光谱及成像技术在农业中的应用PDF|Epub|txt|kindle电子书版本网盘下载

光谱及成像技术在农业中的应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

基础篇3

第1章 概述3

1.1 光谱技术在农业中的应用3

1.1.1 光谱技术在土壤检测中的应用4

1.1.2 光谱技术在农作物检测中的应用4

1.1.3 光谱技术在农产品检测中的应用5

1.1.4 存在问题与应用展望6

1.2 光谱成像技术在农业中的应用7

1.2.1 光谱成像技术在土壤检测中的应用8

1.2.2 光谱成像技术在农作物检测中的应用9

1.2.3 光谱成像技术在农产品检测中的应用9

1.2.4 存在问题与应用展望10

1.3 小结11

参考文献11

第2章 光谱分析基础15

2.1 电磁辐射与波谱15

2.1.1 光——电磁辐射基础15

2.1.2 光与物质的相互作用16

2.1.3 光谱分析方法及其分类18

2.1.4 分子能级与分子光谱19

2.1.5 光谱分析基本定律和原理19

2.2 原子分子振动分析20

2.2.1 微振动经典力学21

2.2.2 振动简正模式24

2.2.3 简正坐标24

2.2.4 其他类型坐标26

2.3 典型官能团的光谱特征27

2.3.1 烷烃类27

2.3.2 烯烃类28

2.3.3 炔烃类28

2.3.4 芳香族化合物29

2.3.5 羟基化合物29

2.3.6 羰基化合物29

2.3.7 胺和酰胺类30

2.3.8 碳水化合物31

2.3.9 氨基酸、多肽和蛋白质类31

2.3.10 聚合物类32

2.4 光谱分析的理论基础32

2.4.1 分子光谱32

2.4.2 原子光谱40

2.4.3 二向反射光谱41

2.5 光谱成像理论基础43

2.5.1 可见－近红外光谱成像技术43

2.5.2 拉曼光谱成像技术45

2.5.3 核磁共振成像技术45

2.5.4 X射线成像技术46

2.5.5 红外热成像技术47

2.5.6 荧光成像技术47

2.6 小结48

参考文献48

第3章 光谱及光谱成像仪器52

3.1 光谱分析仪器概述52

3.1.1 基本构造52

3.1.2 主要性能指标56

3.1.3 主要分类57

3.1.4 主要生产厂家58

3.1.5 发展趋势58

3.2 典型光谱分析仪器59

3.2.1 紫外可见分光光度计59

3.2.2 近红外光谱仪61

3.2.3 中红外光谱仪64

3.2.4 拉曼光谱仪66

3.2.5 核磁共振波谱仪68

3.2.6 太赫兹光谱仪70

3.2.7 激光诱导击穿光谱仪71

3.2.8 其他类型光谱仪71

3.3 光谱成像仪器72

3.3.1 基本构造72

3.3.2 主要性能指标72

3.3.3 发展趋势72

3.4 典型光谱成像仪器73

3.4.1 多光谱成像光谱仪73

3.4.2 可见－近红外高光谱成像仪74

3.4.3 显微拉曼光谱成像仪75

3.4.4 红外热成像仪77

3.4.5 核磁共振成像仪78

3.4.6 X射线成像光谱仪79

3.4.7 荧光成像光谱仪80

3.4.8 其他成像仪81

3.5 小结81

参考文献81

方法篇85

第4章 数据分析基础85

4.1 概述85

4.2 化学计量学85

4.2.1 定义85

4.2.2 发展历史86

4.2.3 主要内容86

4.2.4 在光谱分析中的应用87

4.3 数理统计基础87

4.3.1 误差分析88

4.3.2 均值与方差88

4.3.3 统计分布88

4.3.4 置信区间90

4.3.5 显著性检验90

4.3.6 模型评价91

4.4 小结94

参考文献94

第5章 样本选择方法95

5.1 概述95

5.2 样本集选择96

5.2.1 随机选择法96

5.2.2 Kennard-Stone算法96

5.2.3 SPXY算法97

5.2.4 Duplex算法97

5.2.5 含量梯度法97

5.2.6 GN距离法97

5.2.7 相似样品剔除选择法98

5.2.8 Kohonen网络法98

5.2.9 最邻近规则法99

5.2.10 最大最小距离法99

5.3 异常样本剔除99

5.3.1 主成分分析法99

5.3.2 残差法100

5.3.3 蒙特卡罗偏最小二乘法100

5.3.4 杠杆值法100

5.3.5 狄克逊检验法101

5.3.6 肖维勒准则法101

5.3.7 格鲁布斯检验法101

5.3.8 DFFITS法101

5.3.9 K最邻近距离法102

5.3.10 Cook距离法102

5.3.11 马氏距离法102

5.3.12 欧氏距离法103

5.3.13 光谱残差法103

5.3.14 多变量修剪法103

5.3.15 最小协方差行列式法104

5.3.16 半数重采样法104

5.3.17 最小半球体积法104

5.4 小结104

参考文献105

第6章 光谱预处理方法106

6.1 概述106

6.2 常用预处理方法106

6.2.1 均值中心化106

6.2.2 标准化106

6.2.3 最大最小归一化107

6.2.4 矢量归一化107

6.2.5 平滑算法107

6.2.6 变量标准化108

6.2.7 去趋势算法108

6.2.8 多元散射校正108

6.2.9 基线校正109

6.2.10 导数109

6.2.11 正交信号校正109

6.2.12 净分析信号111

6.2.13 小波变换111

6.2.14 经验模态分解111

6.2.15 褶合变换112

6.2.16 傅里叶变换112

6.3 小结113

参考文献113

第7章 数据压缩与特征提取115

7.1 概述115

7.2 典型数据压缩与特征提取方法115

7.2.1 主成分分析115

7.2.2 偏最小二乘法116

7.2.3 线性判别分析116

7.2.4 独立成分分析116

7.2.5 小波变换117

7.2.6 局部线性嵌入117

7.2.7 等距映射118

7.3 小结118

参考文献119

第8章 特征波长选择方法120

8.1 概述120

8.2 基于知识的人工选择方法120

8.3 基于PCA的特征波长选择方法121

8.3.1 载荷法121

8.3.2 Modeling Power法121

8.3.3 特征投影图法122

8.4 基于PLS的特征波长选择方法122

8.4.1 载荷与载荷权重法122

8.4.2 回归系数与加权回归系数法122

8.4.3 变量重要性投影法122

8.4.4 PLS修剪算法123

8.4.5 SR法123

8.4.6 无信息变量消除法124

8.4.7 竞争性自适应重加权采样法125

8.4.8 间隔偏最小二乘法125

8.4.9 反向区间偏最小二乘法126

8.4.10 联合区间偏最小二乘法126

8.4.11 前向区间偏最小二乘法126

8.4.12 移动窗口偏最小二乘法127

8.4.13 反向波长选择偏最小二乘法127

8.4.14 迭代预测变量权重偏最小二乘法127

8.4.15 刀切偏最小二乘法128

8.4.16 基于bootstrap特征波长选择法128

8.5 独立成分分析128

8.6 小波变换129

8.7 其他特征波长选择方法129

8.7.1 相关系数法129

8.7.2 方差法129

8.7.3 连续投影算法130

8.7.4 逐步回归分析与逐步判别分析130

8.7.5 互信息法131

8.8 小结131

参考文献132

第9章 模式识别方法134

9.1 概述134

9.2 无监督模式识别方法134

9.2.1 系统聚类分析135

9.2.2 K均值聚类分析135

9.2.3 自组织神经网络136

9.3 有监督模式识别方法137

9.3.1 距离判别法137

9.3.2 Fisher判别法138

9.3.3 贝叶斯判别法139

9.3.4 K最邻近判别法140

9.3.5 簇类独立软模式140

9.3.6 支持向量机141

9.3.7 回归判别分析142

9.4 小结142

参考文献142

第10章 回归分析方法144

10.1 概述144

10.2 线性回归分析方法144

10.2.1 一元线性回归分析144

10.2.2 多元线性回归分析144

10.2.3 偏最小二乘法145

10.2.4 主成分回归145

10.2.5 逐步线性回归145

10.2.6 岭回归146

10.2.7 Logistic回归146

10.3 非线性回归分析方法146

10.3.1 人工神经网络146

10.3.2 最小二乘支持向量机150

10.3.3 随机森林151

10.3.4 相关向量机151

10.3.5 高斯过程回归152

10.4 归分析优化算法153

10.4.1 遗传算法153

10.4.2 蚁群算法154

10.4.3 粒子群算法154

10.4.4 模拟退火算法155

10.5 小结155

参考文献155

应 用 篇159

第11章 高光谱图像处理方法159

11.1 概述159

11.2 图像预处理方法159

11.2.1 裁剪159

11.2.2 感兴趣区域提取159

11.2.3 校正160

11.3 图像压缩与特征提取方法160

11.3.1 主成分分析160

11.3.2 独立成分分析161

11.3.3 最小噪声分离161

11.3.4 波段比算法161

11.4 图像分析与可视化161

11.4.1 特征波长提取161

11.4.2 纹理特征162

11.4.3 光谱角制图164

11.4.4 高光谱图像可视化164

11.5 小结165

参考文献165

第12章 核磁共振成像方法166

12.1 概述166

12.1.1 成像原理166

12.1.2 系统组成167

12.1.3 农业应用领域167

12.2 核磁共振成像分析与处理方法170

12.2.1 核磁共振图像特点分析170

12.2.2 图像预处理过程170

12.3 三维重建算法172

12.4 模型简化173

12.5 模型三维测量174

12.6 小结175

参考文献176

第13章 光谱信息数据处理典型软件与工具178

13.1 光谱数据分析软件178

13.1.1 Unscrambler178

13.1.2 Matlab工具箱182

13.2 高光谱图像分析软件183

13.3 拉曼图像分析软件183

13.4 核磁共振分析软件186

13.5 小结187

第14章 土壤信息检测188

14.1 概述188

14.2 土壤水分检测189

14.3 土壤养分检测191

14.4 土壤电导率检测202

14.5 土壤压实度检测204

14.6 土壤重金属检测205

14.7 环境信息检测207

14.8 小结210

参考文献211

第15章 农作物信息检测213

15.1 概述213

15.2 作物养分信息检测213

15.3 作物生理信息检测217

15.4 作物形态信息检测218

15.5 农作物病害检测223

15.5.1 基于光谱技术的检测223

15.5.2 基于图像技术的检测225

15.6 作物虫害信息检测227

15.7 作物重金属含量检测229

15.8 小结230

参考文献230

第16章 农产品品质与安全检测233

16.1 概述233

16.2 谷物品质检测233

16.2.1 谷物分级检测233

16.2.2 谷物成分检测236

16.3 水果品质检测237

16.3.1 水果品种（产地）鉴别237

16.3.2 水果内部品质检测237

16.3.3 基于图像技术的水果研究239

16.4 蔬菜品质检测242

16.4.1 产地、品种的鉴别242

16.4.2 品质成分的检测243

16.4.3 煮沸时间的研究246

16.5 酒水饮料品质检测247

16.5.1 品牌检测247

16.5.2 品质检测248

16.6 调味品品质检测250

16.6.1 品牌、品种的鉴别250

16.6.2 品质成分的检测252

16.6.3 辐照剂量的研究253

16.7 奶制品品质检测254

16.7.1 酸奶品质检测254

16.7.2 奶粉品质检测254

16.7.3 其他奶制品检测255

16.8 肉制品品质检测256

16.8.1 肉类化学成分的检测256

16.8.2 肉类冷冻和冷藏状态的研究258

16.8.3 肉类其他方面的研究259

16.9 功能性食品检测261

16.9.1 品牌、品种的鉴别261

16.9.2 品质成分的检测262

16.9.3 掺假研究265

16.10 食用油品质检测265

16.11 茶叶品质检测267

16.11.1 茶叶品种鉴别267

16.11.2 茶叶内部品质检测270

16.12 烟草品质检测271

16.13 其他农副产品检测272

16.14 小结274

参考文献274