原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
高光谱成像与深度学习在食品品质检测中的应用
目录
内容概要．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3
1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3
1.2国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.2.1高光谱成像技术发展．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10
1.2.2深度学习算法进展．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11
1.3食品品质检测的重要性与传统方法局限．．．．．．．．．．．．．．．．．．．．12
1.4本文研究目标与内容．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14
高光谱成像基础理论．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15
2.1光谱信息获取原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16
2.2高光谱成像系统的组成．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17
2.2.1光源系统．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20
2.2.2传感器系统．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22
2.2.3数据采集与处理单元．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25
2.3高光谱图像特点与信息维度．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29
2.4高光谱数据的校正方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32
2.4.1几何校正．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．34
2.4.2光谱校正．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．38
深度学习算法概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40
3.1深度学习基本概念与发展历程．．．．．．．．．．．．．．．．．．．．．．．．．．．．41
3.2常用深度学习模型结构．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．43
3.2.1卷积神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．47
3.2.2循环神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．49
3.2.3长短期记忆网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．50
3.2.4其他相关模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．53
3.3深度学习模型训练与优化策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．57
3.4深度学习在模式识别领域的通用优势．．．．．．．．．．．．．．．．．．．．．．62
高光谱成像与深度学习结合在食品品质表征中的方法．．．．．．．．．65
4.1数据预处理与特征提取技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．67
4.1.1图像降噪方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．68
4.1.2光谱特征降维算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．72
4.1.3图像特征提取．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．74
4.2基于深度学习的分类识别模型构建．．．．．．．．．．．．．．．．．．．．．．．．75
4.3基于深度学习的回归预测模型构建．．．．．．．．．．．．．．．．．．．．．．．．77
4.4融合策略与模型优化方法探索．．．．．．．．．．．．．．．．．．．．．．．．．．．．80
高光谱成像与深度学习在特定食品品质检测中的应用．．．．．．．．．81
5.1在农产品新鲜度评价中的应用．．．．．．．．．．．．．．．．．．．．．．．．．．．．83
5.2在食品成分分析中的应用．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．86
5.2.1营养成分定量．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．87
5.2.2成分缺陷检测．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．
文档评论（0）