農(nóng)產(chǎn)品品質(zhì)無(wú)損檢測(cè)的人工智能技術(shù)

目錄
第1章農(nóng)產(chǎn)品品質(zhì)無(wú)損檢測(cè)技術(shù)1
1.1農(nóng)產(chǎn)品品質(zhì)無(wú)損檢測(cè)的現(xiàn)狀1
1.1.1農(nóng)產(chǎn)品品質(zhì)安全問(wèn)題2
1.1.2農(nóng)產(chǎn)品品質(zhì)安全檢測(cè)指標(biāo)5
1.2農(nóng)產(chǎn)品品質(zhì)無(wú)損檢測(cè)技術(shù)的概述9
1.2.1基于光譜特性的無(wú)損檢測(cè)技術(shù)9
1.2.2基于圖像分析的無(wú)損檢測(cè)技術(shù)10
1.2.3基于聲學(xué)特性的無(wú)損檢測(cè)技術(shù)10
1.2.4基于氣味原理的無(wú)損檢測(cè)技術(shù)10
1.2.5基于生物活性的無(wú)損檢測(cè)技術(shù)11
1.3農(nóng)產(chǎn)品品質(zhì)無(wú)損檢測(cè)的主要瓶頸12
1.3.1基于光譜特性無(wú)損檢測(cè)技術(shù)存在的問(wèn)題12
1.3.2基于圖像分析無(wú)損檢測(cè)技術(shù)存在的問(wèn)題16
1.3.3其他無(wú)損檢測(cè)技術(shù)存在的問(wèn)題22
1.3.4農(nóng)產(chǎn)品品質(zhì)無(wú)損檢測(cè)的瓶頸和發(fā)展趨勢(shì)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(kù)35
2.2人工智能在農(nóng)產(chǎn)品品質(zhì)無(wú)損檢測(cè)中的作用36
2.2.1人工智能與無(wú)損檢測(cè)36
2.2.2機(jī)器學(xué)習(xí)44
2.2.3知識(shí)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(jué)檢測(cè)的人工智能技術(shù)83
3.1農(nóng)產(chǎn)品外部品質(zhì)檢測(cè)83
3.1.1農(nóng)產(chǎn)品外部品質(zhì)檢測(cè)現(xiàn)狀83
3.1.2果蔬外部品質(zhì)檢測(cè)的技術(shù)難點(diǎn)與人工智能86
3.2品質(zhì)評(píng)價(jià)及分級(jí)98
3.2.1農(nóng)產(chǎn)品的品質(zhì)評(píng)價(jià)99
3.2.2農(nóng)產(chǎn)品的分級(jí)標(biāo)準(zhǔn)與分級(jí)裝備101
3.3立體圖像深度檢測(cè)104
3.3.1基于RGB-D技術(shù)的圖像深度檢測(cè)105
3.3.2基于雙目視覺(jué)的圖像深度檢測(cè)107
3.3.3基于運(yùn)動(dòng)視覺(jué)的圖像深度檢測(cè)111
3.3.4基于深度學(xué)習(xí)的圖像深度檢測(cè)113
3.4運(yùn)動(dòng)目標(biāo)跟蹤116
3.4.1基于光流算法的運(yùn)動(dòng)目標(biāo)追蹤117
3.4.2基于幀差法的運(yùn)動(dòng)目標(biāo)追蹤121
3.4.3基于背景建模的運(yùn)動(dòng)目標(biāo)追蹤124
3.4.4基于深度學(xué)習(xí)的運(yùn)動(dòng)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(jiàn)/近紅外光譜及熒光光譜檢測(cè)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(jiàn)/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(wèn)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(cè)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(shí)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(chǔ)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(cè)方法的人工智能技術(shù)222
6.1介電特性檢測(cè)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(cè)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(cè)技術(shù)在農(nóng)產(chǎn)品品質(zhì)檢測(cè)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(cè)中的應(yīng)用236
6.2生物傳感器檢測(cè)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(cè)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(cè)原理及基本結(jié)構(gòu)245
6.3.2聲學(xué)技術(shù)檢測(cè)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(cè)中的應(yīng)用248
6.4X射線透射檢測(cè)技術(shù)255
6.4.1X射線的發(fā)現(xiàn)255
6.4.2X射線的波長(zhǎng)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(cè)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(cè)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(cè)機(jī)器人273
7.1觸覺(jué)感知273
7.1.1壓電式觸覺(jué)傳感器274
7.1.2壓阻式觸覺(jué)傳感器276
7.1.3光電式觸覺(jué)傳感器277
7.1.4電容式觸覺(jué)傳感器278
7.1.5電感式觸覺(jué)傳感器279
7.2聽(tīng)覺(jué)感知279
7.2.1聲音與聽(tīng)覺(jué)279
7.2.2機(jī)器人如何“聽(tīng)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(jué)感知287
7.3.1嗅覺(jué)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(jué)感知294
7.4.1人臉識(shí)別技術(shù)295
7.4.2視覺(jué)感知技術(shù)在智能養(yǎng)殖領(lǐng)域的應(yīng)用296
7.4.3視覺(jué)感知技術(shù)與農(nóng)業(yè)機(jī)器人298
7.5味覺(jué)感知302
7.5.1味覺(jué)傳感器303
7.5.2味覺(jué)傳感器類型303
7.5.3味覺(jué)感知在農(nóng)產(chǎn)品檢測(cè)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(cè)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(cè)中的應(yīng)用317
參考文獻(xiàn)319
第8章農(nóng)產(chǎn)品品質(zhì)無(wú)損檢測(cè)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(wú)損檢測(cè)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(zhǎng)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(wú)損檢測(cè)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(wú)損檢測(cè)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(wú)損檢測(cè)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(wú)損檢測(cè)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(wú)損檢測(cè)應(yīng)用349
8.3.3農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)待解決的問(wèn)題352
8.3.4農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)發(fā)展趨勢(shì)354
8.4無(wú)人農(nóng)場(chǎng)與農(nóng)產(chǎn)品品質(zhì)無(wú)損檢測(cè)355
8.4.1無(wú)人農(nóng)場(chǎng)355
8.4.2農(nóng)產(chǎn)品無(wú)損檢測(cè)對(duì)無(wú)人農(nóng)場(chǎng)的作用358
8.4.3無(wú)人農(nóng)場(chǎng)未來(lái)展望360
參考文獻(xiàn)363