本书系统地介绍了光谱技术及光谱成像技术，并在讲清基本知识和基本原理的基础上，分析了国内外研究的最新成果，重点展示了光谱技术与光谱成像技术在农业上应用的成果。本书是多个国家高技术研究发展计划（863计划）项目、国家科技支撑计划项目研究成果的展现，实现了理论与应用的统一。本书共包含三大篇内容，其中基础篇介绍了光谱技术及光谱成像技术的发展历史、光谱分析基础、光谱分析仪器等；方法篇涉及对光谱及图像信息的预处理、数据的压缩、特征变量提取、聚类分析、回归分析等的介绍；应用篇展示了光谱及成像技术在土壤-环境信息、农作物信息、农产品和食品品质检测中的应用实例。
样章试读
目录
- 目录
前言
基础篇
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
2.5.4X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
3.4.6X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
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
5.2.2Kennard-Stone算法96
5.2.3SPXY算法97
5.2.4Duplex算法97
5.2.5含量梯度法97
5.2.6GN距离法97
5.2.7相似样品剔除选择法98
5.2.8Kohonen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
5.3.8DFFITS法101
5.3.9K最邻近距离法102
5.3.10Cook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
8.3.2ModelingPower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
8.4.4PLS修剪算法123
8.4.5SR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
9.2.2K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
9.3.2Fisher判别法138
9.3.3贝叶斯判别法139
9.3.4K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
10.2.7Logistic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回归分析优化算法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
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
13.1.1Unscrambler178
13.1.2Matlab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
京公网安备 11010102004214号