●第1章 緒論 1
1.1 近紅外光譜技術發展概述 1
1.1.1 近紅外光譜產生機理簡介 3
1.1.2 近紅外光譜儀器發展 4
1.1.3 近紅外光譜應用領域的發展 7
1.2 拉曼光譜技術發展概述 10
1.2.1 拉曼光譜產生機理簡介 10
1.2.2 拉曼光譜儀器發展 11
1.2.3 拉曼光譜應用領域的發展 12
1.3 太赫茲時域光譜技術發展概述 13
1.3.1 太赫茲時域光譜產生機理簡介 14
1.3.2 太赫茲時域光譜儀的發展 15
1.3.3 太赫茲時域光譜應用領域的發展 15
1.4 光譜成像技術發展概述 16
1.4.1 近紅外光譜成像技術發展概述 17
1.4.2 拉曼光譜成像技術發展概述 18
1.4.3 太赫茲時域光譜成像技術發展概述 19
1.5 農作物種子質量檢測方法概述 21
1.5.1 傳統檢測方法概述 21
1.5.2 新興檢測方法概述 22
1.6 本書主要內容概述 24
參考文獻 25
第2章 分子光譜及光譜成像分析技術基礎 29
2.1 近紅外光譜及光譜成像分析技術概述 29
2.1.1 近紅外光譜分析理論基礎 29
2.1.2 近紅外光譜常規分析技術 31
2.1.3 近紅外光譜分析流程 32
2.1.4 近紅外定標模型的評價指標 33
2.1.5 近紅外光譜成像分析技術 34
2.2 拉曼光譜及光譜成像分析技術概述 36
2.2.1 拉曼常規分析技術 36
2.2.2 拉曼光譜分析流程和方法 37
2.2.3 拉曼光譜成像分析技術介紹 37
2.3 太赫茲時域光譜及光譜成像分析技術概述 38
2.3.1 太赫茲時域光譜光學參數提取 38
2.3.2 太赫茲時域光譜成像分析技術介紹 40
2.4 化學計量學方法概述 41
2.4.1 預處理 41
2.4.2 光譜預處理 43
2.4.3 定量校正 51
2.4.4 模式識別 58
參考文獻 60
第3章 種子發芽率近紅外光譜檢測 65
3.1 引言 65
3.2 基於近紅外全譜的種子發芽率PLS模型的建立 66
3.2.1 樣本制備 66
3.2.2 光譜采集 68
3.2.3 PLS模型建立與評價 69
3.3 基於特征譜區的種子發芽率近紅外PLS模型優化方法研究 70
3.3.1 樣本制備 71
3.3.2 光譜采集 71
3.3.3 基於SiPLS的種子發芽率模型優化方法研究 71
3.3.4 基於BiPLS的種子發芽率模型優化方法研究 72
3.3.5 兩類模型性能比較 73
3.3.6 種子發芽率特征光譜解析 73
3.4 基於多模型共識的種子發芽率NIR模型優化方法研究 74
3.4.1 樣本制備 75
3.4.2 光譜采集 75
3.4.3 基於多模型共識的小麥種子發芽率NIR模型優化 75
3.4.4 基於Boosting和多模型共識的小麥種子發芽率NIR模型優化 77
3.4.5 基於特征譜區和多模型共識的小麥種子發芽率NIR模型優化 79
3.5 本章小結 80
參考文獻 80
第4章 種子活力近紅外光譜判別 85
4.1 引言 85
4.2 基於NIR和發芽指標的種子活力綜合評價探索 87
4.2.1 樣本制備 87
4.2.2 光譜采集 87
4.2.3 種子發芽指標NIR量化模型建立 88
4.2.4 基於發芽指標的小麥種子活力綜合評價探索 89
4.3 自然老化種子活力的近紅外光譜無損識別 93
4.3.1 樣本制備 94
4.3.2 光譜采集 94
4.3.3 光譜數據預處理 94
4.3.4 自然老化種子光譜定性解析 95
4.3.5 種子自然老化程度近紅外無損識別 96
4.4 本章小結 99
參考文獻 99
第5章 種子理化品質近紅外高光譜成像分析 102
5.1 引言 102
5.2 多籽粒種子理化品質的近紅外高光譜成像快速無損分析 103
5.2.1 樣本制備 103
5.2.2 近紅外光譜采集與處理 104
5.2.3 高光譜圖像采集與處理 106
5.2.4 結果與分析 108
5.3 單粒種子理化品質近紅外高光譜成像快速無損分析 110
5.3.1 樣本制備 110
5.3.2 高光譜圖像采集與處理 110
5.3.3 結果與分析 110
5.4 本章小結 112
參考文獻 112
第6章 小麥不完善粒近紅外高光譜圖像檢測 115
6.1 引言 115
6.2 樣本制備 116
6.3 高光譜圖像采集與特征提取 116
6.3.1 高光譜圖像采集與標定 116
6.3.2 高光譜特征提取 117
6.4 基於多分類支持向量機的小麥不完善粒高光譜檢測 119
6.4.1 多分類支持向量機簡介 119
6.4.2 樣本集劃分與模型參數設置 121
6.4.3 基於光譜特征的小麥不完善粒檢測 121
6.4.4 基於圖像特征的小麥不完善粒檢測 122
6.4.5 基於光譜與圖像特征的小麥不完善粒檢測 123
6.5 基於CNN網絡的小麥不完善粒高光譜檢測 124
6.5.1 CNN網絡簡介 124
6.5.2 數據預處理 125
6.5.3 CNN網絡訓練 125
6.5.4 CNN網絡建立 126
6.6 本章小結 126
參考文獻 127
第7章 基於拉曼顯微成像技術的種子切片精細分析 130
7.1 引言 130
7.2 材料與方法 131
7.2.1 樣本制備 131
7.2.2 拉曼顯微圖像采集 131
7.2.3 光譜剝離方法 132
7.3 基於拉曼顯微圖像的種皮厚度測量方法研究 132
7.3.1 種皮目標提取 133
7.3.2 種皮厚度像素數計算 134
7.3.3 圖像比例尺標定 134
7.3.4 種皮厚度計算 135
7.4 基於拉曼顯微圖像的種子內部成分分布解析 135
7.4.1 采集純物質拉曼光譜 136
7.4.2 澱粉、纖維素分布解析 136
7.4.3 蛋白質分布解析 137
7.5 本章小結 138
參考文獻 138
第8章 基於太赫茲光譜及成像技術的種子品質檢測方法研究 140
8.1 引言 140
8.2 基於LVQ和太赫茲時域光譜的玉米品種鋻別方法研究 142
8.2.1 樣本制備 142
8.2.2 光譜采集 142
8.2.3 結果與分析 144
8.3 基於距離匹配法和太赫茲時域光譜的花生品種鋻別方法研究 145
8.3.1 樣本制備 146
8.3.2 光譜采集 146
8.3.3 數據預處理 147
8.3.4 結果與分析 148
8.4 基於SVM和太赫茲時域光譜的花生霉變程度鋻別方法研究 150
8.4.1 樣本制備 150
8.4.2 ATR光譜采集 152
8.4.3 透射光譜采集 152
8.4.4 數據預處理 153
8.4.5 結果與分析 154
8.5 玉米種子太赫茲時域光譜圖像預處理方法研究 156
8.5.1 樣本制備 157
8.5.2 光譜圖像采集 157
8.5.3 消噪預處理 157
8.5.4 圖像增強 158
8.5.5 結果與分析 158
8.6 本章小結 161
參考文獻 162
第9章 種子光譜資源管理繫統及化學計量學軟件開發 165
9.1 種子光譜資源管理繫統開發 165
9.1.1 繫統框架 165
9.1.2 繫統數據庫設計 165
9.1.3 繫統功能 167
9.1.4 繫統模塊設計與實現 167
9.2 光譜化學計量學分析軟件開發 171
9.2.1 軟件結構框架 171
9.2.2 軟件功能 172
9.2.3 軟件界面設計 175
9.3 本章小結 180
參考文獻 181
第10章 谷物聯合收割機車載近紅外光譜儀應用探索 183
10.1 引言 183
10.2 車載式近紅外光譜儀的應用可行性研究 184
10.2.1 樣本制備 185
10.2.2 光譜采集儀器 185
10.2.3 數據采集及處理 186
10.2.4 小麥粗蛋白含量近紅外PLS模型的建立 187
10.3 樣本溫度對車載式近紅外光譜儀分析模型的影響 190
10.3.1 實驗設計 190
10.3.2 溫度對近紅外光譜吸收的影響 192
10.3.3 近紅外溫度穩健分析模型的建立 193
10.4 樣本水分對車載式近紅外光譜儀分析模型的影響 199
10.4.1 實驗設計 199
10.4.2 水分含量對近紅外光譜吸收的影響分析 200
10.4.3 基於遺傳算法的支持向量機參數優選 202
10.4.4 基於不同水分區間的小麥粗蛋白綜合分析模型的建立 202
10.4.5 基於不同水分區間的小麥粗蛋白專用分析模型的建立 205
10.5 本章小結 210
參考文獻 211
附錄A 小麥種子NIR光譜資源管理繫統部分代碼 213
附錄B 光譜化學計量學分析軟件部分源代碼 226

本書簡要介紹以近紅外、拉曼、太赫茲為代表的分子光譜技術及光譜成像技術的基礎理論、發展概述及相關的化學計量學方法，重點圍繞小麥、玉米、花生等農作物種子質量快速檢測，詳細介紹分子光譜及光譜成像技術在種子發芽特性指標量化檢測、種子活力水平定性鋻別、種子理化指標量化測定、種子不完善粒定性識別、種子切片化學成像精細分析，以及品種鋻別、霉變程度判別等領域的應用研究和可行性探索。為便於讀者理解和應用，附錄提供了本書中所開發的種子光譜信息資源庫和相關分析軟件的源代碼。本書可供從事農業、食品品質檢測領域的光譜分析技術研究的科技工作者、分析測試工作者，以及相關專業大專院校學生閱讀參考。