基于高光谱成像寒富苹果品质参数检测方法和等级评价的研究
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究进展 | 第12-18页 |
| 1.3 研究内容和技术路线 | 第18-20页 |
| 1.4 本章小结 | 第20-21页 |
| 第二章 材料与方法 | 第21-38页 |
| 2.1 试验材料和检测指标 | 第21-22页 |
| 2.1.1 试验材料 | 第21页 |
| 2.1.2 检测指标 | 第21-22页 |
| 2.2 高光谱成像系统简介 | 第22-23页 |
| 2.2.1 高光谱成像系统设备组成 | 第22-23页 |
| 2.2.2 高光谱图像采集 | 第23页 |
| 2.3 高光谱图像数据处理方法 | 第23-27页 |
| 2.3.1 光谱校正 | 第23-24页 |
| 2.3.2 图像分割 | 第24-25页 |
| 2.3.3 边缘提取 | 第25-26页 |
| 2.3.4 纹理特征 | 第26-27页 |
| 2.4 特征波长的提取方法 | 第27-28页 |
| 2.4.1 逐步多元回归 | 第28页 |
| 2.4.2 连续投影法 | 第28页 |
| 2.5 检测识别模型 | 第28-37页 |
| 2.5.1 支持向量机 | 第28-29页 |
| 2.5.2 BP人工神经网络 | 第29-30页 |
| 2.5.3 决策树C4.5算法 | 第30-32页 |
| 2.5.4 T-S模糊神经网络 | 第32-35页 |
| 2.5.5 最小二乘支持向量机 | 第35-37页 |
| 2.6 本章小结 | 第37-38页 |
| 第三章 苹果外部特征检测方法研究 | 第38-45页 |
| 3.1 着色度检测方法 | 第38-41页 |
| 3.1.1 颜色空间模型及变换 | 第38-40页 |
| 3.1.2 苹果着色度计算 | 第40-41页 |
| 3.2 苹果大小和果形指数的检测方法 | 第41-43页 |
| 3.2.1 苹果尺寸大小的检测 | 第41-42页 |
| 3.2.2 苹果果形指数的检测 | 第42-43页 |
| 3.3 本章小结 | 第43-45页 |
| 第四章 苹果果梗完整性识别方法研究 | 第45-51页 |
| 4.1 试验材料与图像采集 | 第45页 |
| 4.2 数据处理与分析 | 第45-48页 |
| 4.2.1 图像黑白板校正 | 第45-46页 |
| 4.2.2 感兴趣区域分割 | 第46页 |
| 4.2.3 相对反射率光谱曲线分析 | 第46-47页 |
| 4.2.4 提取特征波长 | 第47-48页 |
| 4.2.5 纹理特征的提取 | 第48页 |
| 4.3 模型的建立与分析 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 寒富苹果综合品质等级评价方法的研究 | 第51-60页 |
| 5.1 决策树模型的建立 | 第51-53页 |
| 5.2 T-S模糊神经网络模型 | 第53-54页 |
| 5.3 模糊最小二乘支持向量机模型 | 第54-57页 |
| 5.3.1 模糊最小二乘支持向量机模型的建立 | 第54-55页 |
| 5.3.2 模糊最小二乘支持向量机隶属度确定 | 第55-57页 |
| 5.4 结果与讨论 | 第57-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 结论与展望 | 第60-62页 |
| 6.1 结论 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士期间发表论文 | 第67-68页 |
