光谱技术在农作物 农产品信息无损检测中的应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

光谱技术在农作物 农产品信息无损检测中的应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

1概述1

1.1农作物/农产品信息的光谱技术检测1

1.1.1光谱技术在农作物检测中的应用1

1.1.2光谱技术在农作物农药残留检测中的应用4

1.2农作物/农产品信息的电特性技术检测7

1.2.1介电特性技术在水果品质检测中的应用8

1.2.2介电特性技术在粮食含水率检测中的应用9

1.2.3介电特性在叶片含水率检测中的应用9

参考文献10

2光谱预处理算法17

2.1 Savitzky-Golay多项式平滑17

2.2移动平均平滑17

2.3多元散射校正算法17

2.4标准正态变量变换和去趋势算法18

2.5导数变换算法18

2.6正交信号校正算法19

2.7小波阈值19

2.8小波分段19

参考文献20

3光谱特征选取方法21

3.1逐步回归分析21

3.2连续投影算法21

3.3权重回归系数法21

3.4主成分分析22

3.5竞争性自适应加权算法22

3.6 LDA算法22

3.7 LPP算法22

3.8 SLPP算法23

3.9离散小波变换23

3.10分段离散小波变换23

参考文献24

4定性分析方法26

4.1支持向量机26

4.2 K最近邻分类器26

4.3 Adaboost-SVM及Adaboost-KNN26

4.4 MSCPSO-SVM27

4.5极限学习机28

4.6 Fisher判别分析29

4.7马氏距离判别分析30

参考文献30

5定量分析方法31

5.1一元回归算法31

5.2多元线性回归31

5.3 BP神经网络及改进算法32

5.3.1 BP神经网络32

5.3.2基于贝叶斯算法的BP网络32

5.3.3基于L-M算法的BP网络33

5.3.4遗传神经网络33

5.3.5基于思维进化优化BP神经网络34

5.3.6 PNN神经网络34

5.3.7 GA-PNN神经网络35

5.4支持向量机回归算法及其改进35

5.4.1支持向量机回归算法35

5.4.2 GA-LS-SVM算法36

5.5 ABC-SVR37

参考文献38

6水稻信息检测40

6.1样本培育40

6.1.1栽培方法40

6.1.2水稻光谱数据测定41

6.1.3水稻叶片水分含量与氮素含量的测定42

6.1.4特征光谱选取44

6.2基于高光谱的水稻水分检测45

6.2.1水稻叶片含水率与冠层反射光谱的关系45

6.2.2水稻叶片含水率与叶片反射光谱的关系58

6.2.3本节小结63

6.3基于高光谱的水稻叶片氮素检测63

6.3.1水稻叶片氮含量与冠层反射光谱的关系63

6.3.2水稻叶片氮含量与叶片反射光谱的关系75

6.3.3本节小结79

参考文献79

7生菜信息检测80

7.1样本培育80

7.1.1氮素营养液的配制80

7.1.2样本的育苗移栽及施肥管理81

7.1.3叶片样本采集82

7.2生菜光谱数据测定82

7.2.1光谱仪器的选定82

7.2.2叶片光谱图像采集83

7.3生菜叶片氮素含量、水分含量的测定84

7.3.1叶片氮素含量测定84

7.3.2叶片水分含量测定85

7.4基于Adaboost及高光谱的生菜叶片氮素水平鉴别研究85

7.4.1光谱预处理85

7.4.2特征提取86

7.4.3生菜氮素水平KNN分类器建模研究86

7.4.4生菜氮素水平SVM分类器建模研究87

7.4.5生菜氮素水平Adaboost分类器建模研究88

7.4.6本节小结89

7.5基于高光谱图像及ELM的生菜叶片氮素水平丰缺定性分析89

7.5.1光谱预处理89

7.5.2特征提取90

7.5.3生菜氮素水平SVM建模研究91

7.5.4生菜氮素水平BP神经网络建模研究91

7.5.5生菜氮素水平ELM建模研究92

7.5.6本节小结92

7.6基于高光谱图像的生菜叶片氮素含量预测92

7.6.1叶片氮含量测定结果92

7.6.2光谱预处理93

7.6.3特征提取94

7.6.4生菜氮含量PLSR建模研究95

7.6.5本节小结95

7.7基于遗传算法的生菜氮素水平特征优化选择96

7.7.1图像采集与预处理96

7.7.2图像特征提取及优化97

7.7.3生菜氮素水平SVM建模分析99

7.7.4本节小结100

7.8基于MSCPSO混合核SVM参数优化的生菜品质检测101

7.8.1数据源及图像获取101

7.8.2图像特征提取及优化101

7.8.3生菜氮素水平MSCPSO-SVM分类建模分析101

7.8.4本节小结103

7.9基于高光谱图像光谱与纹理信息的生菜氮素检测104

7.9.1高光谱图像预处理104

7.9.2图像特征提取104

7.9.3生菜氮含量SVR建模分析106

7.9.4本节小结108

7.10基于有监督特征提取的生菜叶片农药残留浓度高光谱鉴别109

7.10.1光谱预处理109

7.10.2生菜农药残留浓度水平的SVM建模分析110

7.10.3本节小结111

7.11基于融合小波的高光谱生菜农药残留梯度鉴别研究112

7.11.1光谱预处理112

7.11.2特征提取115

7.11.3生菜农药残留浓度水平的5VM建模分析116

7.11.4本节小结117

7.12基于分段离散小波变换及高光谱的生菜叶片农药残留梯度鉴别117

7.12.1光谱预处理117

7.12.2特征提取118

7.12.3生菜农药残留浓度水平SVM建模分析120

7.12.4本节小结121

7.13基于线性判别法的生菜农药残留定性检测122

7.13.1光谱预处理122

7.13.2特征提取123

7.13.3生菜农药残留浓度水平的线性判别建模分析124

7.13.4本节小结126

7.14基于荧光光谱的生菜农药残留检测127

7.14.1光谱预处理127

7.14.2特征提取129

7.14.3生菜农药残留浓度水平的SVM建模分析130

7.14.4本节小结132

7.15基于高光谱图像的生菜叶片水分检测133

7.15.1图像特征提取133

7.15.2生菜水分含量MLR建模分析134

7.15.3生菜水分含量BP神经网络建模分析134

7.15.4生菜水分含量PLS-ANN建模分析134

7.15.5本节小结136

7.16基于光谱的生菜品种检测137

7.16.1光谱预处理137

7.16.2特征提取137

7.16.3生菜品种SVM建模分析138

7.16.4本节小结139

参考文献140

8桑叶信息检测142

8.1桑叶农药残留定性检测142

8.1.1桑叶试验样本制备142

8.1.2桑叶高光谱图像的采集142

8.1.3光谱曲线的分析143

8.1.4桑叶光谱信息的预处理144

8.1.5桑叶光谱特征波长选取145

8.1.6 SVM分类建模145

8.1.7 Ada-SVM分类建模146

8.1.8本节小结147

8.2桑叶农药残留定量检测148

8.2.1桑叶定量检测试验样本制备148

8.2.2高光谱图像的采集与标定148

8.2.3农药残留的气相检测148

8.2.4结果与分析151

8.2.5本节小结153

参考文献154

9大米信息检测155

9.1基于高光谱图像的大米品种检测155

9.1.1高光谱提取与处理155

9.1.2高光谱特征选择与特征提取155

9.1.3建模分析157

9.1.4本节小结158

9.2基于高光谱图像的大米水分检测159

9.2.1样本制备159

9.2.2高光谱图像数据的采集159

9.2.3感兴趣区域的提取159

9.2.4数据预处理160

9.2.5特征波长的选取161

9.2.6预测模型161

9.2.7结果分析162

9.2.8本节小结163

9.3基于高光谱图像的大米淀粉检测163

9.3.1试验样本制备163

9.3.2高光谱图像采集164

9.3.3高光谱数据预处理165

9.3.4高光谱数据特征波长选择165

9.3.5基于全波长光谱的模型研究166

9.3.6基于特征波长光谱的模型研究166

9.3.7本节小结167

参考文献167

10鸡蛋信息检测169

10.1基于电特性的鸡蛋品种鉴别169

10.1.1材料与设备169

10.1.2数据采集方法170

10.1.3频率对介电特性的影响171

10.1.4不同品种鸡蛋介电特性的差异171

10.1.5 SVM分类模型172

10.1.6本节小结173

10.2基于电特性的鸡蛋品质检测173

10.2.1试验材料173

10.2.2试验方法174

10.2.3数据信息采集175

10.2.4频率对介电特性的影响176

10.2.5新鲜度对介电特性的影响177

10.2.6本节小结179

参考文献179

11红豆信息检测181

11.1试验材料181

11.1.1样本制备与高光谱图像采集181

11.1.2高光谱图像的图像分割181

11.2样本的光谱特征182

11.3高光谱的特征选择和特征提取183

11.3.1基于SPA的特征信息选择183

11.3.2基于PCA的特征信息提取183

11.3.3基于ICA的特征信息提取184

11.4 PNN神经网络鉴别模型分析185

11.5本章小结186

参考文献187

12烟草信息检测188

12.1高光谱烟叶数据采集装置188

12.2样品的制备及光谱数据采集188

12.3水分的测定189

12.4烟叶光谱预处理190

12.4.1烟叶光谱数据预处理190

12.4.2烟叶光谱样本预处理191

12.5烟叶光谱MLR模型194

12.6本章小结195

参考文献195

13玉米信息检测197

13.1试验与数据采集197

13.1.1仪器与设备197

13.1.2试验材料198

13.1.3试验方法与步骤198

13.1.4介电常数计算198

13.1.5湿基含水率的测量199

13.2数据分析199

13.3数学建模199

13.3.1线性建模199

13.3.2非线性建模201

13.4本章小结203

参考文献204

14油麦菜信息检测205

14.1样本采集与含水率测定205

14.2光谱预处理205

14.3特征提取206

14.3.1 CARS特征提取206

14.3.2 SR特征提取207

14.3.3 SPA特征提取208

14.4油麦菜水分含量SVR建模分析209

14.5油麦菜水分含量ABC-SVR建模分析210

14.6本章小结211

参考文献211