声明
第1章绪论
1.1研究背景与意义
1.2农药残留检测研究现状
1.3研究目标和研究内容
1.4论文组织结构
第2章小白菜农药残留检测技术和机器学习方法
2.1小白菜农药残留检测技术路线
2.2支持向量机和偏最小二乘算法
2.3卷积神经网络农药残留检测方法
2.4小白菜农药种类识别和浓度检测模型精度评价指标
2.5本章小结
第3章实验样本制备和光谱数据采集处理
3.1实验样本制备
3.2小白菜农药残留高光谱数据采集
3.3异常样本筛选方法
3.4光谱增强方法
3.5本章小结
第4章基于高光谱技术的小白菜残留农药种类识别
4.1残留不同农药种类的小白菜光谱特性分析
4.2全谱段SVM和CNN小白菜残留农药种类识别
4.3 PSO粒子群特征谱段提取和PRDI指数构建
4.4基于特征谱段和PRDI的小白菜残留农药种类识别
4.5四种模型识别结果对比与分析
4.6基于PRDI的CNN识别模型进一步评价与检验
4.7本章小结
第5章基于高光谱技术的小白菜残留农药浓度检测
5.1残留不同农药浓度的小白菜光谱特性分析
5.2全谱段PLS和CNN小白菜残留农药浓度检测
5.3光谱增强对提高浓度检测精度的效果分析
5.4基于特征谱段和PRDI的小白菜残留农药浓度检测
5.5种类识别错误情况下农药浓度检测
5.6本章小结
第6章总结与展望
6.1总结分析
6.2不足与展望
参考文献
致谢
硕士期间取得的研究成果
武汉大学;