文档介绍：④懵η分类方法研究硕士研究生学位论文基于近红外光谱技术的小麦品质申请人:学号:培养单位:学科专业:研究方向:指导教师:完成日期:徐璐璐电子工程学院检测技术与自动化装置智能仪器与智能测控技术孙来军副教授年月日分类号....⋯⋯⋯⋯⋯一密级公开
中文摘要惴ń屑匣郑挥τ昧队八惴ㄌ研究了优化的窬缧÷笃分史掷嗄P汀=獻啦窬缱魑V饕=关键词:近红外光谱:小麦品质;分类模型;睩神经网络小麦是我国主要粮食作物之一,其品质的好坏是老百姓非常关注的问题,许多粮食加工生产企业、科研院所、检测机构都希望可以快速、准确地对小麦品质做出检测。因此,如何高效快速地对小麦的品质做出分类识别成为科研人员研究的重点课题。国外发达国家在小麦产业方面对小麦品质的区划和分类日趋完善,但我、商品化处理率还比较低,相关研究较少,尤其利用近红外光谱技术进行小麦品质分类还鲜有报道。因此,利用近红外光谱分析技术的快速、无损等特性建立小麦品质分类识别模型,具有重要理论意义和实用价值。针对目前存在的问题,在参考大量国内外相关文献的基础上,本文从理论和实践两个方面对基于近红外光谱的小麦品质分类方法进行了系统、深入研究和详细阐述,并开发了相应的实用系统。为了提高后续模型的准确性、代表性和稳健性,从样品选择、集合划分和特征选取方法等方面进行了研究。研究基于马氏距离剔除光谱异常的样品;从决定分类值的众多物化指标中选取一个重要指标结合光谱数据采用取特征波长点作为神经网络的输入层神经元。模方法建立小麦品质分类模型,运用粒子群算法从呕疪神经网络的隐层聚类中心和输出权值,并针对惴ù嬖诘娜菀自缡焓樟埠凸咝匀ㄖ瞪柚过于机械的不足,提出了相应的改进措施,并通过实验数据验证模型的实用性和优越性。针对实际应用中的需要,开发设计了小麦品质评价软件系统。将建好的模型编译成可独立运行的绦颍捎肳管道技术同程序通信。最后,本文指出了该研究目前存在的一些不足,有待于日后改进和完善。甕
鷓,,癱黑龙江大学硕士学位论文襝琤甦甅鎕瓵瑃甌,甀,.“。,,.瑄畆瓼,唱痳瑃穒行.,瑂甋.ⅱ,.
琩睿籧仃·.,矗.:仔;籖ⅱ鬿
目录近红外光谱分类识别的研究进展⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯中文摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第滦髀邸璴课题背景及研究意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯小麦品质分类的研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本文的研究内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第陆焱夤馄追治黾际醯睦砺刍近红外光谱的基本原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯近红外光谱分析的一般流程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.飞秆『⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第卵费≡裼牍馄资萏卣魈崛》椒ㄑ芯俊引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..试验样品制备⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..光谱数据采集⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一物化指标测定⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..建模样品选择方法研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..黑龙江大学硕士学位论文⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一
.τ寐硎暇嗬胩蕹斐9馄住特征提取方法研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一第掠呕膌Ⅷ窬绶掷嗄P脱芯俊睩神经网络原理及存在的问题⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一应用改进的惴ㄓ呕痩神经网络⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.慕腜算法在縁神经网络中的应用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯优化的袴神经网络在小麦品质建模中的应用研究⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..赟难芳匣帧光谱预处理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...队八惴ǖ幕驹怼谛÷蠼焱夤馄资葜械挠τ梅治觥本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..惴ā惴ù⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...笛榻峁治觥本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..第滦÷笃分势兰巯低车纳杓朴胧迪帧评价系统的构成⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一评价系统的实现⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.
参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯