| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-27页 |
| ·研究背景与意义 | 第12-14页 |
| ·研究背景 | 第12-14页 |
| ·研究意义 | 第14页 |
| ·国内外研究现状 | 第14-21页 |
| ·果品近红外光谱检测技术现状 | 第14-18页 |
| ·猕猴桃近红外光谱检测技术现状 | 第18-21页 |
| ·存在问题与今后研究重点 | 第21-22页 |
| ·存在问题 | 第21-22页 |
| ·今后研究重点 | 第22页 |
| ·研究内容与方法 | 第22-27页 |
| ·研究目标 | 第22页 |
| ·研究内容 | 第22-24页 |
| ·研究方法 | 第24-27页 |
| 第二章 近红外光谱仪性能测试与仪器参数优化 | 第27-55页 |
| ·近红外光谱检测技术 | 第27-31页 |
| ·近红外光谱检测原理与方法 | 第27-30页 |
| ·近红外光谱检测技术的特点 | 第30-31页 |
| ·猕猴桃近红外光谱检测仪性能测试 | 第31-36页 |
| ·傅里叶型近红外光谱仪 | 第31-32页 |
| ·MPA 近红外光谱仪性能指标及其测试 | 第32-36页 |
| ·猕猴桃近红外光谱仪器参数的选择与优化 | 第36-54页 |
| ·材料与方法 | 第36-44页 |
| ·结果与分析 | 第44-54页 |
| ·小结 | 第54-55页 |
| 第三章 猕猴桃检测参数对光谱响应特性与检测精度的影响 | 第55-70页 |
| ·材料与方法 | 第55-58页 |
| ·样品光谱采集与糖度检测 | 第55-57页 |
| ·数据分析方法 | 第57-58页 |
| ·结果与分析 | 第58-68页 |
| ·测试部位对全波长平均吸光度和噪声的影响 | 第58-59页 |
| ·测试部位对吸收波峰位置的影响 | 第59-61页 |
| ·测试部位对同一波长处吸光度的影响 | 第61-62页 |
| ·测试部位对不同波长处吸光度差异性的影响 | 第62-65页 |
| ·测试部位对猕猴桃糖度检测精度的影响 | 第65-66页 |
| ·多侧点光谱与多侧点平均光谱校正模型检测精度的比较 | 第66-68页 |
| ·单测点光谱与多测点平均光谱校正模型检测精度的比较 | 第68页 |
| ·小结 | 第68-70页 |
| 第四章 猕猴桃样品参数对近红外光谱检测精度的影响 | 第70-78页 |
| ·材料与方法 | 第70-72页 |
| ·样品光谱采集与糖度检测 | 第70-71页 |
| ·数据分析方法 | 第71-72页 |
| ·结果与分析 | 第72-77页 |
| ·猕猴桃糖度含量的预测 | 第72-75页 |
| ·糖度预测模型精度检验 | 第75-77页 |
| ·小结 | 第77-78页 |
| 第五章 猕猴桃近红外光谱有效信息提取方法研究 | 第78-100页 |
| ·理论部分 | 第78-83页 |
| ·遗传算法原理与实现过程 | 第78-80页 |
| ·小波变换的原理与计算方法 | 第80-83页 |
| ·材料与方法 | 第83-92页 |
| ·实验数据 | 第83页 |
| ·遗传算法实现过程 | 第83-87页 |
| ·小波变换参数确定及重构光谱建模质量评价 | 第87-92页 |
| ·结果与分析 | 第92-99页 |
| ·遗传算法最优谱区筛选结果 | 第92-94页 |
| ·遗传算法优选谱区建模精度分析 | 第94-98页 |
| ·小波去噪与压缩结果分析 | 第98-99页 |
| ·小结 | 第99-100页 |
| 第六章 基于人工神经网络的猕猴桃近红外非线性模型研究 | 第100-116页 |
| ·人工神经网络模型与应用 | 第100-103页 |
| ·人工神经网络模型及其在近红外光谱中的应用 | 第100-101页 |
| ·BP 模型的基本原理与算法 | 第101-103页 |
| ·BP 算法在猕猴桃近红外光谱数据处理中的应用 | 第103-111页 |
| ·实验数据与模型评价指标 | 第103页 |
| ·BP 网络输入变量分析 | 第103-105页 |
| ·BP 网络模型设计 | 第105-111页 |
| ·结果与分析 | 第111-114页 |
| ·BP 网络模型预测结果分析 | 第111-112页 |
| ·BP 网络模型预测精度检验 | 第112-114页 |
| ·小结 | 第114-116页 |
| 第七章 猕猴桃品种近红外光谱鉴别方法研究 | 第116-130页 |
| ·NIRDRS 数据库判别分析理论 | 第116-119页 |
| ·NIRDRS 数据库原理 | 第116页 |
| ·OPUS5.5 Ident 软件包介绍 | 第116-119页 |
| ·聚类分析原理与算法 | 第119-122页 |
| ·聚类分析原理 | 第119页 |
| ·聚类分析算法 | 第119-120页 |
| ·OPUS5.5 软件聚类分析模块介绍 | 第120-122页 |
| ·材料与方法 | 第122-123页 |
| ·样品光谱采集 | 第122页 |
| ·光谱数据预处理 | 第122-123页 |
| ·NIRDRS 数据库及聚类分析模型建立 | 第123页 |
| ·结果与分析 | 第123-129页 |
| ·图谱分析 | 第123-124页 |
| ·不同光谱预处理方式下三种猕猴桃的阈值 | 第124-125页 |
| ·库检验报告 | 第125-126页 |
| ·未知样品分析 | 第126页 |
| ·聚类分析 | 第126-129页 |
| ·小结 | 第129-130页 |
| 第八章 受损猕猴桃近红外光谱分类方法研究 | 第130-141页 |
| ·材料与方法 | 第130-131页 |
| ·受损猕猴桃光谱变化规律研究 | 第130-131页 |
| ·受损猕猴桃近红外光谱定性分析 | 第131页 |
| ·结果与分析 | 第131-140页 |
| ·色差分析 | 第131-132页 |
| ·近红外光谱变化规律分析 | 第132-135页 |
| ·损伤随时间变化的光谱特性分析 | 第135-136页 |
| ·损伤猕猴桃定性分析 | 第136-140页 |
| ·小结 | 第140-141页 |
| 第九章 结论与展望 | 第141-144页 |
| ·结论 | 第141-142页 |
| ·创新点 | 第142页 |
| ·展望 | 第142-144页 |
| 参考文献 | 第144-151页 |
| 附录 | 第151-163页 |
| 缩略词 | 第163-164页 |
| 致谢 | 第164-166页 |
| 作者简介 | 第166页 |
