颜色特征和纹理特征提取 | 第107页 |
·偏最小二乘回归(PLS)模型建立及预测 | 第107-108页 |
·BP神经网络(BP-ANN)模型建立及预测 | 第108-109页 |
·PLS模型与BP-ANN模型结果比较 | 第109-110页 |
·名优绿茶叶底品质感官评价的不同仪器表征方法比较 | 第110-112页 |
·小结 | 第112-113页 |
第六章 名优绿茶滋味品质化学评价的的仪器表征 | 第113-127页 |
·基于近红外光谱技术的名优绿茶滋味品质化学评价的仪器表征 | 第113-121页 |
·试验材料与方法 | 第114-117页 |
·茶样准备及茶汤溶液制备 | 第114页 |
·茶汤近红外光谱采集 | 第114-115页 |
·茶汤原始光谱预处理 | 第115页 |
·氨基酸、茶多酚光密度值测量及滋味总得分值计算 | 第115-116页 |
·特征变量筛选方法 | 第116-117页 |
·结果分析与讨论 | 第117-121页 |
·基于siPLS特征光谱区间筛选 | 第117-118页 |
·基于GA特征变量筛选 | 第118-119页 |
·siPLS-GA模型结果 | 第119-120页 |
·模型性能比较与讨论 | 第120-121页 |
·基于电子舌技术的名优绿茶滋味品质化学评价的仪器表征 | 第121-126页 |
·试验材料与方法 | 第121-122页 |
·样本收集及茶汤制备 | 第121页 |
·电子舌传感器响应值采集 | 第121页 |
·氨基酸、茶多酚光密度值测量及滋味总得分值计算 | 第121-122页 |
·结果分析与讨论 | 第122-126页 |
·偏最小二乘回归(PLS)模型建立及预测 | 第122-123页 |
·最小二乘支持向量机(LS-SVM)模型建立及预测 | 第123-125页 |
·PLS模型和LS-SVM模型结果比较 | 第125-126页 |
·本章小结 | 第126-127页 |
第七章 结论与展望 | 第127-131页 |
·论文的主要结论 | 第127-129页 |
·论文的主要创新点 | 第129页 |
·展望 | 第129-131页 |
致谢 | 第131-133页 |
参考文献 | 第133-145页 |
博士期间发表论文 | 第145页 |
博士期间申请专利 | 第145页 |
博士期间参与研究课题 | 第145页 |
博士期间获得的个人荣誉 | 第145-147页 |
附录 | 第147-155页 |