肉品品质安全高光谱成像检测新技术及应用

1 (p1): 第1章 绪论
1 (p1-1): 1.1肉品品质安全现状
4 (p1-2): 1.2宰后肉品品质特性
5 (p1-3): 1.3肉品安全常规检测技术
5 (p1-3-1): 1.3.1感官评价
5 (p1-3-2): 1.3.2物理方法
7 (p1-3-3): 1.3.3化学方法
8 (p1-3-4): 1.3.4微生物方法
8 (p1-4): 1.4肉品安全快速无损检测技术
9 (p1-4-1): 1.4.1计算机视觉检测技术
12 (p1-4-2): 1.4.2光谱学检测技术
14 (p1-4-3): 1.4.3高光谱成像检测技术
25 (p1-5): 主要参考文献
35 (p2): 第2章 高光谱成像系统
35 (p2-1): 2.1高光谱成像原理
35 (p2-1-1): 2.1.1高光谱成像的定义和特点
35 (p2-1-2): 2.1.2高光谱图像特点
37 (p2-1-3): 2.1.3高光谱图像采集模式
38 (p2-1-4): 2.1.4高光谱成像传感模式
40 (p2-2): 2.2高光谱成像构件
40 (p2-2-1): 2.2.1光源
41 (p2-2-2): 2.2.2波长色散装置
44 (p2-2-3): 2.2.3主要平面检测器
46 (p2-3): 主要参考文献
49 (p3): 第3章 高光谱数据处理方法
49 (p3-1): 3.1图像数据处理
49 (p3-1-1): 3.1.1高光谱图像黑白校正
50 (p3-1-2): 3.1.2图像尺寸大小调整
50 (p3-1-3): 3.1.3建立掩膜与图像分割
50 (p3-1-4): 3.1.4感兴趣区域选择与光谱提取
50 (p3-1-5): 3.1.5高光谱图像降维
51 (p3-1-6): 3.1.6高光谱图像纹理信息
52 (p3-2): 3.2光谱数据预处理
52 (p3-2-1): 3.2.1平滑
53 (p3-2-2): 3.2.2微分
53 (p3-2-3): 3.2.3多元散射校正
54 (p3-2-4): 3.2.4变量标准化
54 (p3-3): 3.3光谱特征变量选择方法
56 (p3-3-1): 3.3.1回归系数法
56 (p3-3-2): 3.3.2连续投影算法
57 (p3-3-3): 3.3.3无信息变量消除算法
58 (p3-3-4): 3.3.4小波变换
61 (p3-3-5): 3.3.5遗传算法
61 (p3-3-6): 3.3.6竞争性自适应重加权算法
63 (p3-4): 3.4定量模型方法
63 (p3-4-1): 3.4.1主成分回归（PCR）
63 (p3-4-2): 3.4.2多元线性回归（MLR）
64 (p3-4-3): 3.4.3偏最小二乘法（PLSR）
65 (p3-4-4): 3.4.4人工神经网络（ANN）
65 (p3-4-5): 3.4.5最小二乘支持向量机（LS-SVM）
67 (p3-4-6): 3.4.6回归模型评价
68 (p3-5): 3.5分类算法
69 (p3-5-1): 3.5.1软独立模式分类法（SIMCA）
69 (p3-5-2): 3.5.2偏最小二乘判别分析（PLS-DA）
70 (p3-5-3): 3.5.3概率神经网络（PNN）
70 (p3-5-4): 3.5.4分类模型校正与评价
70 (p3-6): 3.6数据分析软件
71 (p3-7): 主要参考文献
75 (p4): 第4章 肉品感官特性高光谱成像检测
75 (p4-1): 4.1感官分析描述
76 (p4-2): 4.2感官评价预测
76 (p4-2-1): 4.2.1样品准备
76 (p4-2-2): 4.2.2 QIS值测量
76 (p4-2-3): 4.2.3图像纹理信息提取
79 (p4-3): 4.3 QIS预测分析
79 (p4-3-1): 4.3.1光谱特性分析
80 (p4-3-2): 4.3.2 LS-SVM分析
81 (p4-3-3): 4.3.3数据融合分析
81 (p4-4): 主要参考文献
83 (p5): 第5章 肉品物理特性高光谱成像检测
83 (p5-1): 5.1冷冻猪肉物理特性高光谱成像检测
83 (p5-1-1): 5.1.1引言
84 (p5-1-2): 5.1.2冷冻猪肉样品
84 (p5-1-3): 5.1.3品质指标测定
85 (p5-1-4): 5.1.4图像分割和光谱提取
86 (p5-1-5): 5.1.5冷冻猪肉品质指标的测定与分析
87 (p5-1-6): 5.1.6冷冻猪肉光谱特征及与冰霜的区别
89 (p5-1-7): 5.1.7不同品质指标的模型精度的比较
89 (p5-1-8):…