光谱技术在农作物/农产品信息无损检测中的应用 - 中国高校教材图书网
|
|
|
书名： |
光谱技术在农作物/农产品信息无损检测中的应用
|
| ISBN： | 7-5641-7169-8 |
条码： | |
| 作者： |
孙俊
相关图书
|
装订： | 平装 |
| 印次： | 1-1 |
开本： | 大32开 |
| 定价： |
￥50.00
折扣价：￥47.50
折扣：0.95
节省了2.5元
|
字数： |
|
| 出版社： |
东南大学出版社 |
页数： |
|
| 发行编号： | |
每包册数： |
|
| 出版日期： |
2017-08-01 |
|
|
| 内容简介： |
|
本专著系统地介绍了光谱技术及其预处理算法、特征选取方法，并在此基础上，分析了国内外的最新研究进展，重点展示了光谱等技术在农业上的应用情况。本专著是多个国家自然科学基金项目、省自然科学基金项目、农业部重点实验室开放课题研究成果的展现，实现了理论与应用的结合。本专著共包含14章，其中第1章概述介绍了光谱技术在农作物/农产品信息检测中应用的现状；第2章至第5章介绍了光谱预处理算法、光谱特征选取方法及定性、定量分析方法；第6章至第14章分别介绍了光谱技术在水稻、生菜、桑叶、大米、鸡蛋、红豆、烟草、玉米、油麦菜等农作物/农产品对象信息检测中的应用实例
|
| 作者简介： |
|
|
| 章节目录： |
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)
2.1SavitzkyGolay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)
3.6LDA算法(22)
3.7LPP算法(22)
3.8SLPP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)
4.2K最近邻分类器(26)
4.3AdaboostSVM及AdaboostKNN(26)
4.4MSCPSOSVM(27)
4.5极限学习机(28)
4.6Fisher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)
5.3BP神经网络及改进算法(32)
5.3.1BP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LM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)
5.3.6PNN神经网络(34)
5.3.7GAPNN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)
5.4.2GALSSVM算法(36)
5.5ABCSVR(37)
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MSCPSOSVM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SVM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PLSANN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)
8.1.6SVM分类建模(145)
8.1.7AdaSVM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)
10.1.5SVM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)
11.4PNN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)
14.3.1CARS特征提取(206)
14.3.2SR特征提取(207)
14.3.3SPA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ABCSVR建模分析(210)
14.6本章小结(211)
参考文献(211)
|
| 精彩片段： |
|
|
| 书 评： |
|
|
| 其 它： |
|
|
|
