利用近紅外光譜技術(shù)檢測(cè)葉片水分含量已經(jīng)成為近年來(lái)的研究熱點(diǎn),葉片水分含量是反映果樹(shù)生長(zhǎng)狀況的重要指標(biāo),果樹(shù)葉片長(zhǎng)勢(shì)、品質(zhì)、顏色及其形態(tài)結(jié)構(gòu)會(huì)隨著水分含量的多少發(fā)生一系列的變化,因此,可以利用近紅外光譜分析技術(shù)的快捷、準(zhǔn)確、無(wú)損等優(yōu)點(diǎn),采集駿棗葉片的光譜數(shù)據(jù)對(duì)葉片的水分含量進(jìn)行實(shí)時(shí)檢測(cè)和診斷。本研究以新疆第一師拉爾市10團(tuán)6連駿棗樹(shù)葉片為試驗(yàn)對(duì)象,使用便攜式近紅外光譜儀（SupNIR-1520,1000-1800nm）采集121片駿棗葉片光譜,對(duì)原始光譜圖像采用MC（光譜均值中心化）、autoscaling（標(biāo)準(zhǔn)化）、normalization（歸一化）、MSC（多元散射校正）、SNV（標(biāo)準(zhǔn)正態(tài)變量變換）、WT（小波變換）六種預(yù)處理方法在Window7環(huán)境下,通過(guò)Matlab R2014a軟件進(jìn)行光譜圖像處理,通過(guò)偏最小二乘法建立駿棗葉片水分含量的檢測(cè)模型,并針對(duì)模型的評(píng)價(jià)參數(shù)進(jìn)行比較,為實(shí)現(xiàn)駿棗葉片水分含量的快速、無(wú)損檢測(cè)提供依據(jù)。主要研究結(jié)果如下:（1）以R、RMSEPCV、Precision、RMSEP作為評(píng)價(jià)模型好壞的依據(jù),考察了不同預(yù)處理方法對(duì)模型的影響。通過(guò)比較得出,經(jīng)過(guò)預(yù)處... 

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 引言
    1.2 作物水分檢測(cè)國(guó)內(nèi)外研究現(xiàn)狀
    1.3 近紅外光譜技術(shù)國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 國(guó)內(nèi)近紅外光譜技術(shù)研究現(xiàn)狀
        1.3.2 國(guó)外近紅外光譜技術(shù)研究現(xiàn)狀
    1.4 近紅外光譜技術(shù)國(guó)內(nèi)外研究存在問(wèn)題
    1.5 近紅外光譜儀器的發(fā)展歷程
    1.6 便攜式近紅外光譜儀基本構(gòu)成及發(fā)展趨勢(shì)
    1.7 研究?jī)?nèi)容
    1.8 技術(shù)路線(xiàn)
    1.9 本章小結(jié)
第2章 實(shí)驗(yàn)材料與方法
    2.1 實(shí)驗(yàn)地點(diǎn)與材料
        2.1.1 實(shí)驗(yàn)地點(diǎn)
        2.1.2 實(shí)驗(yàn)材料
        2.1.3 實(shí)驗(yàn)儀器
        2.1.4 實(shí)驗(yàn)軟件
    2.2 實(shí)驗(yàn)設(shè)計(jì)
    2.3 光譜數(shù)據(jù)的測(cè)定
    2.4 化學(xué)計(jì)量學(xué)分析方法
        2.4.1 駿棗葉片含水量的測(cè)定
    2.5 駿棗葉片樣品異常值的判別方法
        2.5.1 馬氏距離判別法
        2.5.2 化學(xué)異常值判別法
    2.6 化學(xué)計(jì)量學(xué)軟件的基本結(jié)構(gòu)和功能
        2.6.1 化學(xué)計(jì)量學(xué)軟件的基本構(gòu)架和功能
    2.7 本章小結(jié)
第3章 近紅外光譜分析技術(shù)與方法
    3.1 近紅外光譜技術(shù)介紹
        3.1.1 近紅外光譜理論依據(jù)
    3.2 近紅外光譜技術(shù)的發(fā)展歷程
    3.3 近紅外光譜技術(shù)特點(diǎn)與檢測(cè)流程
    3.4 分析近紅外光譜預(yù)處理方法
        3.4.1 光譜預(yù)處理方法
    3.5 校正樣本和變量的選擇方法
        3.5.1 波長(zhǎng)變量的選擇
        3.5.2 校正樣本選擇方法
    3.6 建模方法
        3.6.1 偏最小二乘法
    3.7 模型評(píng)價(jià)參數(shù)
    3.8 本章小結(jié)
第4章 駿棗葉片處理結(jié)果與分析
    4.1 駿棗葉片含水量的測(cè)量結(jié)果
    4.2 校正集樣本劃分
    4.3 光譜圖像預(yù)處理
    4.4 最優(yōu)波長(zhǎng)選擇及模型結(jié)果分析
    4.5 本章小結(jié)
第5章 結(jié)論與展望
    5.1 結(jié)論
    5.2 不足與展望
    5.3 創(chuàng)新點(diǎn)
附錄相關(guān)縮略詞及名稱(chēng)術(shù)語(yǔ)
參考文獻(xiàn)
致謝
作者簡(jiǎn)介


【參考文獻(xiàn)】：
期刊論文
[1]南疆鮮羊肉水分含量的近紅外光譜法無(wú)損檢測(cè)[J]. 陳杰,姚娜.  現(xiàn)代食品科技. 2017(12)
[2]不同土壤含水量對(duì)梨棗蒸騰速率的影響[J]. 馮曉東,路苗苗,常海飛,黑淑梅,陳宗禮.  延安大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(02)
[3]桉樹(shù)葉片水分狀態(tài)的近紅外光譜檢測(cè)[J]. 盧萬(wàn)鴻,楊桂麗,林彥,王楚彪,羅建中.  林業(yè)科學(xué). 2017(05)
[4]基于特征波長(zhǎng)提取的哈密大棗可溶性固形物的高光譜預(yù)測(cè)[J]. 孫靜濤,馬本學(xué),董娟,楊杰,徐潔,蔣偉.  現(xiàn)代食品科技. 2016(09)
[5]基于高光譜圖像技術(shù)的大豆品種無(wú)損鑒別[J]. 柴玉華,畢文佳,譚克竹,張春雷,劉春濤.  東北農(nóng)業(yè)大學(xué)學(xué)報(bào). 2016(03)
[6]基于高光譜圖像技術(shù)的臘腸酸價(jià)含量檢測(cè)[J]. 劉碩,郭培源,楊昆程,趙俊華.  食品工業(yè)科技. 2016(05)
[7]高光譜技術(shù)在無(wú)損檢測(cè)火龍果可溶性固形物中的應(yīng)用[J]. 羅霞,洪添勝,羅闊,代芬,梅慧蘭.  激光與光電子學(xué)進(jìn)展. 2015(08)
[8]冷鮮羊肉冷藏時(shí)間和水分含量的高光譜無(wú)損檢測(cè)[J]. 王婉嬌,王松磊,賀曉光,何建國(guó).  食品科學(xué). 2015(16)
[9]高光譜成像結(jié)合人工神經(jīng)網(wǎng)絡(luò)無(wú)損檢測(cè)桃的硬度[J]. 郭文川,董金磊.  光學(xué)精密工程. 2015(06)
[10]基于近紅外高光譜圖像分析的麥粒硬度分類(lèi)研究[J]. 張紅濤,田媛,孫志勇,母建茹,阮朋舉,侯棟宸.  河南農(nóng)業(yè)科學(xué). 2015(04)

博士論文
[1]無(wú)信息變量消除法在三種譜學(xué)方法中的定量分析研究[D]. 李倩倩.中國(guó)農(nóng)業(yè)大學(xué) 2014
[2]水果糖度和酸度的近紅外光譜無(wú)損檢測(cè)研究[D]. 劉燕德.浙江大學(xué) 2006

碩士論文
[1]基于近紅外高光譜圖像技術(shù)的南疆紅棗內(nèi)部品質(zhì)的研究[D]. 李偉偉.塔里木大學(xué) 2017
[2]近紅外光譜技術(shù)在南疆紅棗品質(zhì)快速無(wú)損檢測(cè)中的應(yīng)用研究[D]. 彭云發(fā).塔里木大學(xué) 2015
[3]基于高光譜成像技術(shù)的花生分類(lèi)及水分和蛋白質(zhì)含量檢測(cè)[D]. 崔彬彬.河南工業(yè)大學(xué) 2015
[4]基于光譜特性的玉米葉片水氮含量快速檢測(cè)方法研究[D]. 孫瑜.西北農(nóng)林科技大學(xué) 2014



本文編號(hào)：3732859