分子光譜及光譜成像技術(shù)：基于農(nóng)作物種子質(zhì)量檢測(cè)與應(yīng)用

第1章 緒論\t1
1．1 近紅外光譜技術(shù)發(fā)展概述\t1
1．1．1 近紅外光譜產(chǎn)生機(jī)理簡(jiǎn)介\t3
1．1．2 近紅外光譜儀器發(fā)展\t4
1．1．3 近紅外光譜應(yīng)用領(lǐng)域的發(fā)展\t7
1．2 拉曼光譜技術(shù)發(fā)展概述\t10
1．2．1 拉曼光譜產(chǎn)生機(jī)理簡(jiǎn)介\t10
1．2．2 拉曼光譜儀器發(fā)展\t11
1．2．3 拉曼光譜應(yīng)用領(lǐng)域的發(fā)展\t12
1．3 太赫茲時(shí)域光譜技術(shù)發(fā)展概述\t13
1．3．1 太赫茲時(shí)域光譜產(chǎn)生機(jī)理簡(jiǎn)介\t14
1．3．2 太赫茲時(shí)域光譜儀的發(fā)展\t15
1．3．3 太赫茲時(shí)域光譜應(yīng)用領(lǐng)域的發(fā)展\t15
1．4 光譜成像技術(shù)發(fā)展概述\t16
1．4．1 近紅外光譜成像技術(shù)發(fā)展概述\t17
1．4．2 拉曼光譜成像技術(shù)發(fā)展概述\t18
1．4．3 太赫茲時(shí)域光譜成像技術(shù)發(fā)展概述\t19
1．5 農(nóng)作物種子質(zhì)量檢測(cè)方法概述\t21
1．5．1 傳統(tǒng)檢測(cè)方法概述\t21
1．5．2 新興檢測(cè)方法概述\t22
1．6 本書主要內(nèi)容概述\t24
參考文獻(xiàn)\t25
第2章 分子光譜及光譜成像分析技術(shù)基礎(chǔ)\t29
2．1 近紅外光譜及光譜成像分析技術(shù)概述\t29
2．1．1 近紅外光譜分析理論基礎(chǔ)\t29
2．1．2 近紅外光譜常規(guī)分析技術(shù)\t31
2．1．3 近紅外光譜分析流程\t32
2．1．4 近紅外定標(biāo)模型的評(píng)價(jià)指標(biāo)\t33
2．1．5 近紅外光譜成像分析技術(shù)\t34
2．2 拉曼光譜及光譜成像分析技術(shù)概述\t36
2．2．1 拉曼常規(guī)分析技術(shù)\t36
2．2．2 拉曼光譜分析流程和方法\t37
2．2．3 拉曼光譜成像分析技術(shù)介紹\t37
2．3 太赫茲時(shí)域光譜及光譜成像分析技術(shù)概述\t38
2．3．1 太赫茲時(shí)域光譜光學(xué)參數(shù)提取\t38
2．3．2 太赫茲時(shí)域光譜成像分析技術(shù)介紹\t40
2．4 化學(xué)計(jì)量學(xué)方法概述\t41
2．4．1 預(yù)處理\t41
2．4．2 光譜預(yù)處理\t43
2．4．3 定量校正\t51
2．4．4 模式識(shí)別\t58
參考文獻(xiàn)\t60
第3章 種子發(fā)芽率近紅外光譜檢測(cè)\t65
3．1 引言\t65
3．2 基于近紅外全譜的種子發(fā)芽率PLS模型的建立\t66
3．2．1 樣本制備\t66
3．2．2 光譜采集\t68
3．2．3 PLS模型建立與評(píng)價(jià)\t69
3．3 基于特征譜區(qū)的種子發(fā)芽率近紅外PLS模型優(yōu)化方法研究\t70
3．3．1 樣本制備\t71
3．3．2 光譜采集\t71
3．3．3 基于SiPLS的種子發(fā)芽率模型優(yōu)化方法研究\t71
3．3．4 基于BiPLS的種子發(fā)芽率模型優(yōu)化方法研究\t72
3．3．5 兩類模型性能比較\t73
3．3．6 種子發(fā)芽率特征光譜解析\t73
3．4 基于多模型共識(shí)的種子發(fā)芽率NIR模型優(yōu)化方法研究\t74
3．4．1 樣本制備\t75
3．4．2 光譜采集\t75
3．4．3 基于多模型共識(shí)的小麥種子發(fā)芽率NIR模型優(yōu)化\t75
3．4．4 基于Boosting和多模型共識(shí)的小麥種子發(fā)芽率NIR模型優(yōu)化\t77
3．4．5 基于特征譜區(qū)和多模型共識(shí)的小麥種子發(fā)芽率NIR模型優(yōu)化\t79
3．5 本章小結(jié)\t80
參考文獻(xiàn)\t80
第4章 種子活力近紅外光譜判別\t85
4．1 引言\t85
4．2 基于NIR和發(fā)芽指標(biāo)的種子活力綜合評(píng)價(jià)探索\t87
4．2．1 樣本制備\t87
4．2．2 光譜采集\t87
4．2．3 種子發(fā)芽指標(biāo)NIR量化模型建立\t88
4．2．4 基于發(fā)芽指標(biāo)的小麥種子活力綜合評(píng)價(jià)探索\t89
4．3 自然老化種子活力的近紅外光譜無損識(shí)別\t93
4．3．1 樣本制備\t94
4．3．2 光譜采集\t94
4．3．3 光譜數(shù)據(jù)預(yù)處理\t94
4．3．4 自然老化種子光譜定性解析\t95
4．3．5 種子自然老化程度近紅外無損識(shí)別\t96
4．4 本章小結(jié)\t99
參考文獻(xiàn)\t99
第5章 種子理化品質(zhì)近紅外高光譜成像分析\t102
5．1 引言\t102
5．2 多籽粒種子理化品質(zhì)的近紅外高光譜成像快速無損分析\t103
5．2．1 樣本制備\t103
5．2．2 近紅外光譜采集與處理\t104
5．2．3 高光譜圖像采集與處理\t106
5．2．4 結(jié)果與分析\t108
5．3 單粒種子理化品質(zhì)近紅外高光譜成像快速無損分析\t110
5．3．1 樣本制備\t110
5．3．2 高光譜圖像采集與處理\t110
5．3．3 結(jié)果與分析\t110
5．4 本章小結(jié)\t112
參考文獻(xiàn)\t112
第6章 小麥不完善粒近紅外高光譜圖像檢測(cè)\t115
6．1 引言\t115
6．2 樣本制備\t116
6．3 高光譜圖像采集與特征提取\t116
6．3．1 高光譜圖像采集與標(biāo)定\t116
6．3．2 高光譜特征提取\t117
6．4 基于多分類支持向量機(jī)的小麥不完善粒高光譜檢測(cè)\t119
6．4．1 多分類支持向量機(jī)簡(jiǎn)介\t119
6．4．2 樣本集劃分與模型參數(shù)設(shè)置\t121
6．4．3 基于光譜特征的小麥不完善粒檢測(cè)\t121
6．4．4 基于圖像特征的小麥不完善粒檢測(cè)\t122
6．4．5 基于光譜與圖像特征的小麥不完善粒檢測(cè)\t123
6．5 基于CNN網(wǎng)絡(luò)的小麥不完善粒高光譜檢測(cè)\t124
6．5．1 CNN網(wǎng)絡(luò)簡(jiǎn)介\t124
6．5．2 數(shù)據(jù)預(yù)處理\t125
6．5．3 CNN網(wǎng)絡(luò)訓(xùn)練\t125
6．5．4 CNN網(wǎng)絡(luò)建立\t126
6．6 本章小結(jié)\t126
參考文獻(xiàn)\t127
第7章 基于拉曼顯微成像技術(shù)的種子切片精細(xì)分析\t130
7．1 引言\t130
7．2 材料與方法\t131
7．2．1 樣本制備\t131
7．2．2 拉曼顯微圖像采集\t131
7．2．3 光譜剝離方法\t132
7．3 基于拉曼顯微圖像的種皮厚度測(cè)量方法研究\t132
7．3．1 種皮目標(biāo)提取\t133
7．3．2 種皮厚度像素?cái)?shù)計(jì)算\t134
7．3．3 圖像比例尺標(biāo)定\t134
7．3．4 種皮厚度計(jì)算\t135
7．4 基于拉曼顯微圖像的種子內(nèi)部成分分布解析\t135
7．4．1 采集純物質(zhì)拉曼光譜\t136
7．4．2 淀粉、纖維素分布解析\t136
7．4．3 蛋白質(zhì)分布解析\t137
7．5 本章小結(jié)\t138
參考文獻(xiàn)\t138
第8章 基于太赫茲光譜及成像技術(shù)的種子品質(zhì)檢測(cè)方法研究\t140
8．1 引言\t140
8．2 基于LVQ和太赫茲時(shí)域光譜的玉米品種鑒別方法研究\t142
8．2．1 樣本制備\t142
8．2．2 光譜采集\t142
8．2．3 結(jié)果與分析\t144
8．3 基于距離匹配法和太赫茲時(shí)域光譜的花生品種鑒別方法研究\t145
8．3．1 樣本制備\t146
8．3．2 光譜采集\t146
8．3．3 數(shù)據(jù)預(yù)處理\t147
8．3．4 結(jié)果與分析\t148
8．4 基于SVM和太赫茲時(shí)域光譜的花生霉變程度鑒別方法研究\t150
8．4．1 樣本制備\t150
8．4．2 ATR光譜采集\t152
8．4．3 透射光譜采集\t152
8．4．4 數(shù)據(jù)預(yù)處理\t153
8．4．5 結(jié)果與分析\t154
8．5 玉米種子太赫茲時(shí)域光譜圖像預(yù)處理方法研究\t156
8．5．1 樣本制備\t157
8．5．2 光譜圖像采集\t157
8．5．3 消噪預(yù)處理\t157
8．5．4 圖像增強(qiáng)\t158
8．5．5 結(jié)果與分析\t158
8．6 本章小結(jié)\t161
參考文獻(xiàn)\t162
第9章 種子光譜資源管理系統(tǒng)及化學(xué)計(jì)量學(xué)軟件開發(fā)\t165
9．1 種子光譜資源管理系統(tǒng)開發(fā)\t165
9．1．1 系統(tǒng)框架\t165
9．1．2 系統(tǒng)數(shù)據(jù)庫(kù)設(shè)計(jì)\t165
9．1．3 系統(tǒng)功能\t167
9．1．4 系統(tǒng)模塊設(shè)計(jì)與實(shí)現(xiàn)\t167
9．2 光譜化學(xué)計(jì)量學(xué)分析軟件開發(fā)\t171
9．2．1 軟件結(jié)構(gòu)框架\t171
9．2．2 軟件功能\t172
9．2．3 軟件界面設(shè)計(jì)\t175
9．3 本章小結(jié)\t180
參考文獻(xiàn)\t181
第10章 谷物聯(lián)合收割機(jī)車載近紅外光譜儀應(yīng)用探索\t183
10．1 引言\t183
10．2 車載式近紅外光譜儀的應(yīng)用可行性研究\t184
10．2．1 樣本制備\t185
10．2．2 光譜采集儀器\t185
10．2．3 數(shù)據(jù)采集及處理\t186
10．2．4 小麥粗蛋白含量近紅外PLS模型的建立\t187
10．3 樣本溫度對(duì)車載式近紅外光譜儀分析模型的影響\t190
10．3．1 實(shí)驗(yàn)設(shè)計(jì)\t190
10．3．2 溫度對(duì)近紅外光譜吸收的影響\t192
10．3．3 近紅外溫度穩(wěn)健分析模型的建立\t193
10．4 樣本水分對(duì)車載式近紅外光譜儀分析模型的影響\t199
10．4．1 實(shí)驗(yàn)設(shè)計(jì)\t199
10．4．2 水分含量對(duì)近紅外光譜吸收的影響分析\t200
10．4．3 基于遺傳算法的支持向量機(jī)參數(shù)優(yōu)選\t202
10．4．4 基于不同水分區(qū)間的小麥粗蛋白綜合分析模型的建立\t202
10．4．5 基于不同水分區(qū)間的小麥粗蛋白專用分析模型的建立\t205
10．5 本章小結(jié)\t210
參考文獻(xiàn)\t211
附錄A 小麥種子NIR光譜資源管理系統(tǒng)部分代碼\t213
附錄B 光譜化學(xué)計(jì)量學(xué)分析軟件部分源代碼\t226