| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 成像光谱技术的分类 | 第10-14页 |
| 1.2.1 基于扫描方式的分类 | 第10-12页 |
| 1.2.2 基于分光器件的分类 | 第12-14页 |
| 1.3 高光谱成像技术在果蔬内外品质检测中的研究现状 | 第14-17页 |
| 1.3.1 果蔬外部品质的检测 | 第14-16页 |
| 1.3.2 果蔬内部品质的检测 | 第16-17页 |
| 1.4 本论文主要研究内容 | 第17-19页 |
| 第二章 高光谱成像在果蔬检测中的理论 | 第19-28页 |
| 2.1 高光谱成像技术基本原理 | 第19页 |
| 2.2 果蔬与光的相互作用 | 第19-23页 |
| 2.3 望远成像系统原理 | 第23-25页 |
| 2.4 变焦镜头系统 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 高光谱成像实验系统的搭建 | 第28-43页 |
| 3.1 高光谱成像实验系统 | 第28-36页 |
| 3.1.1 系统光路设计 | 第28-34页 |
| 3.1.2 系统机械结构设计 | 第34-36页 |
| 3.2 系统各部分光学元件的性能 | 第36-39页 |
| 3.3 系统相关软件介绍 | 第39-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 高光谱图像处理方法的研究 | 第43-57页 |
| 4.1 光谱图像校正方法 | 第43-44页 |
| 4.2 光谱图像预处理方法 | 第44-46页 |
| 4.3 光谱图像特征提取方法 | 第46-49页 |
| 4.4 光谱图像分类识别方法 | 第49-56页 |
| 4.4.1 支持向量机(SVM) | 第49-52页 |
| 4.4.2 人工神经网络(ANN) | 第52-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 高光谱成像系统的实验研究 | 第57-72页 |
| 5.1 引言 | 第57页 |
| 5.2 香蕉新鲜度实验 | 第57-62页 |
| 5.2.1 样本准备和预先处理 | 第57页 |
| 5.2.2 图像采集与校正 | 第57-59页 |
| 5.2.3 图像预处理及数据分析 | 第59-62页 |
| 5.3 砂糖桔表面缺陷识别和分类实验 | 第62-71页 |
| 5.3.1 砂糖桔光谱图像数据采集 | 第62-64页 |
| 5.3.2 对砂糖桔表面缺陷的识别分类 | 第64-71页 |
| 5.4 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 攻硕期间取得的研究成果 | 第80页 |