| 摘要 | 第10-12页 |
| 英文摘要 | 第12-14页 |
| 1 引言 | 第15-29页 |
| 1.1 研究目的与意义 | 第15-16页 |
| 1.2 马铃薯品质无损检测方法的研究进展 | 第16-22页 |
| 1.2.1 马铃薯品质定量分析的研究进展 | 第16-19页 |
| 1.2.2 马铃薯品质定性分析的研究进展 | 第19-22页 |
| 1.3 高光谱技术在农产品品质检测中的研究现状 | 第22-26页 |
| 1.4 研究方法与内容 | 第26-27页 |
| 1.5 技术路线 | 第27-28页 |
| 1.6 本章小结 | 第28-29页 |
| 2 试验材料与数据处理方法 | 第29-47页 |
| 2.1 样品获取与制备 | 第29-30页 |
| 2.1.1 马铃薯内部组分检测样本 | 第29页 |
| 2.1.2 马铃薯内部缺陷检测样本 | 第29-30页 |
| 2.1.3 马铃薯品种鉴别检测样本 | 第30页 |
| 2.2 试验仪器与试剂 | 第30-32页 |
| 2.2.1 高光谱成像系统 | 第30-32页 |
| 2.2.2 理化指标测量仪器和试剂 | 第32页 |
| 2.3 高光谱数据采集 | 第32-34页 |
| 2.3.1 高光谱图像采集方法 | 第32-33页 |
| 2.3.2 光谱数据提取 | 第33-34页 |
| 2.4 理化指标分析方法 | 第34-36页 |
| 2.4.1 马铃薯水分含量的测定方法 | 第34页 |
| 2.4.2 马铃薯淀粉含量的测定方法 | 第34-35页 |
| 2.4.3 马铃薯蛋白质含量的测定方法 | 第35-36页 |
| 2.4.4 马铃薯还原糖含量的测定方法 | 第36页 |
| 2.5 数据处理方法 | 第36-46页 |
| 2.5.1 光谱数据预处理方法 | 第36-38页 |
| 2.5.2 定量校正方法 | 第38-40页 |
| 2.5.3 模式识别（定性）方法 | 第40-42页 |
| 2.5.4 特征波长提取方法 | 第42-45页 |
| 2.5.5 模型性能的评价 | 第45-46页 |
| 2.5.6 化学计量学算法实现软件 | 第46页 |
| 2.6 本章小结 | 第46-47页 |
| 3 马铃薯内部品质高光谱定量分析 | 第47-63页 |
| 3.1 马铃薯样本理化指标结果分析 | 第47-48页 |
| 3.2 样本集的划分 | 第48页 |
| 3.3 马铃薯高光谱定量分析 | 第48-61页 |
| 3.3.1 马铃薯水分含量的定量分析 | 第48-52页 |
| 3.3.2 马铃薯淀粉含量的定量分析 | 第52-55页 |
| 3.3.3 马铃薯蛋白质含量的定量分析 | 第55-59页 |
| 3.3.4 马铃薯还原糖含量的定量分析 | 第59-61页 |
| 3.4 本章小结 | 第61-63页 |
| 4 马铃薯高光谱定量分析的特征波长选择方法研究 | 第63-89页 |
| 4.1 基于遗传算法的高光谱特征波长选择 | 第63-68页 |
| 4.2 基于UVE的高光谱特征波长选择 | 第68-72页 |
| 4.3 基于CARS算法的高光谱特征波长选择 | 第72-78页 |
| 4.4 基于连续投影算法的高光谱特征波长选择 | 第78-82页 |
| 4.5 基于Random-frog算法的高光谱特征波长选择 | 第82-85页 |
| 4.6 高光谱特征波长选择结果比较 | 第85-88页 |
| 4.7 本章小结 | 第88-89页 |
| 5 马铃薯黑心病高光谱分析研究 | 第89-106页 |
| 5.1 马铃薯样本的理化参数及光谱分析 | 第89-91页 |
| 5.1.1 理化参数 | 第89-90页 |
| 5.1.2 马铃薯黑心病的光谱分析 | 第90-91页 |
| 5.2 马铃薯黑心病检测的建模方法研究 | 第91-100页 |
| 5.2.1 主成分分析（PCA） | 第91-92页 |
| 5.2.2 判别分析法 | 第92-94页 |
| 5.2.3 偏最小二乘线性判别分析（PLS-LDA） | 第94-97页 |
| 5.2.4 LS-SVM | 第97页 |
| 5.2.5 BP神经网络 | 第97-99页 |
| 5.2.6 不同建模方法比较 | 第99-100页 |
| 5.3 马铃薯黑心病检测模型的优化 | 第100-105页 |
| 5.3.1 Random-frog选择变量 | 第100-101页 |
| 5.3.2 子窗口重排分析选择变量 | 第101-103页 |
| 5.3.3 MIA选择变量 | 第103-104页 |
| 5.3.4 不同变量选择方法比较 | 第104-105页 |
| 5.4 本章小结 | 第105-106页 |
| 6 基于高光谱的马铃薯品种快速鉴别方法研究 | 第106-121页 |
| 6.1 不同品种马铃薯的光谱分析 | 第106-107页 |
| 6.2 马铃薯品种识别的建模方法研究 | 第107-114页 |
| 6.2.1 PCA对马铃薯品种的聚类分析 | 第107页 |
| 6.2.2 判别分析 | 第107-108页 |
| 6.2.3 SIMCA法 | 第108-109页 |
| 6.2.4 K-最邻近法 | 第109-111页 |
| 6.2.5 SVM-DA方法 | 第111-112页 |
| 6.2.6 BPNN方法 | 第112-114页 |
| 6.2.7 不同建模方法的比较 | 第114页 |
| 6.3 基于变量选择方法的马铃薯品种检测模型优化 | 第114-120页 |
| 6.3.1 无信息变量消除（UVE）选取特征波长 | 第115页 |
| 6.3.2 竞争性自适应重加权算法（CARS）选取特征波长 | 第115页 |
| 6.3.3 遗传算法（GA）选取特征波长 | 第115-117页 |
| 6.3.4 随机蛙跳（Random-frog）算法选取特征波长 | 第117-118页 |
| 6.3.5 GA结合连续投影算法（SPA）选取特征波长 | 第118页 |
| 6.3.6 不同变量选择方法的选择结果比较 | 第118-120页 |
| 6.4 本章小结 | 第120-121页 |
| 7 结论与展望 | 第121-123页 |
| 7.1 结论 | 第121-122页 |
| 7.2 创新之处 | 第122页 |
| 7.3 展望 | 第122-123页 |
| 致谢 | 第123-124页 |
| 参考文献 | 第124-140页 |
| 攻读博士学位期间发表的学术论文 | 第140页 |
