| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 近红外光谱技术 | 第9-10页 |
| 1.2.2 高光谱图像技术 | 第10-12页 |
| 1.3 光谱检测技术在水果品质属性评估的前景 | 第12-13页 |
| 1.4 本文研究内容 | 第13-15页 |
| 第二章 光谱图像技术基本原理及实验设计 | 第15-24页 |
| 2.1 引言 | 第15页 |
| 2.2 光在生物组织中传输的基本原理 | 第15-17页 |
| 2.3 样本及光谱采集 | 第17-19页 |
| 2.3.1 试验样本 | 第17页 |
| 2.3.2 近红外光谱采集 | 第17-18页 |
| 2.3.3 高光谱散射图像采集 | 第18-19页 |
| 2.4 损伤实验及敏感性测量 | 第19-23页 |
| 2.4.1 损伤实验 | 第20-21页 |
| 2.4.2 损伤体积计算模型 | 第21-22页 |
| 2.4.3 损伤敏感性 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于近红外光谱集成学习的苹果损伤敏感性预测 | 第24-37页 |
| 3.1 引言 | 第24页 |
| 3.2 近红外光谱的预处理 | 第24-25页 |
| 3.3 损伤敏感性的预测模型构建 | 第25-31页 |
| 3.3.1 偏最小二乘建模 | 第26-28页 |
| 3.3.2 集成学习及模型构建 | 第28-31页 |
| 3.4 模型评价 | 第31-32页 |
| 3.5 损伤结果分析 | 第32-33页 |
| 3.6 建模及结果分析 | 第33-36页 |
| 3.6.1 样本划分 | 第33页 |
| 3.6.2 结果分析 | 第33-36页 |
| 3.7 本章小结 | 第36-37页 |
| 第四章 基于高光谱散射图像的苹果损伤敏感性预测评估 | 第37-52页 |
| 4.1 引言 | 第37页 |
| 4.2 特征提取方法 | 第37-44页 |
| 4.2.1 光学特性参数 | 第38-40页 |
| 4.2.2 洛伦兹参数 | 第40-41页 |
| 4.2.3 广义高斯分布参数 | 第41-43页 |
| 4.2.4 均值光谱参数 | 第43-44页 |
| 4.3 建模评估方法 | 第44-46页 |
| 4.4 光谱分析及建模 | 第46-51页 |
| 4.4.1 光谱分析 | 第46-47页 |
| 4.4.2 样本划分与建模 | 第47页 |
| 4.4.3 结果分析 | 第47-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 基于光谱信息融合技术的苹果损伤敏感性预测 | 第52-58页 |
| 5.1 引言 | 第52页 |
| 5.2 信息融合原理 | 第52-53页 |
| 5.3 矩变换方法及建模方法 | 第53-54页 |
| 5.3.1 矩变换方法 | 第53-54页 |
| 5.3.2 建模方法 | 第54页 |
| 5.4 结果分析 | 第54-57页 |
| 5.5 本章小结 | 第57-58页 |
| 主要结论与展望 | 第58-61页 |
| 主要结论 | 第58-59页 |
| 展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第67页 |