| 摘要 | 第1-10页 |
| ABSTRACT | 第10-18页 |
| 第一章 绪论 | 第18-38页 |
| ·我国禽蛋生产、加工现状 | 第18-19页 |
| ·禽蛋品质的检测 | 第19-20页 |
| ·禽蛋品质主要指标及常规检测方法 | 第19-20页 |
| ·禽蛋品质的无损检测方法 | 第20页 |
| ·禽蛋蛋壳质量的敲击振动响应信号分析技术检测 | 第20-23页 |
| ·农产品的敲击振动响应信号分析技术简洁 | 第20-21页 |
| ·禽蛋蛋壳质量的敲击振动响应信号分析技术检测原理 | 第21-22页 |
| ·禽蛋蛋壳裂纹检测的国内外研究现状 | 第22-23页 |
| ·禽蛋蛋壳强度的检测国内外研究现状 | 第23页 |
| ·禽蛋新鲜度的机器视觉技术检测 | 第23-25页 |
| ·机器视觉技术简介 | 第23-24页 |
| ·禽蛋新鲜度机器视觉技术检测原理 | 第24页 |
| ·禽蛋新鲜度机器视觉检测国内外研究现状 | 第24-25页 |
| ·禽蛋新鲜度的近红外光谱分析技术检测 | 第25-27页 |
| ·近红外光谱分析技术简介 | 第25-26页 |
| ·禽蛋新鲜度近红外光谱技术检测原理 | 第26页 |
| ·禽蛋新鲜度近红外光谱检测国内外研究现状 | 第26-27页 |
| ·研究目的和意义 | 第27-28页 |
| ·研究主要内容 | 第28-29页 |
| ·小结 | 第29-30页 |
| 参考文献 | 第30-38页 |
| 第二章 鸡蛋蛋壳敲击振动响应信号采集、分析的基础研究 | 第38-54页 |
| ·鸡蛋蛋壳敲击振动响应信号采集和分析平台 | 第38-43页 |
| ·硬件系统 | 第39-41页 |
| ·软件系统 | 第41-42页 |
| ·鸡蛋蛋壳敲击振动响应信号的采集和处理流程 | 第42-43页 |
| ·鸡蛋蛋壳裂纹识别的基础研究 | 第43-52页 |
| ·硬件参数的选取和优化 | 第43-45页 |
| ·试验材料 | 第45页 |
| ·敲击位置的选择 | 第45页 |
| ·信号采集及分析 | 第45-47页 |
| ·特征参数的提取 | 第47-49页 |
| ·蛋壳裂纹判别模型的建立 | 第49-52页 |
| ·小结 | 第52页 |
| 参考文献 | 第52-54页 |
| 第三章 蛋壳裂纹的识别 | 第54-72页 |
| ·噪音信号处理 | 第54-57页 |
| ·LMS自适应滤波 | 第55-56页 |
| ·RLS自适应滤波 | 第56-57页 |
| ·特征的提取和筛选 | 第57-61页 |
| ·逐步回归法 | 第58-59页 |
| ·遗传算法 | 第59-60页 |
| ·逐步回归法和遗传算法筛选特征变量结果比较 | 第60-61页 |
| ·鸡蛋蛋壳裂纹识别模型的建立和分析 | 第61-68页 |
| ·k最近邻法 | 第61-63页 |
| ·人工神经网络 | 第63-64页 |
| ·支持向量机 | 第64-66页 |
| ·几种模型检测结果比较 | 第66-67页 |
| ·自适应滤波对检测结果的影响 | 第67-68页 |
| ·小结 | 第68页 |
| 参考文献 | 第68-72页 |
| 第四章 蛋壳强度的定量分析 | 第72-90页 |
| ·鸡蛋蛋壳敲击响应信号的采集 | 第72页 |
| ·蛋壳强度的准静态压缩法检测 | 第72-73页 |
| ·准静态压缩受力分析 | 第73-74页 |
| ·鸡蛋蛋壳敲击振动响应信号的分析 | 第74-75页 |
| ·鸡蛋蛋壳强度检测模型的建立 | 第75-86页 |
| ·模型的评价指标 | 第75-76页 |
| ·样本的选取 | 第76-77页 |
| ·特征频率区域的选取 | 第77-78页 |
| ·联合区间偏最小二乘 | 第78-80页 |
| ·遗传偏最小二乘 | 第80-83页 |
| ·遗传联合区间偏最小二乘 | 第83-84页 |
| ·几种筛选变量方法的比较 | 第84-86页 |
| ·小结 | 第86页 |
| 参考文献 | 第86-90页 |
| 第五章 鸡蛋蛋壳质量在线检测系统 | 第90-104页 |
| ·在线检测平台核心处理系统的选取 | 第90-91页 |
| ·鸡蛋蛋壳质量在线检测流程 | 第91-93页 |
| ·自动敲击系统 | 第93-94页 |
| ·DSP信号处理系统 | 第94-101页 |
| ·DSP信号获取和处理外围电路系统 | 第94-95页 |
| ·DSP信号采集和处理系统 | 第95页 |
| ·鸡蛋蛋壳裂纹检测系统 | 第95-100页 |
| ·鸡蛋蛋壳强度检测系统 | 第100-101页 |
| ·结论 | 第101页 |
| 参考文献 | 第101-104页 |
| 第六章 基于机器视觉技术的鸡蛋新鲜度检测 | 第104-118页 |
| ·机器视觉检测系统 | 第104-105页 |
| ·鸡蛋新鲜度的机器视觉技术检测原理 | 第105-106页 |
| ·鸡蛋新鲜度检测流程 | 第106-107页 |
| ·实验材料与方法 | 第107-111页 |
| ·鸡蛋新鲜度的标准方法检测 | 第111-112页 |
| ·判别模型的建立 | 第112-115页 |
| ·变量的筛选 | 第112页 |
| ·人工神经网络判别模型的建立 | 第112-115页 |
| ·小结 | 第115页 |
| 参考文献 | 第115-118页 |
| 第七章 基于近红外光谱分析技术的鸡蛋新鲜度检测 | 第118-132页 |
| ·鸡蛋新鲜度近红外光谱定量模型的建立 | 第118-119页 |
| ·材料与方法 | 第119-124页 |
| ·试验材料 | 第119页 |
| ·光谱采集 | 第119-120页 |
| ·光谱的预处理 | 第120-121页 |
| ·光谱特征信息的提取 | 第121-122页 |
| ·鸡蛋哈夫单位值的测试 | 第122-123页 |
| ·鸡蛋新鲜度检测的模型建立 | 第123-124页 |
| ·结果与分析 | 第124-129页 |
| ·遗传神经网络模型的建立 | 第124-125页 |
| ·因子数的优化 | 第125-127页 |
| ·独立分量分析与主成分分析结果比较 | 第127页 |
| ·GA-NNR非线性模型与PLS线性模型结果比较 | 第127-128页 |
| ·鸡蛋新鲜度近红外光谱和哈夫单位线性度测试 | 第128-129页 |
| ·小结 | 第129页 |
| 参考文献 | 第129-132页 |
| 第八章 鸡蛋品质检测模型中的样本不均衡处理方法 | 第132-152页 |
| ·一类分类器 | 第132-138页 |
| ·常用一类分类器处理方法 | 第134页 |
| ·一类支持向量机 | 第134-136页 |
| ·支持向量数据描述 | 第136-138页 |
| ·OC-SVM在鸡蛋蛋壳裂纹检测中的应用 | 第138-141页 |
| ·实验材料与方法 | 第138页 |
| ·鸡蛋蛋壳裂纹OC-SVM模型的建立 | 第138-141页 |
| ·SVDD在鸡蛋新鲜度检测中的应用 | 第141-148页 |
| ·实验材料与方法 | 第141-142页 |
| ·鸡蛋新鲜度SVDD检测模型的建立 | 第142-148页 |
| ·小结 | 第148页 |
| 参考文献 | 第148-152页 |
| 第九章 结论与展望 | 第152-156页 |
| ·论文的主要结论 | 第152-154页 |
| ·论文的主要创新点 | 第154页 |
| ·展望 | 第154-156页 |
| 致谢 | 第156-158页 |
| 博士期间发表论文和取得成果 | 第158-162页 |
| 附录 | 第162-174页 |