| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 课题研究背景和意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 食用油成分检测方法研究现状 | 第14-15页 |
| 1.2.1 常规检测方法 | 第14页 |
| 1.2.2 仪器检测方法 | 第14-15页 |
| 1.3 近红外光谱技术 | 第15页 |
| 1.4 拉曼光谱技术 | 第15-16页 |
| 1.5 主要研究内容 | 第16-18页 |
| 1.5.1 近红外光谱法预测食用油饱和脂肪酸 | 第16页 |
| 1.5.2 近红外光谱法预测食用油酸值 | 第16页 |
| 1.5.3 拉曼光谱法预测饱和脂肪酸 | 第16-17页 |
| 1.5.4 油脂检测软件 | 第17-18页 |
| 第2章 材料与方法 | 第18-29页 |
| 2.1 样品来源 | 第18-19页 |
| 2.2 仪器和软件 | 第19-21页 |
| 2.2.1 近红外光谱仪 | 第19-20页 |
| 2.2.2 拉曼光谱仪 | 第20页 |
| 2.2.3 软件 | 第20-21页 |
| 2.3 光谱预处理算法 | 第21-24页 |
| 2.3.1 标准正态变量变换 | 第21页 |
| 2.3.2 多元散射校正 | 第21-22页 |
| 2.3.3 正交信号校正 | 第22-23页 |
| 2.3.4 标准正态变量变换和去趋势联用 | 第23-24页 |
| 2.4 参数优化算法 | 第24-27页 |
| 2.4.1 网格搜索算法 | 第24-26页 |
| 2.4.2 粒子群算法 | 第26-27页 |
| 2.5 建模方法 | 第27-28页 |
| 2.6 技术路线图 | 第28-29页 |
| 第3章 近红外光谱法食用油饱和脂肪酸定量预测研究 | 第29-43页 |
| 3.1 实验部分 | 第29-32页 |
| 3.1.1 油样 | 第29页 |
| 3.1.2 饱和脂肪酸真实值的测定 | 第29-30页 |
| 3.1.3 样品近红外光谱采集 | 第30-31页 |
| 3.1.4 谱图预处理 | 第31-32页 |
| 3.1.5 参数优化 | 第32页 |
| 3.1.6 建模方法 | 第32页 |
| 3.2 结果与讨论 | 第32-41页 |
| 3.2.1 GS-SVR和PSO-SVR模型预测性能比较 | 第32-39页 |
| 3.2.2 预处理方法的比较 | 第39-41页 |
| 3.3 本章小结 | 第41-43页 |
| 第4章 近红外光谱法食用油酸值定量预测研究 | 第43-52页 |
| 4.1 实验部分 | 第43-47页 |
| 4.1.1 酸值真实值测定 | 第43页 |
| 4.1.2 光谱采集 | 第43-44页 |
| 4.1.3 算法选择 | 第44-47页 |
| 4.2 结果与讨论 | 第47-50页 |
| 4.3 本章小结 | 第50-52页 |
| 第5章 拉曼光谱法酸定量预测饱和脂肪 | 第52-57页 |
| 5.1 实验部分 | 第52-53页 |
| 5.1.1 拉曼谱图采集 | 第52页 |
| 5.1.2 谱图预处理 | 第52-53页 |
| 5.1.3 参数优化和建立SVR模型 | 第53页 |
| 5.2 结果与讨论 | 第53-56页 |
| 5.2.1 GS-SVR模型和PSO-SVR模型比较 | 第53-54页 |
| 5.2.2 预处理方法的影响 | 第54-56页 |
| 5.3 本章小结 | 第56-57页 |
| 第6章 油脂检测软件 | 第57-64页 |
| 6.1 校正集和预测集选取 | 第57-58页 |
| 6.2 校正集数据准备 | 第58页 |
| 6.3 预测集数据的准备 | 第58页 |
| 6.4 模型的建立 | 第58-61页 |
| 6.4.1 加载校正集 | 第58-59页 |
| 6.4.2 加载预测集 | 第59-60页 |
| 6.4.3 预处理的选择和预测模型设置 | 第60-61页 |
| 6.4.4 模型预测及导出 | 第61页 |
| 6.4.5 模型替换 | 第61页 |
| 6.5 饱和脂肪酸的定量检测 | 第61-62页 |
| 6.6 结果与分析 | 第62-64页 |
| 第7章 总结与展望 | 第64-67页 |
| 7.1 研究工作总结 | 第64-66页 |
| 7.2 后续研究展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间的研究成果 | 第73页 |