<![CDATA[<noscript id="upaes"></noscript>]]>
|
|
|
| |
|
|
<![CDATA[<center id="upaes"><listing id="upaes"></listing></center>]]>
|
|
| |
| |
|
《農產品無損檢測技術與數據分析方法》
作者：
鄒小波趙杰文
出版日期：
2008-01-01
開本：
32開
分類：
農學
ISBN：
978-7-5019-6132-0/S.015
定價：
￥35.00
官網優惠價格：
￥28
您也可以去
購買（點擊圖標進入購買頁）
內容簡介
[ ]
圖書目錄
前言
第一章 人工嗅覺與人工味覺檢測技術
第一節 概述
一、生物嗅覺與生物味覺
二、人工嗅覺與人工味覺
第二節 人工嗅覺與人工味覺的傳感器陣列及模式識別
一、人工嗅覺與人工味覺傳感器及傳感器陣列
二、人……前言
第一章 人工嗅覺與人工味覺檢測技術
第一節 概述
一、生物嗅覺與生物味覺
二、人工嗅覺與人工味覺
第二節 人工嗅覺與人工味覺的傳感器陣列及模式識別
一、人工嗅覺與人工味覺傳感器及傳感器陣列
二、人工嗅覺與人工味覺的模式識別
第三節 人工嗅覺與人工味覺技術在食品檢測中的應用
一、人工嗅覺在食品檢測中的應用
二、人工味覺在食品檢測中的應用
參考文獻
第二章 嗅覺可視化技術
第一節 概述
一、嗅覺可視化傳感器材料
二、嗅覺可視化傳感器陣列
第二節 嗅覺可視化系統的實現
一、檢測裝置
二、數據處理
第三節 嗅覺可視化技術的應用研究
一、嗅覺可視化技術在分子識別中的應用研究
二、嗅覺可視化技術在酒類區分中的研究
參考文獻
第三章 高光譜圖像檢測技術
第一節 光譜分析技術和計算機視覺技術
一、光與光譜
二、光譜分析技術
三、計算機視覺技術
第二節 高光譜圖像檢測技術的基本原理
一、概述
二、高光譜圖像的獲取
三、高光譜圖像的信息處理技術
四、高光譜圖像檢測技術的前景
第三節 高光譜圖像檢測技術在農產品品質評定中的應用
一、高光譜圖像檢測技術在農產品品質評定中的應用現狀
二、基于高光譜圖像的水果表面缺陷、污染檢測實例
參考文獻
第四章 CT檢測技術
第一節 CT檢測原理
一、概述
二、X射線在所測物體中的衰減和衰減系數
三、一些基本概念
四、CT的成像原理
第二節 CT機的工作原理和基本結構
一、CT機的工作原理
二、CT機的基本結構
第三節 CT檢測技術在農產品無損檢測中的應用
一、在檢測農產品內部缺陷和異物方面的應用
二、在檢測農產品品質指標方面的應用
三、檢測水果內部品質的應用實例
參考文獻
第五章 磁共振成像技術
第一節 磁共振成像基本原理
一、磁共振成像原理入門
二、弛豫
三、加權成像
第二節 磁共振成像檢測的實現
一、磁共振成像機系統
二、磁共振成像掃描序列
三、成像的主要指標
四、生物組織MR信號特征
第三節 磁共振成像在農產品無損檢測中的應用
一、研究農產品中水分的分布及其流動性
二、研究農產品的玻璃態轉變
三、研究果蔬的成熟度和損傷程度
四、研究農產品中的油脂
五、面團攪拌過程的MR圖像檢測實例
參考文獻
第六章 多傳感器信息融合檢測技術
第一節 多傳感器信息融合檢測原理
一、多傳感器信息融合的一般概念
二、多傳感器信息融合的結構
三、多傳感器信息融合技術的不同層次
四、多傳感器信息融合技術研究和發展的方向
第二節 多傳感器信息融合的數據處理
一、貝葉斯方法
二、D-S證據推理方法
三、模糊集理論
四、神經網絡法
第三節 多傳感器信息融合檢測技術在農產品品質評定中的應用
一、基于多傳感器信息融合檢測技術的農產品品質評定研究概況
二、多傳感器信息融合方法在農產品品質無損檢測中應用的一般步驟
三、基于計算機視覺、電子鼻、近紅外光譜三技術融合檢測系統在蘋果品質評定中的研究實例
參考文獻
第七章 區間偏最小二乘法
第一節 區間偏最小二乘法基礎知識
一、偏最小二乘法(P15)的一些基本概念
二、常用的變量選擇方法
三、區間偏最小二乘法(interval PLS-iPLS)的算法
四、軟件的實現
第二節 區間偏最小二乘篩選法在蘋果糖度近紅外光譜檢測中的應用
一、試驗數據
二、常規區間偏最小二乘法
三、聯合子區間法
四、向前/向后區間偏最小二乘篩選法(FiPLS/BiPLS)
參考文獻
第八章 小波分析
第一節 小波分析基礎知識
一、小波和小波變換
二、多分辨率分析與Mallat算法
三、小波包分析
四、常用的小波函數及小波的選擇
第二節 小波分析在農產品無損檢測中的應用研究
一、基于小波分析的農產品圖像處理
二、小波分析在近紅外光譜信號處理中的應用
三、小波分析在傳感器信號處理中的應用
參考文獻
第九章 獨立分量分析方法
第一節 獨立分量分析基礎知識
一、ICA的概述
二、ICA的學習算法概述
三、獨立分量分析與傳統統計方法的關系
四、獨立分量分析算法的研究趨勢
第二節 獨立分量分析在農產品無損檢測信號處理中的應用
一、ICA在農產品無損檢測信號處理中的應用概況
二、FastICA算法及其實現
三、ICA在近紅外光譜噪聲分離中的應用實例
參考文獻
第十章 支持向量機
第一節 支持向量機的原理
一、經驗風險最小化(Empirical Risk Minimization)
二、結構風險最小化(Structural Risk Minimization)
三、構造支持向量機
第二節 支持向量機在農產品無損檢測中的應用
一、支持向量機的模型選擇和應用概況
二、支持向量機的算法實現與軟件
三、支持向量機在不同種類蘋果識別中的應用實例
參考文獻
第十一章 混合遺傳算法
第一節 標準遺傳算法
一、遺傳算法概述
二、遺傳算法的基本要素
三、遺傳算法的特點
四、遺傳算法研究的新動向
第二節 混合遺傳算法
一、混合遺傳算法（HGA）的概述
二、遺傳特征參數法
三、遺傳偏最小二乘方法（GA-PLS）
四、遺傳神經網絡
參考文獻
[ 展開全部隱藏部分 ]
京公網安備 11010102004331 號 互聯網出版批準設立文號 新出音2003[1297]
旗艦店