前言 *1章緒論 1.1課題背景與研究意義 1.1.1NIR光譜技術概述 1.1.2NIR光譜分析的常見流程 1.1.3存在的問題與發展趨勢 1.2SDBS概述 1.2.1SDBS原理及特點 1.2.2國外研究進展概況 1.2.3國內研究進展概況 1.2.4其他相關研究 1.3本書研究目的、內容和技術路線 1.3.1研究目的 1.3.2研究內容 1.3.3技術路線 1.4本章小結 *2章光譜數據庫常用算法 2.1光譜預處理算法介紹 2.1.1平滑 2.1.2扣減 2.1.3導數或微分 2.1.4標準化 2.1散射校正 2.1.6標準正交變換 2.2NIR光譜特征峰識別及其參數計算 2.2.1NIR光譜的特點 2.2.2峰位 2.2.3峰邊界 2.2.4峰高 2.2.5峰寬 2.2.6峰面積 2.3匹配算法 2.3.1SMA-P 2.3.2SMA-FS 2.4波段選擇 2.4.1經驗法 2.4.2分段排序法 2.4.3相關繫數法 2.4.4方差分析法 2.4.5相關成分分析法 2.4.6基於遺傳算法的波段選擇法 2.4.7CARS波段選擇法 2.5常用建模算法 2.5.1定量建模算法 2.5.2定性建模算法 2.6本章小結 第3章一種自適應平滑算法在蘋果NIR光譜分析中的應用 3.1引言 3.2技術與方法 3.2.1噪聲估算 3.2.2光譜局部波動頻率 3.2.3數據點權值 3.2.4一種自適應平滑算法 3.2.5光譜特征峰定位及參數計算算法改進 3.3試驗 3.3.1試驗樣品 3.3.2光譜儀與參數設置 3.3.3SSC檢測儀 3.3.4支撐試驗的軟硬件平臺 3.4結果與討論 3.4.1SSC測量結果 3.4.2基於DA的分類結果 3.4.3構造各類別的中心光譜 3.4.4算法參數的確定與優選 3.4.5改進後算法對特征波段的保護 3.4.6假性峰過濾參數優化 3.4.7基於SMA-P的分類原理 3.4.8基於SMA-P的蘋果樣品分類 3.5本章小結 第4章基於傑卡德相似性繫數原理的SMA-FS在蘋果分類識別中的應用 4.1引言 4.2方法介紹 4.2.1蘋果樣品NIR光譜的一階導數 4.2.2一階導數光譜的預處理 4.2.3一階導數二值化 4.2.4JSC 4.2.5JSC在NIR光譜匹配中的應用 4.2.6SMA-JSC算法的改進 4.3試驗 4.3.1試驗樣品 4.3.2光譜儀與參數設置 4.3.3支撐試驗的軟硬件平臺 4.4結果與分析 4.4.1S5~S7三類樣品的SSC含量 4.4.2基於DA的S1~S7分類 4.4.3類別中心構建 4.4.4基於SMA-JSC的蘋果樣品分類識別 4.4.5SMA-JSC算法與常用SMA-FS算法的比較 4.4.6基於SMA-JSC算法檢索分析特定樣品的原理 4.4.7分辨率對SMA-JSC算法的影響 4.4.8改進SMA-JSC算法在蘋果分類識別中的應用 4.5本章小結 第5章NIR-SDBS原型繫統開發實例 5.1概述 5.2NIR-SDBS原型繫統分析 5.2.1NIR-SDBS原型繫統的需求描述 5.2.2水果NIR-SDBS原型繫統的主要用例 5.2.3動態模型(場景時序圖) 5.2.4靜態模型(對像模型) 5.3繫統設計 5.4對現有繫統的比較 5.5本章小結 附錄二維碼資源 附錄A中英文對照表 附錄B部分算法C#代碼 附錄C基於SMA-JSC算法檢索分析特定樣品測試結果 參考文獻 |