基于高光谱的水稻种子活力检测技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-9页 |
| 图表目录 | 第9-11页 |
| 1 绪论 | 第11-18页 |
| ·研究背景 | 第11-12页 |
| ·种子活力检测国内外研究现状 | 第12-14页 |
| ·基于化学特性的种子活力检测技术 | 第12-13页 |
| ·基于电学特性的种子活力检测技术 | 第13页 |
| ·基于光学特性的种子活力检测技术 | 第13-14页 |
| ·研究方案、研究内容及技术路线图 | 第14-16页 |
| ·研究方案 | 第14-15页 |
| ·研究内容 | 第15-16页 |
| ·研究技术路线 | 第16页 |
| ·本章小结与本文结构 | 第16-18页 |
| 2 实验材料的准备及基础数据获取 | 第18-23页 |
| ·水稻种子样品的选取 | 第18页 |
| ·老化处理 | 第18页 |
| ·高光谱数据获取 | 第18-21页 |
| ·高光谱成像仪 | 第18-19页 |
| ·高光谱数据采集 | 第19-21页 |
| ·发芽实验 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 3 样本库的建立 | 第23-26页 |
| ·高光谱数据处理 | 第23-24页 |
| ·高光谱黑白校正 | 第23页 |
| ·ROI光谱数据提取 | 第23-24页 |
| ·种子活力测定 | 第24页 |
| ·样本库的建立 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 4 活力检测模型研究 | 第26-51页 |
| ·模式识别方法 | 第26-27页 |
| ·数据采集 | 第26页 |
| ·数据处理 | 第26-27页 |
| ·分类决策或模型匹配 | 第27页 |
| ·模式识别方法 | 第27页 |
| ·特征提取 | 第27-29页 |
| ·模式识别算法 | 第29-33页 |
| ·SVM概述 | 第29-30页 |
| ·SVM原理 | 第30-31页 |
| ·常见核函数及其选择 | 第31-33页 |
| ·基于小样本的SVM建模方案的可行性 | 第33页 |
| ·利用SVM进行水稻种子活力识别 | 第33-39页 |
| ·水稻种子活力识别相关背景 | 第33-34页 |
| ·模型的建立 | 第34页 |
| ·Matlab实现 | 第34-39页 |
| ·SVM的参数优化 | 第39-44页 |
| ·背景 | 第39-40页 |
| ·模型的建立 | 第40页 |
| ·参数寻优算法 | 第40-44页 |
| ·主成分分析对于不同活力的水稻种子的定性分析 | 第44-48页 |
| ·主成分分析法简介 | 第44-45页 |
| ·PCA主成分分析计算步骤 | 第45-46页 |
| ·利用PCA进行光谱分析 | 第46-48页 |
| ·特征波段选择方法 | 第48-50页 |
| ·权重系数选择法 | 第48页 |
| ·COV选择法 | 第48-49页 |
| ·离散度波段选择法 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 5 水稻种子活力检测系统 | 第51-57页 |
| ·系统的设计 | 第51-52页 |
| ·系统功能介绍 | 第52-56页 |
| ·数据载入（load） | 第52-53页 |
| ·保存数据（save） | 第53页 |
| ·数据预处理方式 | 第53页 |
| ·特征分析 | 第53-54页 |
| ·参数寻优方法 | 第54-55页 |
| ·运行结果 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 6 结论与展望 | 第57-58页 |
| ·结论 | 第57页 |
| ·展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
