光谱技术在农作物农产品信息无损检测中的应用

孙俊著的《光谱技术在农作物农产品信息无损检 测中的应用》系统地介绍了光谱技术及其预处理算法 、特征选取方法，并在此基础上，分析了国内外的最 新研究进展，重点展示了光谱等技术在农业上的应用 情况。本专著是多个国家自然科学基金项目、省自然 科学基金项目、农业部重点实验室开放课题研究成果 的展现，实现了理论与应用的结合。本专著共包含14 章，其中第1章概述介绍了光谱技术在农作物／农产 品信息检测中应用的现状；第2章至第5章介绍了光谱 预处理算法、光谱特征选取方法及定性、定量分析方 法；第6章至第14章分别介绍了光谱技术在水稻、生 菜、桑叶、大米、鸡蛋、红豆、烟草、玉米、油麦菜 等农作物／农产品对象信息检测中的应用实例。

1 概述 1.1 农作物／农产品信息的光谱技术检测 1.1.1 光谱技术在农作物检测中的应用 1.1.2 光谱技术在农作物农药残留检测中的应用 1.2 农作物／农产品信息的电特性技术检测 1.2.1 介电特性技术在水果品质检测中的应用 1.2.2 介电特性技术在粮食含水率检测中的应用 1.2.3 介电特性在叶片含水率检测中的应用 参考文献 2 光谱预处理算法 2.1 savitzky-Golay多项式平滑 2.2 移动平均平滑 2.3 多元散射校正算法 2.4 标准正态变量变换和去趋势算法 2.5 导数变换算法 2.6 正交信号校正算法 2.7 小波阈值 2.8 小波分段 参考文献 3 光谱特征选取方法 3.1 逐步回归分析 3.2 连续投影算法 3.3 权重回归系数法 3.4 主成分分析 3.5 竞争性自适应加权算法 3.6 LDA算法 3.7 LPP算法 3.8 SLPP算法 3.9 离散小波变换 3.10 分段离散小波变换 参考文献 4 定性分析方法 4.1 支持向量机 4.2 K最近邻分类器 4.3 Adaboost-SVM及Adaboost-KNN 4.4 MSCPSO-SVM 4.5 极限学习机 4.6 Fisher判别分析 4.7 马氏距离判别分析 参考文献 5 定量分析方法 5.1 一元回归算法 5.2 多元线性回归 5.3 BP神经网络及改进算法 5.3.1 BP神经网络 5.3.2 基于贝叶斯算法的BP网络 5.3.3 基于L-M算法的BP网络 5.3.4 遗传神经网络 5.3.5 基于思维进化优化BP神经网络 5.3.6 PNN神经网络 5.3.7 GA—PNN神经网络 5.4 支持向量机回归算法及其改进 5.4.1 支持向量机回归算法 5.4.2 GA-LS-SVM算法 5.5 ABC-SVR 参考文献 6 水稻信息检测 6.1 样本培育 6.1.1 栽培方法 6.1.2 水稻光谱数据测定 6.1.3 水稻叶片水分含量与氮素含量的测定 ……