光谱及成像技术在农业中的应用PDF电子书下载

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 Unscrambler 178

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