| 摘要 | 第6-8页 |
| abstract | 第8-10页 |
| 第一章 文献综述 | 第14-25页 |
| 1.1 研究背景与研究意义 | 第14-16页 |
| 1.1.1 研究背景 | 第14-15页 |
| 1.1.2 研究意义 | 第15-16页 |
| 1.2 水果内部品质无损检测研究现状 | 第16-21页 |
| 1.2.1 基于介电特性的水果内部品质无损检测 | 第16-18页 |
| 1.2.2 基于近红外光谱技术的水果内部品质无损检测 | 第18-19页 |
| 1.2.3 基于高光谱的水果内部品质无损检测 | 第19-20页 |
| 1.2.4 水果成熟度检测与最佳采摘期判断研究进展 | 第20-21页 |
| 1.3 存在问题 | 第21-22页 |
| 1.4 研究内容与技术路线 | 第22-24页 |
| 1.4.1 研究内容 | 第22-23页 |
| 1.4.2 技术路线 | 第23-24页 |
| 1.5 论文章节安排 | 第24-25页 |
| 第二章 材料与方法 | 第25-35页 |
| 2.1 试验材料 | 第25页 |
| 2.2 仪器、设备与相关软件 | 第25-26页 |
| 2.3 谱数据采集方法与定量分析过程 | 第26-31页 |
| 2.3.1 介电频谱法 | 第26-28页 |
| 2.3.2 近红外光谱法 | 第28-29页 |
| 2.3.3 高光谱方法 | 第29-31页 |
| 2.4 水果生理参数及内部品质参数测定 | 第31-32页 |
| 2.4.1 生长期水果生理参数测定 | 第31页 |
| 2.4.2 内部品质参数测定 | 第31-32页 |
| 2.5 数据分析与处理方法 | 第32-34页 |
| 2.5.1 样品优选及样品集的合理划分 | 第32-33页 |
| 2.5.2 光谱数据的预处理 | 第33-34页 |
| 2.5.3 变量优选与数据降维 | 第34页 |
| 2.5.4 校正模型设计与预测分析 | 第34页 |
| 2.6 本章小结 | 第34-35页 |
| 第三章 水果理化特性变化规律及与内部品质的关系 | 第35-56页 |
| 3.1 生长期“富士”苹果的理化特性及与内部品质的关系 | 第35-44页 |
| 3.1.1 内部品质参数变化规律 | 第35-36页 |
| 3.1.2 生理参数变化规律 | 第36-37页 |
| 3.1.3 介电频谱特性及与内部品质的关系 | 第37-40页 |
| 3.1.4 近红外光谱特性及与内部品质的关系 | 第40-42页 |
| 3.1.5 高光谱特性及与内部品质的关系 | 第42-44页 |
| 3.2 生长期“砀山酥”梨的理化特性及与内部品质的关系 | 第44-51页 |
| 3.2.1 内部品质参数变化规律 | 第44页 |
| 3.2.2 生理参数变化规律 | 第44-45页 |
| 3.2.3 介电频谱特性及与内部品质的关系 | 第45-47页 |
| 3.2.4 近红外光谱特性及与内部品质的关系 | 第47-49页 |
| 3.2.5 高光谱特性及与内部品质的关系 | 第49-51页 |
| 3.3 甜瓜的理化特性及与内部品质的关系 | 第51-53页 |
| 3.3.1 介电频谱特性及与内部品质的关系 | 第51-52页 |
| 3.3.2 近红外光谱特性及与内部品质的关系 | 第52-53页 |
| 3.4 香梨的光谱特性及与内部品质的关系 | 第53-54页 |
| 3.4.1 近红外光谱特性 | 第53-54页 |
| 3.4.2 近红外吸光强度与内部品质的关系 | 第54页 |
| 3.5 本章小结 | 第54-56页 |
| 第四章 基于介电频谱的水果内部品质检测模型构建 | 第56-72页 |
| 4.1 生长期“富士”苹果内部品质检测与分析 | 第56-65页 |
| 4.1.1 样品集划分 | 第56页 |
| 4.1.2 数据降维及变量优选 | 第56-61页 |
| 4.1.3 内部品质检测模型设计与分析 | 第61-65页 |
| 4.2 甜瓜内部品质检测与分析 | 第65-70页 |
| 4.2.1 样品集划分 | 第65-66页 |
| 4.2.2 数据降维及变量优选 | 第66-69页 |
| 4.2.3 内部品质检测模型设计与分析 | 第69-70页 |
| 4.3 本章小结 | 第70-72页 |
| 第五章 基于近红外光谱的水果内部品质检测模型构建 | 第72-96页 |
| 5.1 基于近红外光谱的生长期“富士”苹果内部品质检测模型 | 第72-80页 |
| 5.1.1 样品集划分 | 第72页 |
| 5.1.2 数据降维及变量优选 | 第72-76页 |
| 5.1.3 内部品质检测模型设计与分析 | 第76-80页 |
| 5.2 基于近红外光谱的生长期“砀山酥”梨内部品质检测模型 | 第80-86页 |
| 5.2.1 样品集划分 | 第80-81页 |
| 5.2.2 数据降维及变量优选 | 第81-84页 |
| 5.2.3 内部品质检测模型设计与分析 | 第84-86页 |
| 5.3 基于近红外光谱的甜瓜内部品质检测模型 | 第86-90页 |
| 5.3.1 样品集的划分 | 第86-87页 |
| 5.3.2 数据降维及变量优选 | 第87-88页 |
| 5.3.3 内部品质检测模型设计与分析 | 第88-90页 |
| 5.4 基于近红外光谱的香梨内部品质检测模型 | 第90-95页 |
| 5.4.1 样品集的划分 | 第90页 |
| 5.4.2 数据降维及变量优选 | 第90-93页 |
| 5.4.3 内部品质检测模型设计与分析 | 第93-95页 |
| 5.5 本章小结 | 第95-96页 |
| 第六章 基于高光谱的水果内部品质检测模型构建 | 第96-106页 |
| 6.1 基于高光谱的生长期“富士”苹果内部品质检测模型 | 第96-101页 |
| 6.1.1 样品集划分 | 第96页 |
| 6.1.2 数据降维及特征波提取 | 第96-98页 |
| 6.1.3 内部品质检测模型设计与分析 | 第98-101页 |
| 6.2 基于高光谱的生长期“砀山酥”梨内部品质检测模型 | 第101-105页 |
| 6.2.1 样品集划分 | 第101页 |
| 6.2.2 数据降维及特征波提取 | 第101-102页 |
| 6.2.3 内部品质检测模型设计与分析 | 第102-105页 |
| 6.3 本章小结 | 第105-106页 |
| 第七章 水果单一品质参数不同检测方法比较 | 第106-111页 |
| 7.1 水果糖度检测 | 第106-107页 |
| 7.2 水果硬度检测 | 第107-108页 |
| 7.3 水果pH值检测 | 第108页 |
| 7.4 水果含水率检测 | 第108-109页 |
| 7.5 本章小结 | 第109-111页 |
| 第八章 结论与展望 | 第111-113页 |
| 8.1 结论 | 第111-112页 |
| 8.2 创新点 | 第112页 |
| 8.3 展望及后续研究 | 第112-113页 |
| 参考文献 | 第113-119页 |
| 缩略词 | 第119-120页 |
| 致谢 | 第120-121页 |
| 作者简介 | 第121-122页 |
