导读:本文包含了含水量检测论文开题报告文献综述及选题提纲参考文献，主要关键词:电容,电阻,叶厚,叶片含水量
含水量检测论文文献综述
郑俊波[1]（2019）在《无损检测5种药用植物叶片含水量的通用模型研究》一文中研究指出目的利用电测法对药用植物叶片含水量进行快速、准确和无损检测。方法以女贞、何首乌、银杏、葛和龙葵叶片为研究对象,自行设计平行板电容传感器,改进电阻测量方法,对叶片电容、电阻和叶厚进行检测。采用SPSS 19.0软件对测量数据进行组内相关系数分析,验证数据的可靠性。将叶片分成训练集和测试集,用Excel对训练集进行回归分析,建立叶片含水量与电容、电阻和叶厚的拟合方程,并利用拟合方程对测试集叶片含水量进行预测。结果相同药用植物不同叶片间的电容测量值可靠性良好,何首乌、葛和龙葵叶片电阻测量值可靠性良好,女贞和银杏电阻测量值可靠性一般。不同药用植物叶片间的电容和电阻测量值可靠性一般,组间叶厚测量值可靠性良好。经Excel线性回归,R~2为0.959 7,调整R~2为0.951 0,显着性值P=5.36×10~(-10),拟合方程为Y=23.548 3+0.021 6 X_1+12.7058X_2+106.7861X_3,DW=2.284,模型拟合效果良好。利用该模型对测试集叶片含水量进行预测,与烘干法比较误差值在1.98%～-1.55%之间。结论该模型可以作为该5种药用植物叶片含水量预测的通用模型。(本文来源于《中国现代应用药学》期刊2019年21期）
郑俊波[2]（2019）在《无损检测10种植物叶片含水量的通用模型》一文中研究指出对植物叶片含水量进行快速、准确和无损检测有助于诊断植物缺水程度。以10种植物叶片为研究对象,自行设计平行板电容传感器,改进电阻测量方法,对叶片电容和电阻进行检测。采用SPSS 19.0软件对测量数据进行组内相关系数分析,验证数据的可靠性。将叶片分成训练集和测试集,用Excel软件对训练集进行回归分析,建立叶片含水量与电容、电阻的拟合模型,并利用拟合模型对测试集叶片含水量进行预测。结果表明,10种植物叶片电容测量值可靠性良好,红叶石楠和杨梅叶片电阻测量值可靠性良好,女贞、无患子、紫荆和桂花叶片电阻测量值可靠性一般,珊瑚树叶片电阻测量值可靠性较差。经Excel回归分析,决定系数R~2为0.978 8,调整R~2为0.977 4,P=7.85×10~(-37),拟合方程为Z=86.0897-628.471X~(-1)-11.1753Y+117.2954Y·X~(-1),模型拟合效果良好。利用该模型对测试集叶片含水量进行预测,与烘干法比较误差值为-2.53%～1.46%。因此,该模型可以作为该10种植物叶片含水量预测的通用模型。(本文来源于《浙江农业学报》期刊2019年10期）
苗雪雪,苗莹,龚浩如,陶曙华,陈英姿[3]（2019）在《特征波长优选结合近红外技术检测大米中的含水量》一文中研究指出利用近红外光谱技术实现了大米中含水量的快速测定。为进一步提高近红外模型的精度和稳定性,采用4种波长筛选方法:遗传算法(GA)、无信息变量消除法(UVE)、无信息变量消除-遗传算法组合法(UVE-GA)以及连续投影算法(SPA),对大米水分近红外光谱特征波长进行了优选,并基于筛选出的光谱变量建立了大米含水量偏最小二乘法(PLS)模型。结果表明,相较于全光谱建模,4种特征波长优选方法不仅提升了所建模型的预测性能和精度,还有效地减少了建模时的光谱信息量,节省了建模时间;其中经过UVE-GA算法从全波段1154个波长中筛选出的68个特征波长建立的模型效果最好,其预测相关系数和预测均方根误差分别为0.9675和0.3915。综上所述,近红外光谱技术结合UVE-GA光谱处理方法能够实现大米水分含量的快速无损检测,为大米含水量的监督检测提供了技术依据。(本文来源于《食品科技》期刊2019年10期）
赖一雄[4]（2019）在《基于电磁感应的种子含水量检测方法研究》一文中研究指出在传统的种子含水量检测领域,根据《国际种子检测规程》与我国的《农作物种子检验规程》主要的检测技术包括:高温烘干检测、电子水份仪速测法、甲苯蒸馏法、卡尔·费休法等。这些方法或多或少存在破坏种子结构、不能整体检测、时间长、接触检测、不能实时反映等问题。本文着眼于电磁感应原理在种子含水量检测中的应用。首次提出了一种基于电磁感应原理的单激励双接收的叁线圈结构种子含水量的检测方法。以种子的相对介电常数为中间量,提出用幅度比去获取种子的含水量,实现非接触式种子含水量的检测。克服了传统的种子含水量检测方法中不能实时反映检测对象的含水状况、检测时间过长、加热检测方法破坏种子组织等问题。本文主要的研究内容如下:首先,以工程电磁场理论为依据,参考经典的Debye-cole模型,提出单激励双接收的的叁线圈检测结构,并建立了两接收线圈交流电动势幅度信号比值与种子含水量之间的函数关系式。其次,通过Matlab进行仿真分析,获取所述检测结果的50组理论分析值,研究了幅度比与种子含水量之间的数量关系。为了应对幅度比、相对介电常数、种子含水量之间不同的量纲,使用了max-min公式进行归一化的数据处理。最后,采用励磁线圈,PVC管等可靠的材料完成了简单样机模型制作,采用黄豆种子进行了试验,实验分为系统偏差实验和黄豆波动实验。分别去验证检测系统的可靠性以及该种新方法检测种子含水量变化的可行性。研究结果初步表明:种子中含水量的变化可以通过电磁检测的方法获取,利用幅度比与种子相对介电常数之间的关系,进行种子含水量检测。且去除平台本身误差后的系统的标准偏差为0.022,系统稳定性良好。与粮仓常用的近红外含水量检测方法相比在六个方面具有优势。(本文来源于《湖南工业大学》期刊2019-06-10）
石元,邓霄,顾惠南,张丽,崔丽琴[5]（2019）在《基于MPR121的冻土冻融过程含水量检测方法与现场试验》一文中研究指出冻土内部水分的迁移是导致土体冻胀和沉降现象的关键因素。长期以来,对于冻土冻融过程中水分剖面检测是个难题。文中基于冻土层中水分含量变化导致的介电常数差异原理,利用MPR121触摸电容感应集成芯片设计了一款低成本的剖面冻土冻融过程水分检测系统,详细介绍了系统的组成、设计原理以及传感器的标定方法,并将其安装于黑龙江漠河进行了连续现场监测,分析了季节性冻土在时间和空间上的含水量变化特征。(本文来源于《仪表技术与传感器》期刊2019年03期）
胡艳培,白铁成,陈好斌,姚江河,刘冠华[6]（2018）在《不同近红外光谱预处理方法对胡杨叶片含水量检测模型的影响》一文中研究指出近红外光谱预处理是胡杨叶片含水量光谱检测的前提,然而样本背景、电噪声和杂散射等会干扰近红外光谱的测量结果。为了避免以上因素对近红外光谱产生的影响,采用连续投影算法(successive ections algorithm,简称SPA)、数据中心化、归一化和标准正态变量变换方法(standard normal variate transformation,简称SNV)对原始光谱数据进行预处理,使用偏最小二乘法(partial least squares,简称PLS)建立胡杨叶片水分含量检测的校正集和预测集模型。结果表明,直接使用原始光谱,利用SPA算法筛选变量数为7个,模型预测精度为0. 971 44,RMSPCV为0. 046 132,相关系数r=0. 674 24,RMSEP=0. 021 434;使用原始光谱+标准正态变量变换方法,利用SPA算法筛选变量数为6个,模型预测精度为0. 976 63,RMSPCV为0. 045 642,相关系数r=0. 774 72,RMSEP=0. 018 24。SNV+SPA预处理方法能够有效地消除噪声和散射,提高模型的预测精度,相关性明显增加,降低数据维数和误差,可用于胡杨叶片水分含量的快速、无损检测,同时对其他作物叶片水分含量光谱预处理检测具有一定的参考意义。(本文来源于《江苏农业科学》期刊2018年19期）
张志,张开飞,崔迎涛,秦超彬,李赫[7]（2018）在《基于近红外光谱技术快速无损检测大豆含水量》一文中研究指出为了研究近红外光谱法快速无损检测大豆含水量的可行性,在室内通过FieldSpec4高分辨地物光谱仪对100份大豆样品进行光谱数据测量,经过平滑、求导、多元散射校正等七种不同的光谱预处理变换之后,利用主成分回归分析方法(PCR)和偏高最小二成回归分析方法(PLSR)分别建立大豆含水量高光谱估测模型。结果表明,基于原始光谱的一阶导变换建立的偏最小二成回归模型预测精度最高,其校正集和预测集的相关系数和均方根误差分别为R_c~2=0.74、R_p~2=0.85,RMSE_c=0.30,RMSE_p=0.45,近红外光谱技术可用于快速无损检测大豆含水量。(本文来源于《光谱学与光谱分析》期刊2018年S1期）
吴伟斌,刘文超,李泽艺,张震邦,陈理[8]（2018）在《基于高光谱的茶叶含水量检测模型建立与试验研究》一文中研究指出采用高光谱技术及图像处理技术、MATLAB等对茶叶进行采样分析,利用Zolix推出的Gaia"盖亚"系列便携式地物高光谱成像仪Gaia Field-V10进行光谱采集,原始光谱数据用spec VIEW光谱软件进行处理,以照片中的白板作为参照,让照片中其余地方能量与之进行对比计算得出反射率。用连续投影算法进行光谱特征提取,选择400～900 nm波段光谱,用多种不同的预处理方法对光谱进行处理,并且测量茶叶的含水量,通过Umscrambler X10. 4完成对原始光谱以及各预处理光谱的回归建模及预测,相关系数为0. 79,表明含水量与反射率间的向光性非常接近强相关性。最后进行回归方程显着性检验,使用MATLAB对原始光谱数据进行特征提取,依据SPA的算法提取所得数据,用SPSS进行回归方程显着性检验,各参数的显着性检验中t的sig值均有效,回归方程成立。因此,可以利用叶片反射光谱来预测的含水量,其中去趋势处理及移动平均平滑+一阶导数微分处理的效果最好。(本文来源于《河南农业大学学报》期刊2018年05期）
胡艳培,姚江河,李春蓉,陈好斌[9]（2018）在《南疆骏枣叶片含水量的近红外光谱检测研究》一文中研究指出[目的]建立南疆骏枣叶片含水量的快速、无损的检测模型。[方法]选取73片完好、无损的骏枣叶片,运用NIR检测骏枣叶片含水量的重要指标。通过3种不同的光谱预处理方法进行预处理,建立骏枣叶片含水量的PLS检测模型。[结果]在预测骏枣叶片含水量的PLS模型中,最好的组合是原始光谱+MSC+PLS,相关系数(R)由原始的0.673 1提高到0.874 6,预测精度(Precision)由0.950 7提高到0.957 8,预测残差平方和(PRESS)由0.028 4降低到0.017 7,预测标准偏差(RMSEP)由0.037 7降低到0.029 7。[结论]应用NIR技术不仅对南疆骏枣叶片含水量的快速、无损检测具有可行性,同时还对其他农作物叶片水分、叶绿素、氮含量光谱预处理检测具有一定的借鉴意义。(本文来源于《安徽农业科学》期刊2018年24期）
赵旭婷,张淑娟,李斌,李银坤[10]（2018）在《太赫兹光谱技术用于干旱胁迫下大豆冠层含水量检测研究》一文中研究指出近年来水资源短缺问题日益严重,部分地区由于农业灌溉用水不足导致庄稼减产农民利益受损。大豆是一种需水量较大的农作物,一旦水分亏缺将直接影响大豆植株的形态和生长发育,从而造成大豆品质降低和产量减少。大豆叶片的水分状况可真实地反映植株水分受土壤水分亏缺的影响程度,因此,大豆冠层叶片水分含量的快速获取成为一种需要。太赫兹辐射在水中的强烈衰减使其成为一种非常灵敏的非接触式探针,可以快速、无损地检测叶片含水量。因此基于太赫兹光谱这一新技术进行大豆冠层叶片含水量的检测研究,用于实时监测田间大豆的健康状况。实验选用中黄13号大豆进行栽培,为尽可能模拟田间不同程度的干旱胁迫状况,将开花期大豆进行5个不同梯度:正常供水、轻度干旱胁迫、中度干旱胁迫、重度干旱胁迫、严重干旱胁迫(分别占田间最大持水量的80%,65%,50%,35%,20%)的水分灌溉,每个梯度设置3个重复。利用人工称重法与便携式土壤水分速测仪结合将土壤含水量调控到各水分梯度要求。然后,将实验大豆植株运回实验室并利用透射式太赫兹时域光谱仪进行样本扫描,每个梯度采集18片冠层叶片,共90个样本,以2∶1的比例分为校正集和预测集。在获取各样本时域光谱数据后,根据Dorney和Duvillaret提出的模型进行了光学参数的提取,得到各样本的吸收系数谱以及折射率谱。定性分析了太赫兹时域光谱、吸收系数、折射率随水分胁迫程度不同的变化情况。实验发现:随着水分胁迫程度的降低,时域光谱的峰值呈不断衰减趋势,且均低于空白参考峰值,同时有明显的时间延迟。吸收系数值随干旱胁迫程度的加剧逐渐降低;折射率值同样随干旱胁迫程度的加剧逐渐降低。并利用偏最小二乘(PLS)和多元线性回归(MLR)方法定量研究了时域光谱、吸收系数、折射率光谱数据与叶片含水率的相关关系。结果表明,太赫兹波对大豆叶片水分差异十分敏感,基于时域光谱最大值和最小值的MLR预测精度最高,预测集相关性(rp)达-0.939 3,均方根误差(RMSEP)为0.049 5。研究表明太赫兹光谱技术应用于大豆冠层叶片含水量观测具有良好的可行性,为开展大豆冠层含水量信息快速获取,实现科学节水管理与灌溉决策提供了新的检测手段和实验依据。(本文来源于《光谱学与光谱分析》期刊2018年08期）
含水量检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
对植物叶片含水量进行快速、准确和无损检测有助于诊断植物缺水程度。以10种植物叶片为研究对象,自行设计平行板电容传感器,改进电阻测量方法,对叶片电容和电阻进行检测。采用SPSS 19.0软件对测量数据进行组内相关系数分析,验证数据的可靠性。将叶片分成训练集和测试集,用Excel软件对训练集进行回归分析,建立叶片含水量与电容、电阻的拟合模型,并利用拟合模型对测试集叶片含水量进行预测。结果表明,10种植物叶片电容测量值可靠性良好,红叶石楠和杨梅叶片电阻测量值可靠性良好,女贞、无患子、紫荆和桂花叶片电阻测量值可靠性一般,珊瑚树叶片电阻测量值可靠性较差。经Excel回归分析,决定系数R~2为0.978 8,调整R~2为0.977 4,P=7.85×10~(-37),拟合方程为Z=86.0897-628.471X~(-1)-11.1753Y+117.2954Y·X~(-1),模型拟合效果良好。利用该模型对测试集叶片含水量进行预测,与烘干法比较误差值为-2.53%～1.46%。因此,该模型可以作为该10种植物叶片含水量预测的通用模型。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
含水量检测论文参考文献
[1].郑俊波.无损检测5种药用植物叶片含水量的通用模型研究[J].中国现代应用药学.2019
[2].郑俊波.无损检测10种植物叶片含水量的通用模型[J].浙江农业学报.2019
[3].苗雪雪,苗莹,龚浩如,陶曙华,陈英姿.特征波长优选结合近红外技术检测大米中的含水量[J].食品科技.2019
[4].赖一雄.基于电磁感应的种子含水量检测方法研究[D].湖南工业大学.2019
[5].石元,邓霄,顾惠南,张丽,崔丽琴.基于MPR121的冻土冻融过程含水量检测方法与现场试验[J].仪表技术与传感器.2019
[6].胡艳培,白铁成,陈好斌,姚江河,刘冠华.不同近红外光谱预处理方法对胡杨叶片含水量检测模型的影响[J].江苏农业科学.2018
[7].张志,张开飞,崔迎涛,秦超彬,李赫.基于近红外光谱技术快速无损检测大豆含水量[J].光谱学与光谱分析.2018
[8].吴伟斌,刘文超,李泽艺,张震邦,陈理.基于高光谱的茶叶含水量检测模型建立与试验研究[J].河南农业大学学报.2018
[9].胡艳培,姚江河,李春蓉,陈好斌.南疆骏枣叶片含水量的近红外光谱检测研究[J].安徽农业科学.2018
[10].赵旭婷,张淑娟,李斌,李银坤.太赫兹光谱技术用于干旱胁迫下大豆冠层含水量检测研究[J].光谱学与光谱分析.2018