| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第16-31页 |
| 1.1 研究背景 | 第16-17页 |
| 1.2 回收纤维的鉴别 | 第17-18页 |
| 1.2.1 回收纤维鉴别的现状 | 第17页 |
| 1.2.2 回收纤维鉴别的展望 | 第17-18页 |
| 1.3 多变量分析算法 | 第18-20页 |
| 1.3.1 多变量分析算法的定义 | 第18页 |
| 1.3.2 多变量分析算法的分类 | 第18-20页 |
| 1.3.2.1 学习方式的分类 | 第18-19页 |
| 1.3.2.2 算法功能的分类 | 第19-20页 |
| 1.3.3 多变量分析算法在纸品检测中的应用 | 第20页 |
| 1.4 近红外光谱检测技术 | 第20-30页 |
| 1.4.1 近红外光谱分析的基本原理 | 第20-21页 |
| 1.4.2 近红外光谱分析的技术基础 | 第21页 |
| 1.4.2.1 化学物理基础 | 第21页 |
| 1.4.2.2 数学分析基础 | 第21页 |
| 1.4.3 近红外光谱技术的特点 | 第21-22页 |
| 1.4.4 常用的近红外光谱预处理方法 | 第22-24页 |
| 1.4.4.1 平滑 | 第23页 |
| 1.4.4.2 导数 | 第23页 |
| 1.4.4.3 标准正态变量变换 | 第23-24页 |
| 1.4.5 近红外光谱分析中多变量分析算法的应用 | 第24-30页 |
| 1.4.5.1 多元线性回归分析 | 第24-26页 |
| 1.4.5.2 主成分回归分析 | 第26-28页 |
| 1.4.5.3 偏最小二乘法 | 第28页 |
| 1.4.5.4 人工神经网络 | 第28-29页 |
| 1.4.5.5 支持向量机 | 第29-30页 |
| 1.5 本文研究内容 | 第30-31页 |
| 第二章 基于主成分分析和BP神经网络的卫生用纸掺杂回收纤维的鉴别方法 | 第31-43页 |
| 2.1 实验部分 | 第31-33页 |
| 2.1.1 实验基础数据测定 | 第31-32页 |
| 2.1.2 样本分组 | 第32-33页 |
| 2.2 模型概述 | 第33-36页 |
| 2.2.1 主成分分析 | 第33-35页 |
| 2.2.1.1 主成分分析原理 | 第33页 |
| 2.2.1.2 主成分分析步骤 | 第33-35页 |
| 2.2.2 BP神经网络 | 第35-36页 |
| 2.2.2.1 BP神经网络训练过程 | 第35页 |
| 2.2.2.2 BP网络参数设置 | 第35-36页 |
| 2.3 结果分析 | 第36-42页 |
| 2.3.1 主成分分析 | 第36-39页 |
| 2.3.1.1 相关性分析 | 第36页 |
| 2.3.1.2 主成分提取 | 第36-39页 |
| 2.3.2 BP神经网络判别 | 第39-42页 |
| 2.3.2.1 网络训练效率的比较 | 第39-41页 |
| 2.3.2.2 预测结果的比较 | 第41-42页 |
| 2.4 本章小结 | 第42-43页 |
| 第三章 基于近红外光谱法的回收纤维鉴别 | 第43-70页 |
| 3.1 基于近红外光谱定性分析卫生用纸中是否掺杂回收纤维 | 第44-56页 |
| 3.1.1 样品的收集 | 第44页 |
| 3.1.2 光谱数据的采集 | 第44页 |
| 3.1.3 分析方法 | 第44-48页 |
| 3.1.3.1 异常样品剔除 | 第45-46页 |
| 3.1.3.2 校正集和验证集的划分 | 第46-47页 |
| 3.1.3.3 光谱预处理 | 第47-48页 |
| 3.1.3.4 定性分析 | 第48页 |
| 3.1.4 模型评估 | 第48页 |
| 3.1.5 分析软件 | 第48页 |
| 3.1.6 结果与讨论 | 第48-56页 |
| 3.1.6.1 近红外光谱分析 | 第48-49页 |
| 3.1.6.2 异常样品剔除 | 第49-51页 |
| 3.1.6.3 校正集和验证集划分 | 第51-52页 |
| 3.1.6.4 数据预处理 | 第52-55页 |
| 3.1.6.5 定性分析模型建立 | 第55-56页 |
| 3.2 基于近红外光谱定量分析纸品中回收纤维含量 | 第56-69页 |
| 3.2.1 样品的制备 | 第56页 |
| 3.2.2 光谱数据的采集 | 第56页 |
| 3.2.3 分析方法 | 第56-59页 |
| 3.2.3.1 异常样品剔除 | 第57页 |
| 3.2.3.2 校正集和验证集的划分 | 第57页 |
| 3.2.3.3 光谱预处理 | 第57-58页 |
| 3.2.3.4 波长筛选 | 第58页 |
| 3.2.3.5 定量分析 | 第58-59页 |
| 3.2.4 模型评估 | 第59-60页 |
| 3.2.5 分析软件 | 第60页 |
| 3.2.6 结果与讨论 | 第60-69页 |
| 3.2.6.1 异常样品剔除 | 第60-62页 |
| 3.2.6.2 校正集和验证集划分 | 第62页 |
| 3.2.6.3 数据预处理 | 第62-66页 |
| 3.2.6.4 最优波长选择 | 第66-67页 |
| 3.2.6.5 定量分析模型建立 | 第67-69页 |
| 3.3 本章小结 | 第69-70页 |
| 第四章 基于标准加入法的荧光增白剂快速检测 | 第70-78页 |
| 4.1 原料与仪器 | 第70页 |
| 4.2 实验步骤 | 第70-71页 |
| 4.2.1 制备VBL荧光增白剂标准溶液 | 第70-71页 |
| 4.2.2 试样的萃取 | 第71页 |
| 4.2.3 荧光增白剂标准工作溶液制备 | 第71页 |
| 4.2.4 待测样品溶液制备 | 第71页 |
| 4.2.5 光谱测定 | 第71页 |
| 4.3 标准曲线法 | 第71-73页 |
| 4.3.1 标准曲线的测定 | 第71-72页 |
| 4.3.2 标准加入法测定样品的VBL浓度 | 第72-73页 |
| 4.4 全波长多变量分析拟合 | 第73-76页 |
| 4.4.1 光谱波段的选取 | 第74-75页 |
| 4.4.2 结果与讨论 | 第75-76页 |
| 4.5 本章小结 | 第76-78页 |
| 第五章 便携式近红外光谱检测仪的开发 | 第78-101页 |
| 5.1 纸品近红外光谱检测平台简介 | 第78-81页 |
| 5.1.1 近红外光谱仪 | 第78-79页 |
| 5.1.2 积分球 | 第79-81页 |
| 5.2 软件设计 | 第81-100页 |
| 5.2.1 软件总体功能概述 | 第81-82页 |
| 5.2.2 软件环境设置 | 第82-84页 |
| 5.2.2.1 开发环境设置 | 第82-83页 |
| 5.2.2.2 使用环境设置 | 第83页 |
| 5.2.2.3 开发包的API函数调用 | 第83-84页 |
| 5.2.3 主界面的介绍 | 第84-89页 |
| 5.2.3.1 主菜单区 | 第84-85页 |
| 5.2.3.2 光谱采集参数设置区 | 第85-86页 |
| 5.2.3.3 光谱属性区 | 第86-88页 |
| 5.2.3.4 光谱采集区 | 第88页 |
| 5.2.3.5 光谱数据操作区 | 第88-89页 |
| 5.2.4 子菜单介绍 | 第89-100页 |
| 5.2.4.1 文件 | 第89-94页 |
| 5.2.4.2 光谱仪 | 第94-95页 |
| 5.2.4.3 光谱采集 | 第95-96页 |
| 5.2.4.4 光谱数据处理 | 第96-98页 |
| 5.2.4.5 光谱预测分析 | 第98页 |
| 5.2.4.6 光谱综合处理 | 第98-99页 |
| 5.2.4.7 帮助 | 第99-100页 |
| 5.3 本章小结 | 第100-101页 |
| 第六章 总结与展望 | 第101-103页 |
| 6.1 本文主要结论 | 第101页 |
| 6.2 本文创新之处 | 第101-102页 |
| 6.3 对未来工作的建议 | 第102-103页 |
| 参考文献 | 第103-111页 |
| 致谢 | 第111-112页 |
| 攻读硕士学位期间取得的研究成果 | 第112-113页 |
| 附件 | 第113页 |