预购商品
书目分类
特别推荐
本書內容由淺入深，共分為五章：第1章簡單介紹了近紅外光譜分析技術的基礎概念，總結和分析了傳統建模分析的弊端，引出光譜資料庫的概念和本書的主要內容；第2章主要介紹了支撐NIR-SDBS運行的主要演算法，大致可歸類為光譜預處理演算法、光譜特徵提取演算法和光譜匹配演算法等；第3章主要針對常見光譜平滑演算法存在的問題，提出一種新的演算法，以達到保護有用光譜資訊的目的；第4章主要針對特定樣品特徵，提出一種新的全光譜匹配演算法，以提高光譜匹配準確率；第5章主要介紹了光譜資料庫系統分析與設計的過程，為讀者開發自己的光譜資料庫系統提供參考。 本書可供農業工程學科農產品品質檢測及相關領域的科研、教學人員和大中專院校學生使用，也可以作為從事相關職業的科技人員、技術管理及推廣人員的參考資料。
第1章緒論 11課題背景與研究意義 111NIR光譜技術概述 112NIR光譜分析的常見流程 113存在的問題與發展趨勢 12SDBS概述 121SDBS原理及特點 122國外研究進展概況 123國內研究進展概況 124其他相關研究 13本書研究目的、內容和技術路線 131研究目的 132研究內容 133技術路線 14本章小結 第2章光譜資料庫常用演算法 21光譜預處理演算法介紹 211平滑 212扣減 213導數或微分 214標準化 215多元散射校正 216標準正交變換 22NIR光譜特徵峰識別及其參數計算 221NIR光譜的特點 222峰位 223峰邊界 224峰高 225峰寬 226峰面積 23匹配演算法 231SMA-P 232SMA-FS 24波段選擇 241經驗法 242分段排序法 243相關係數法 244方差分析法 245相關成分分析法 246基於遺傳演算法的波段選擇法 247CARS波段選擇法 25常用建模演算法 251定量建模演算法 252定性建模演算法 26本章小結 第3章一種自我調整平滑演算法在蘋果NIR光譜分析中的應用 31引言 32技術與方法 321雜訊估算 322光譜局部波動頻率 323資料點權值 324一種自我調整平滑演算法 325光譜特徵峰定位及參數計算演算法改進 33試驗 331試驗樣品 332光譜儀與參數設置 333SSC檢測儀 334支撐試驗的軟硬體平臺 34結果與討論 341SSC測量結果 342基於DA的分類結果 343構造各類別的中心光譜 344演算法參數的確定與優選 345改進後演算法對特徵波段的保護 346假性峰過濾參數優化 347基於SMA-P的分類原理 348基於SMA-P的蘋果樣品分類 35本章小結 第4章基於傑卡德相似性係數原理的SMA-FS在蘋果分類識別中的應用 41引言 42方法介紹 421蘋果樣品NIR光譜的一階導數 422一階導數光譜的預處理 423一階導數二值化 424JSC 425JSC在NIR光譜匹配中的應用 426SMA-JSC演算法的改進 43試驗 431試驗樣品 432光譜儀與參數設置 433支撐試驗的軟硬體平臺 44結果與分析 441S5～S7三類樣品的SSC含量 442基於DA的S1～S7分類 443類別中心構建 444基於SMA-JSC的蘋果樣品分類識別 445SMA-JSC演算法與常用SMA-FS演算法的比較 446基於SMA-JSC演算法檢索分析特定樣品的原理 447解析度對SMA-JSC演算法的影響 448改進SMA-JSC演算法在蘋果分類識別中的應用 45本章小結 第5章NIR-SDBS原型系統開發實例 51概述 52NIR-SDBS原型系統分析 521NIR-SDBS原型系統的需求描述 522水果NIR-SDBS原型系統的主要用例 523動態模型（場景時序圖） 524靜態模型（物件模型） 53系統設計 54對現有系統的比較 55本章小結 附錄二維碼資源 附錄A中英文對照表 附錄B部分演算法C#代碼 附錄C基於SMA-JSC演算法檢索分析特定樣品測試結果 參考文獻
客服公告
热门活动
订阅电子报
