|
|
|
|
基于近红外高光谱成像技术的酿酒葡萄分类及单宁含量检测 |
| |
| 论文目录 |
| |
| 摘要 | 第7-8页 | | ABSTRACT | 第8-12页 | | 第一章绪论 | 第12-18页 | | 1.1研究目的和意义 | 第12-13页 | | 1.2国内外研究进展 | 第13-15页 | | 1.2.1高光谱成像技术检测单宁含量的理化基础 | 第13-14页 | | 1.2.2光谱技术在葡萄分类检测中的应用 | 第14-15页 | | 1.2.3光谱技术在葡萄品质检测中的应用 | 第15页 | | 1.3研究内容与技术路线 | 第15-17页 | | 1.3.1研究内容 | 第15-16页 | | 1.3.2技术路线 | 第16-17页 | | 1.4本章小结 | 第17-18页 | | 第二章高光谱数据处理与建模方法 | 第18-30页 | | 2.1光谱数据采集与处理 | 第18-22页 | | 2.1.1实验设备 | 第18-19页 | | 2.1.2高光谱图像采集 | 第19-20页 | | 2.1.3感兴趣区域提取 | 第20-22页 | | 2.2建模相关方法 | 第22-28页 | | 2.2.1异常光谱去除方法 | 第22页 | | 2.2.2预处理方法 | 第22-25页 | | 2.2.3数据建模方法 | 第25-26页 | | 2.2.4特征波长提取方法 | 第26-27页 | | 2.2.5数据可视化方法 | 第27-28页 | | 2.3模型评价标准 | 第28页 | | 2.4数据处理软件 | 第28-29页 | | 2.5本章小结 | 第29-30页 | | 第三章基于高光谱成像技术的酿酒葡萄品种鉴别 | 第30-40页 | | 3.1实验材料 | 第30-31页 | | 3.2光谱特性分析 | 第31页 | | 3.3化学指标分析 | 第31-32页 | | 3.4建模分析 | 第32-37页 | | 3.4.1异常光谱剔除 | 第32-33页 | | 3.4.2数据预处理 | 第33页 | | 3.4.3全谱分类模型 | 第33-34页 | | 3.4.4特征波长分类模型 | 第34-37页 | | 3.5分类结果可视化 | 第37-38页 | | 3.6本章小结 | 第38-40页 | | 第四章基于高光谱成像技术的酿酒葡萄产地分类 | 第40-47页 | | 4.1实验材料 | 第40页 | | 4.2光谱特性分析 | 第40-41页 | | 4.3理化指标分析 | 第41页 | | 4.4建模分析 | 第41-45页 | | 4.4.1数据预处理 | 第41-42页 | | 4.4.2卷积神经网络构造 | 第42-43页 | | 4.4.3全谱产地鉴别模型 | 第43-44页 | | 4.4.4特征波长鉴别模型 | 第44-45页 | | 4.5t-SNE数据可视化 | 第45-46页 | | 4.6本章小结 | 第46-47页 | | 第五章基于高光谱成像技术的酿酒葡萄单宁含量检测 | 第47-56页 | | 5.1实验材料 | 第47页 | | 5.2单宁含量测定结果 | 第47-48页 | | 5.3光谱特性分析 | 第48页 | | 5.4建模分析 | 第48-54页 | | 5.4.1数据预处理 | 第48-49页 | | 5.4.2全谱预测模型 | 第49-50页 | | 5.4.3特征波长选择 | 第50-53页 | | 5.4.4特征波长预测模型 | 第53-54页 | | 5.5本章小结 | 第54-56页 | | 第六章结论与展望 | 第56-58页 | | 6.1结论 | 第56页 | | 6.2创新点 | 第56-57页 | | 6.3展望 | 第57-58页 | | 参考文献 | 第58-62页 | | 致谢 | 第62-63页 | | 作者简介 | 第63页 |
|
|
|
|
论文编号BS4742326，这篇论文共63页
会员购买按0.35元/页下载，共需支付22.05元。 直接购买按0.5元/页下载，共需要支付31.5元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务