光谱技术在农作物/农产品信息无损检测中的应用
￥50.00定价
作者： 孙俊
出版时间：2017-08
出版社：东南大学出版社
- 东南大学出版社
- 9787564171698
- 275808
- 2017-08
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
目录
1 概述 1.1 农作物／农产品信息的光谱技术检测 1.1.1 光谱技术在农作物检测中的应用 1.1.2 光谱技术在农作物农药残留检测中的应用 1.2 农作物／农产品信息的电特性技术检测 1.2.1 介电特性技术在水果品质检测中的应用 1.2.2 介电特性技术在粮食含水率检测中的应用 1.2.3 介电特性在叶片含水率检测中的应用 参考文献2 光谱预处理算法 2.1 savitzky-Golay多项式平滑 2.2 移动平均平滑 2.3 多元散射校正算法 2.4 标准正态变量变换和去趋势算法 2.5 导数变换算法 2.6 正交信号校正算法 2.7 小波阈值 2.8 小波分段 参考文献3 光谱特征选取方法 3.1 逐步回归分析 3.2 连续投影算法 3.3 权重回归系数法 3.4 主成分分析 3.5 竞争性自适应加权算法 3.6 LDA算法 3.7 LPP算法 3.8 SLPP算法 3.9 离散小波变换 3.10 分段离散小波变换 参考文献4 定性分析方法 4.1 支持向量机 4.2 K最近邻分类器 4.3 Adaboost-SVM及Adaboost-KNN 4.4 MSCPSO-SVM 4.5 极限学习机 4.6 Fisher判别分析 4.7 马氏距离判别分析 参考文献5 定量分析方法 5.1 一元回归算法 5.2 多元线性回归 5.3 BP神经网络及改进算法 5.3.1 BP神经网络 5.3.2 基于贝叶斯算法的BP网络 5.3.3 基于L-M算法的BP网络 5.3.4 遗传神经网络 5.3.5 基于思维进化优化BP神经网络 5.3.6 PNN神经网络 5.3.7 GA—PNN神经网络 5.4 支持向量机回归算法及其改进 5.4.1 支持向量机回归算法 5.4.2 GA-LS-SVM算法 5.5 ABC-SVR 参考文献6 水稻信息检测 6.1 样本培育 6.1.1 栽培方法 6.1.2 水稻光谱数据测定 6.1.3 水稻叶片水分含量与氮素含量的测定……
