基于近红外光谱的水稻种子老化程度研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 前言 | 第9-15页 |
| 1.1 研究的目的和意义 | 第9-10页 |
| 1.2 种子检测国内外研究现状 | 第10-13页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-13页 |
| 1.3 研究的主要内容及方法 | 第13-14页 |
| 1.3.1 研究方案 | 第13页 |
| 1.3.2 研究内容 | 第13页 |
| 1.3.3 技术路线 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 2 光谱曲线预处理方法 | 第15-27页 |
| 2.1 平滑算法 | 第15-19页 |
| 2.2 导数算法 | 第19-21页 |
| 2.3 标准正态变换 | 第21-22页 |
| 2.4 多元散射校正 | 第22-23页 |
| 2.5 傅里叶变换 | 第23-24页 |
| 2.6 小波变换 | 第24-25页 |
| 2.7 本章小结 | 第25-27页 |
| 3 基于多变量统计分析的分类方法研究 | 第27-33页 |
| 3.1 主成分分析 | 第27-28页 |
| 3.2 偏最小二乘法 | 第28-29页 |
| 3.3 人工神经网络 | 第29-30页 |
| 3.4 支持向量机 | 第30-33页 |
| 4 实验数据获取 | 第33-43页 |
| 4.1 水稻种子样品的选取 | 第33页 |
| 4.2 老化处理 | 第33页 |
| 4.3 近红外光谱数据获取 | 第33-42页 |
| 4.3.1 近红外光谱技术的原理及特点介绍 | 第33-36页 |
| 4.3.2 近红外光谱仪的介绍 | 第36-40页 |
| 4.3.3 近红外光谱数据采集流程 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 5 模型的建立和预测分析 | 第43-55页 |
| 5.1 数学模型评定方法 | 第43-44页 |
| 5.2 基于近红外光谱的水稻种子老化程度模型建立 | 第44-54页 |
| 5.2.1 光谱数据预处理 | 第44-46页 |
| 5.2.2 PLS判别模型的建立 | 第46-50页 |
| 5.2.3 PCA-BP神经网络模型的建立 | 第50-53页 |
| 5.2.4 PCA-SVM模型的建立 | 第53-54页 |
| 5.3 本章小结 | 第54-55页 |
| 6 结论与展望 | 第55-57页 |
| 6.1 结论 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 个人简历 | 第63页 |
