近红外光谱数据库技术及其在农产品检测中的应用

近红外光谱数据库技术及其在农产品检测中的应用
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
2021-07
版次: 1
ISBN: 9787111679394
定价: 59.80
装帧: 其他
开本: 16开
纸张: 胶版纸
页数: 128页
字数: 209.000千字
分类: 自然科学
1人买过
  • 本书内容由浅入深,共分为五章:第1章简单介绍了近红外光谱分析技术的基础概念,总结和分析了传统建模分析的弊端,引出光谱数据库的概念和本书的主要内容;第2章主要介绍了支撑NIR-SDBS运行的主要算法,大致可归类为光谱预处理算法、光谱特征提取算法和光谱匹配算法等;第3章主要针对常见光谱平滑算法存在的问题,提出一种新的算法,以达到保护有用光谱信息的目的;第4章主要针对特定样品特征,提出一种新的全光谱匹配算法,以提高光谱匹配准确率;第5章主要介绍了光谱数据库系统分析与设计的过程,为读者开发自己的光谱数据库系统提供参考。
      本书可供农业工程学科农产品品质检测及相关领域的科研、教学人员和大中专院校学生使用,也可以作为从事相关职业的科技人员、技术管理及推广人员的参考资料。 前言

    第1章绪论

    1.1课题背景与研究意义

    1.1.1NIR光谱技术概述

    1.1.2NIR光谱分析的常见流程

    1.1.3存在的问题与发展趋势

    1.2SDBS概述

    1.2.1SDBS原理及特点

    1.2.2国外研究进展概况

    1.2.3国内研究进展概况

    1.2.4其他相关研究

    1.3本书研究目的、内容和技术路线

    1.3.1研究目的

    1.3.2研究内容

    1.3.3技术路线

    1.4本章小结

    第2章光谱数据库常用算法

    2.1光谱预处理算法介绍

    2.1.1平滑

    2.1.2扣减

    2.1.3导数或微分

    2.1.4标准化

    2.1.5多元散射校正

    2.1.6标准正交变换

    2.2NIR光谱特征峰识别及其参数计算

    2.2.1NIR光谱的特点

    2.2.2峰位

    2.2.3峰边界

    2.2.4峰高

    2.2.5峰宽

    2.2.6峰面积

    2.3匹配算法

    2.3.1SMA-P

    2.3.2SMA-FS

    2.4波段选择

    2.4.1经验法

    2.4.2分段排序法

    2.4.3相关系数法

    2.4.4方差分析法

    2.4.5相关成分分析法

    2.4.6基于遗传算法的波段选择法

    2.4.7CARS波段选择法

    2.5常用建模算法

    2.5.1定量建模算法

    2.5.2定性建模算法

    2.6本章小结

    第3章一种自适应平滑算法在苹果NIR光谱分析中的应用

    3.1引言

    3.2技术与方法

    3.2.1噪声估算

    3.2.2光谱局部波动频率

    3.2.3数据点权值

    3.2.4一种自适应平滑算法

    3.2.5光谱特征峰定位及参数计算算法改进

    3.3试验

    3.3.1试验样品

    3.3.2光谱仪与参数设置

    3.3.3SSC检测仪

    3.3.4支撑试验的软硬件平台

    3.4结果与讨论

    3.4.1SSC测量结果

    3.4.2基于DA的分类结果

    3.4.3构造各类别的中心光谱

    3.4.4算法参数的确定与优选

    3.4.5改进后算法对特征波段的保护

    3.4.6假性峰过滤参数优化

    3.4.7基于SMA-P的分类原理

    3.4.8基于SMA-P的苹果样品分类

    3.5本章小结

    第4章基于杰卡德相似性系数原理的SMA-FS在苹果分类识别中的应用

    4.1引言

    4.2方法介绍

    4.2.1苹果样品NIR光谱的一阶导数

    4.2.2一阶导数光谱的预处理

    4.2.3一阶导数二值化

    4.2.4JSC

    4.2.5JSC在NIR光谱匹配中的应用

    4.2.6SMA-JSC算法的改进

    4.3试验

    4.3.1试验样品

    4.3.2光谱仪与参数设置

    4.3.3支撑试验的软硬件平台

    4.4结果与分析

    4.4.1S5~S7三类样品的SSC含量

    4.4.2基于DA的S1~S7分类

    4.4.3类别中心构建

    4.4.4基于SMA-JSC的苹果样品分类识别

    4.4.5SMA-JSC算法与常用SMA-FS算法的比较

    4.4.6基于SMA-JSC算法检索分析特定样品的原理

    4.4.7分辨率对SMA-JSC算法的影响

    4.4.8改进SMA-JSC算法在苹果分类识别中的应用

    4.5本章小结

    第5章NIR-SDBS原型系统开发实例

    5.1概述

    5.2NIR-SDBS原型系统分析

    5.2.1NIR-SDBS原型系统的需求描述

    5.2.2水果NIR-SDBS原型系统的主要用例

    5.2.3动态模型(场景时序图)

    5.2.4静态模型(对象模型)

    5.3系统设计

    5.4对现有系统的比较

    5.5本章小结

    附录二维码资源

    附录A中英文对照表

    附录B部分算法C#代码

    附录C基于SMA-JSC算法检索分析特定样品测试结果

    参考文献
  • 内容简介:
    本书内容由浅入深,共分为五章:第1章简单介绍了近红外光谱分析技术的基础概念,总结和分析了传统建模分析的弊端,引出光谱数据库的概念和本书的主要内容;第2章主要介绍了支撑NIR-SDBS运行的主要算法,大致可归类为光谱预处理算法、光谱特征提取算法和光谱匹配算法等;第3章主要针对常见光谱平滑算法存在的问题,提出一种新的算法,以达到保护有用光谱信息的目的;第4章主要针对特定样品特征,提出一种新的全光谱匹配算法,以提高光谱匹配准确率;第5章主要介绍了光谱数据库系统分析与设计的过程,为读者开发自己的光谱数据库系统提供参考。
      本书可供农业工程学科农产品品质检测及相关领域的科研、教学人员和大中专院校学生使用,也可以作为从事相关职业的科技人员、技术管理及推广人员的参考资料。
  • 目录:
    前言

    第1章绪论

    1.1课题背景与研究意义

    1.1.1NIR光谱技术概述

    1.1.2NIR光谱分析的常见流程

    1.1.3存在的问题与发展趋势

    1.2SDBS概述

    1.2.1SDBS原理及特点

    1.2.2国外研究进展概况

    1.2.3国内研究进展概况

    1.2.4其他相关研究

    1.3本书研究目的、内容和技术路线

    1.3.1研究目的

    1.3.2研究内容

    1.3.3技术路线

    1.4本章小结

    第2章光谱数据库常用算法

    2.1光谱预处理算法介绍

    2.1.1平滑

    2.1.2扣减

    2.1.3导数或微分

    2.1.4标准化

    2.1.5多元散射校正

    2.1.6标准正交变换

    2.2NIR光谱特征峰识别及其参数计算

    2.2.1NIR光谱的特点

    2.2.2峰位

    2.2.3峰边界

    2.2.4峰高

    2.2.5峰宽

    2.2.6峰面积

    2.3匹配算法

    2.3.1SMA-P

    2.3.2SMA-FS

    2.4波段选择

    2.4.1经验法

    2.4.2分段排序法

    2.4.3相关系数法

    2.4.4方差分析法

    2.4.5相关成分分析法

    2.4.6基于遗传算法的波段选择法

    2.4.7CARS波段选择法

    2.5常用建模算法

    2.5.1定量建模算法

    2.5.2定性建模算法

    2.6本章小结

    第3章一种自适应平滑算法在苹果NIR光谱分析中的应用

    3.1引言

    3.2技术与方法

    3.2.1噪声估算

    3.2.2光谱局部波动频率

    3.2.3数据点权值

    3.2.4一种自适应平滑算法

    3.2.5光谱特征峰定位及参数计算算法改进

    3.3试验

    3.3.1试验样品

    3.3.2光谱仪与参数设置

    3.3.3SSC检测仪

    3.3.4支撑试验的软硬件平台

    3.4结果与讨论

    3.4.1SSC测量结果

    3.4.2基于DA的分类结果

    3.4.3构造各类别的中心光谱

    3.4.4算法参数的确定与优选

    3.4.5改进后算法对特征波段的保护

    3.4.6假性峰过滤参数优化

    3.4.7基于SMA-P的分类原理

    3.4.8基于SMA-P的苹果样品分类

    3.5本章小结

    第4章基于杰卡德相似性系数原理的SMA-FS在苹果分类识别中的应用

    4.1引言

    4.2方法介绍

    4.2.1苹果样品NIR光谱的一阶导数

    4.2.2一阶导数光谱的预处理

    4.2.3一阶导数二值化

    4.2.4JSC

    4.2.5JSC在NIR光谱匹配中的应用

    4.2.6SMA-JSC算法的改进

    4.3试验

    4.3.1试验样品

    4.3.2光谱仪与参数设置

    4.3.3支撑试验的软硬件平台

    4.4结果与分析

    4.4.1S5~S7三类样品的SSC含量

    4.4.2基于DA的S1~S7分类

    4.4.3类别中心构建

    4.4.4基于SMA-JSC的苹果样品分类识别

    4.4.5SMA-JSC算法与常用SMA-FS算法的比较

    4.4.6基于SMA-JSC算法检索分析特定样品的原理

    4.4.7分辨率对SMA-JSC算法的影响

    4.4.8改进SMA-JSC算法在苹果分类识别中的应用

    4.5本章小结

    第5章NIR-SDBS原型系统开发实例

    5.1概述

    5.2NIR-SDBS原型系统分析

    5.2.1NIR-SDBS原型系统的需求描述

    5.2.2水果NIR-SDBS原型系统的主要用例

    5.2.3动态模型(场景时序图)

    5.2.4静态模型(对象模型)

    5.3系统设计

    5.4对现有系统的比较

    5.5本章小结

    附录二维码资源

    附录A中英文对照表

    附录B部分算法C#代码

    附录C基于SMA-JSC算法检索分析特定样品测试结果

    参考文献
查看详情
相关图书 / 更多
近红外光谱数据库技术及其在农产品检测中的应用
近红外光谱技术简介及其在茶鲜叶评价上的应用
王胜鹏、龚自明 著
近红外光谱数据库技术及其在农产品检测中的应用
近红外光谱在线仪器设备手册
刘慧颖 主编;中国仪器仪表学会 组织编写;褚小立;张莉
近红外光谱数据库技术及其在农产品检测中的应用
近红外光谱技术在地质矿产调查中的应用
杨敏、任广利 著
近红外光谱数据库技术及其在农产品检测中的应用
近红外光谱及其在石油产品分析中的应用
冯新泸、史永刚 著
近红外光谱数据库技术及其在农产品检测中的应用
近红外光谱技术在新生儿领域的临床应用
周丛乐、侯新琳 著
近红外光谱数据库技术及其在农产品检测中的应用
近红外光谱实战宝典
仪器信息网 组织编写
近红外光谱数据库技术及其在农产品检测中的应用
近红外光谱分析技术与应用
任东 著
近红外光谱数据库技术及其在农产品检测中的应用
近红外光谱定量分析方法及其农业信息化应用
陈华舟
近红外光谱数据库技术及其在农产品检测中的应用
近红外光谱脑功能成像
朱朝喆
近红外光谱数据库技术及其在农产品检测中的应用
近红外光谱定性分析原理、技术及应用
李卫军
近红外光谱数据库技术及其在农产品检测中的应用
近红外光谱解析实用指南
[美]杰尔·沃克曼、文依 著;褚小立、许育鹏、田高友 译
近红外光谱数据库技术及其在农产品检测中的应用
近红外光谱法快速分析药品
胡昌勤、冯艳春 著
您可能感兴趣 / 更多
近红外光谱数据库技术及其在农产品检测中的应用
中国棉花产业发展研究报告(2022年)
周万怀;刘从九;李浩
近红外光谱数据库技术及其在农产品检测中的应用
中国棉花产业发展研究报告(2021年)
周万怀;刘从久;徐守东