農(nóng)產(chǎn)品品質(zhì)無損檢測的人工智能技術(shù)

目錄
第1章農(nóng)產(chǎn)品品質(zhì)無損檢測技術(shù)1
1.1農(nóng)產(chǎn)品品質(zhì)無損檢測的現(xiàn)狀1
1.1.1農(nóng)產(chǎn)品品質(zhì)安全問題2
1.1.2農(nóng)產(chǎn)品品質(zhì)安全檢測指標(biāo)5
1.2農(nóng)產(chǎn)品品質(zhì)無損檢測技術(shù)的概述9
1.2.1基于光譜特性的無損檢測技術(shù)9
1.2.2基于圖像分析的無損檢測技術(shù)10
1.2.3基于聲學(xué)特性的無損檢測技術(shù)10
1.2.4基于氣味原理的無損檢測技術(shù)10
1.2.5基于生物活性的無損檢測技術(shù)11
1.3農(nóng)產(chǎn)品品質(zhì)無損檢測的主要瓶頸12
1.3.1基于光譜特性無損檢測技術(shù)存在的問題12
1.3.2基于圖像分析無損檢測技術(shù)存在的問題16
1.3.3其他無損檢測技術(shù)存在的問題22
1.3.4農(nóng)產(chǎn)品品質(zhì)無損檢測的瓶頸和發(fā)展趨勢24
參考文獻(xiàn)25
第2章人工智能技術(shù)30
2.1人工智能概述30
2.1.1人工智能發(fā)展史30
2.1.2人工智能的開發(fā)環(huán)境34
2.1.3Python常用庫35
2.2人工智能在農(nóng)產(chǎn)品品質(zhì)無損檢測中的作用36
2.2.1人工智能與無損檢測36
2.2.2機(jī)器學(xué)習(xí)44
2.2.3知識獲取51
2.3機(jī)器學(xué)習(xí)算法及應(yīng)用54
2.3.1回歸算法54
2.3.2K-NN分類算法58
2.3.3Adaboost算法60
2.3.4決策樹算法61
2.3.5樸素貝葉斯算法63
2.3.6隨機(jī)森林算法65
2.3.7K均值聚類算法67
2.3.8支持向量機(jī)算法69
2.3.9深度學(xué)習(xí)算法73
2.3.10卷積神經(jīng)網(wǎng)絡(luò)算法76
參考文獻(xiàn)79
第3章農(nóng)產(chǎn)品品質(zhì)機(jī)器視覺檢測的人工智能技術(shù)83
3.1農(nóng)產(chǎn)品外部品質(zhì)檢測83
3.1.1農(nóng)產(chǎn)品外部品質(zhì)檢測現(xiàn)狀83
3.1.2果蔬外部品質(zhì)檢測的技術(shù)難點(diǎn)與人工智能86
3.2品質(zhì)評價(jià)及分級98
3.2.1農(nóng)產(chǎn)品的品質(zhì)評價(jià)99
3.2.2農(nóng)產(chǎn)品的分級標(biāo)準(zhǔn)與分級裝備101
3.3立體圖像深度檢測104
3.3.1基于RGB-D技術(shù)的圖像深度檢測105
3.3.2基于雙目視覺的圖像深度檢測107
3.3.3基于運(yùn)動視覺的圖像深度檢測111
3.3.4基于深度學(xué)習(xí)的圖像深度檢測113
3.4運(yùn)動目標(biāo)跟蹤116
3.4.1基于光流算法的運(yùn)動目標(biāo)追蹤117
3.4.2基于幀差法的運(yùn)動目標(biāo)追蹤121
3.4.3基于背景建模的運(yùn)動目標(biāo)追蹤124
3.4.4基于深度學(xué)習(xí)的運(yùn)動目標(biāo)追蹤126
參考文獻(xiàn)127
第4章農(nóng)產(chǎn)品品質(zhì)可見/近紅外光譜及熒光光譜檢測的人工智能技術(shù)133
4.1光譜學(xué)習(xí)及模型更新133
4.1.1可見/近紅外光譜技術(shù)133
4.1.2高光譜技術(shù)145
4.1.3熒光光譜技術(shù)153
4.2云服務(wù)及大數(shù)據(jù)的應(yīng)用161
4.2.1大數(shù)據(jù)及其特點(diǎn)161
4.2.2大數(shù)據(jù)應(yīng)用162
4.2.3近紅外光譜大數(shù)據(jù)分析與應(yīng)用163
4.2.4化學(xué)計(jì)量學(xué)中的大數(shù)據(jù)難點(diǎn)問題167
4.2.5近紅外光譜云分析系統(tǒng)的基本構(gòu)成169
4.2.6云計(jì)算的應(yīng)用176
4.2.7近紅外光譜大數(shù)據(jù)與云計(jì)算的發(fā)展及其應(yīng)用前景179
參考文獻(xiàn)180
第5章農(nóng)產(chǎn)品品質(zhì)拉曼光譜檢測的人工智能技術(shù)186
5.1拉曼光譜特征學(xué)習(xí)186
5.1.1拉曼光譜技術(shù)特征186
5.1.2拉曼光譜特征識別190
5.2拉曼光譜建模方法與SERS免疫分析技術(shù)198
5.2.1使用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行建模198
5.2.2SERS與免疫層析技術(shù)202
5.3拉曼光譜與大數(shù)據(jù)205
5.3.1農(nóng)產(chǎn)品拉曼光譜數(shù)據(jù)的獲取205
5.3.2農(nóng)產(chǎn)品拉曼光譜數(shù)據(jù)的儲存與管理208
5.3.3農(nóng)產(chǎn)品拉曼光譜數(shù)據(jù)的分析與應(yīng)用211
參考文獻(xiàn)218
第6章農(nóng)產(chǎn)品品質(zhì)其他檢測方法的人工智能技術(shù)222
6.1介電特性檢測方法222
6.1.1介電參數(shù)電學(xué)性質(zhì)222
6.1.2介電特性測量方法223
6.1.3影響農(nóng)產(chǎn)品介電特性的因素225
6.1.4介電特性檢測技術(shù)在農(nóng)產(chǎn)品品質(zhì)檢測中的應(yīng)用227
6.1.5介電特性與人工智能的結(jié)合236
6.1.6介電特性在農(nóng)產(chǎn)品品質(zhì)檢測中的應(yīng)用236
6.2生物傳感器檢測技術(shù)237
6.2.1定義237
6.2.2生物傳感器的組成238
6.2.3生物傳感器的分類239
6.2.4生物傳感器的特點(diǎn)240
6.2.5智能傳感器技術(shù)240
6.2.6生物傳感器的應(yīng)用241
6.2.7生物傳感器在農(nóng)產(chǎn)品品質(zhì)檢測中的應(yīng)用前景243
6.3聲音感知技術(shù)244
6.3.1聲學(xué)特性檢測原理及基本結(jié)構(gòu)245
6.3.2聲學(xué)技術(shù)檢測模式246
6.3.3聲學(xué)技術(shù)與人工智能248
6.3.4聲學(xué)技術(shù)在農(nóng)產(chǎn)品品質(zhì)檢測中的應(yīng)用248
6.4X射線透射檢測技術(shù)255
6.4.1X射線的發(fā)現(xiàn)255
6.4.2X射線的波長256
6.4.3X射線的產(chǎn)生256
6.4.4X射線的性質(zhì)257
6.4.5X射線與物質(zhì)的相互作用259
6.4.6利用X射線進(jìn)行檢測的原理、方法及設(shè)備裝置260
6.4.7X射線技術(shù)在農(nóng)產(chǎn)品品質(zhì)檢測中的應(yīng)用262
6.4.8X射線技術(shù)在農(nóng)產(chǎn)品應(yīng)用中的展望267
參考文獻(xiàn)268
第7章農(nóng)產(chǎn)品品質(zhì)智能檢測機(jī)器人273
7.1觸覺感知273
7.1.1壓電式觸覺傳感器274
7.1.2壓阻式觸覺傳感器276
7.1.3光電式觸覺傳感器277
7.1.4電容式觸覺傳感器278
7.1.5電感式觸覺傳感器279
7.2聽覺感知279
7.2.1聲音與聽覺279
7.2.2機(jī)器人如何“聽到”聲音281
7.2.3人工智能如何幫助機(jī)器人理解信息284
7.3嗅覺感知287
7.3.1嗅覺感知概述287
7.3.2電子鼻的發(fā)展歷程288
7.3.3電子鼻工作原理及其組成289
7.3.4電子鼻的應(yīng)用290
7.4視覺感知294
7.4.1人臉識別技術(shù)295
7.4.2視覺感知技術(shù)在智能養(yǎng)殖領(lǐng)域的應(yīng)用296
7.4.3視覺感知技術(shù)與農(nóng)業(yè)機(jī)器人298
7.5味覺感知302
7.5.1味覺傳感器303
7.5.2味覺傳感器類型303
7.5.3味覺感知在農(nóng)產(chǎn)品檢測中的應(yīng)用304
7.6智能控制306
7.6.1智能控制的概述307
7.6.2智能控制方法309
7.6.3智能控制在農(nóng)產(chǎn)品檢測中的應(yīng)用312
7.7專家系統(tǒng)313
7.7.1專家系統(tǒng)的概述313
7.7.2專家系統(tǒng)和傳統(tǒng)程序的區(qū)別314
7.7.3專家系統(tǒng)的類型314
7.7.4專家系統(tǒng)的結(jié)構(gòu)315
7.7.5專家系統(tǒng)在農(nóng)產(chǎn)品檢測中的應(yīng)用317
參考文獻(xiàn)319
第8章農(nóng)產(chǎn)品品質(zhì)無損檢測中人工智能的展望325
8.1智慧農(nóng)業(yè)下的農(nóng)產(chǎn)品品質(zhì)無損檢測325
8.1.1智慧農(nóng)業(yè)概述325
8.1.2智能選種327
8.1.3農(nóng)產(chǎn)品生長環(huán)境智能監(jiān)控328
8.1.4智能機(jī)器人331
8.1.5智慧農(nóng)業(yè)的實(shí)施模式334
8.1.6智慧農(nóng)業(yè)與無損檢測技術(shù)展望335
8.2大數(shù)據(jù)支持下的農(nóng)產(chǎn)品品質(zhì)無損檢測336
8.2.1農(nóng)業(yè)大數(shù)據(jù)337
8.2.2數(shù)據(jù)挖掘341
8.2.3農(nóng)產(chǎn)品質(zhì)量安全中的大數(shù)據(jù)342
8.2.4無損檢測中的大數(shù)據(jù)343
8.3農(nóng)業(yè)物聯(lián)網(wǎng)與農(nóng)產(chǎn)品品質(zhì)無損檢測346
8.3.1農(nóng)業(yè)物聯(lián)網(wǎng)的構(gòu)成347
8.3.2農(nóng)業(yè)物聯(lián)網(wǎng)無損檢測應(yīng)用349
8.3.3農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)待解決的問題352
8.3.4農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)發(fā)展趨勢354
8.4無人農(nóng)場與農(nóng)產(chǎn)品品質(zhì)無損檢測355
8.4.1無人農(nóng)場355
8.4.2農(nóng)產(chǎn)品無損檢測對無人農(nóng)場的作用358
8.4.3無人農(nóng)場未來展望360
參考文獻(xiàn)363