摘要 | 第1-3页 |
ABSTRACT | 第3-6页 |
第一章 绪论 | 第6-13页 |
§1.1 前言 | 第6页 |
§1.2 茶叶的主要成份及特性 | 第6-9页 |
§1.2.1 茶多酚 | 第6-7页 |
§1.2.2 咖啡碱 | 第7页 |
§1.2.3 水分 | 第7-8页 |
§1.2.4 氨基酸 | 第8页 |
§1.2.5 维生素 | 第8页 |
§1.2.6 矿质元素 | 第8-9页 |
§1.3 茶叶成份检测方法 | 第9-10页 |
§1.3.1 常规检测方法 | 第9页 |
§1.3.2 新型快速检测方法 | 第9-10页 |
§1.4 近红外光谱分析技术在茶叶品质检测中的应用 | 第10-11页 |
§1.5 近红外茶叶成份快速分析仪的意义 | 第11页 |
§1.6 本文主要研究内容 | 第11-13页 |
第二章 茶叶成份近红外光谱分析技术 | 第13-29页 |
§2.1 茶叶近红外光谱检测原理 | 第13-16页 |
§2.1.1 近红外光谱分析原理 | 第13-14页 |
§2.1.2 茶叶近红外漫反射原理 | 第14-15页 |
§2.1.3 光谱采集实验 | 第15-16页 |
§2.2 近红外光谱化学计量学方法 | 第16-19页 |
§2.2.1 定标样品的选择 | 第17页 |
§2.2.2 近红外光谱预处理方法 | 第17-19页 |
§2.3 波长选择方法与应用 | 第19-23页 |
§2.3.1 相关系数法和方差分析法 | 第19-20页 |
§2.3.2 逐步回归分析方法(Stepwise Regression Analysis,SRA) | 第20-21页 |
§2.3.3 遗传算法(Genetic Algorithm,GA) | 第21-23页 |
§2.3.4 其它波长选取方法 | 第23页 |
§2.4 多元校正方法 | 第23-29页 |
§2.4.1 偏最小二乘法 | 第23-25页 |
§2.4.2 人工神经网络 | 第25-29页 |
第三章 茶叶近红外光谱分析模型 | 第29-50页 |
§3.1 茶叶样品特性分析 | 第29-34页 |
§3.1.1 茶叶样品构成 | 第29-31页 |
§3.1.2 四种分析成份的光谱特性 | 第31-34页 |
§3.2 基于偏最小二乘的分析模型 | 第34-39页 |
§3.2.1 水分PLS模型 | 第35-36页 |
§3.2.2 茶多酚PLS模型 | 第36-37页 |
§3.2.3 咖啡碱PLS模型 | 第37-38页 |
§3.2.4 氨基酸PLS模型 | 第38-39页 |
§3.3 径向基神经网络模型 | 第39-44页 |
§3.3.1 数据准备 | 第40页 |
§3.3.2 径向基网络的构建 | 第40-41页 |
§3.3.3 RBP网络模型分析结果 | 第41-44页 |
§3.4 GA-RBF网络模型 | 第44-50页 |
§3.4.1 数据准备 | 第44页 |
§3.4.2 遗传神经网络的参数设置 | 第44-45页 |
§3.4.3 GA-RBF网络模型分析 | 第45-50页 |
第四章 茶叶成份近红外光谱仪设计 | 第50-62页 |
§4.1 近红外光谱仪器类型 | 第50-55页 |
§4.1.1 滤光片型近红外仪器 | 第50-51页 |
§4.1.2 发光二极管(LED)型近红外仪器 | 第51页 |
§4.1.3 光栅单色器型近红外光谱仪 | 第51-52页 |
§4.1.4 傅里叶变换型近红外光谱仪 | 第52页 |
§4.1.5 声光可调滤光片型(AOTF)近红外光谱仪 | 第52-53页 |
§4.1.6 多通道检测型近红外光谱仪 | 第53-55页 |
§4.1.7 国内近红外光谱仪器市场 | 第55页 |
§4.2 本文采用的近红外光谱仪器结构 | 第55-59页 |
§4.2.1 光学设计方案 | 第56页 |
§4.2.2 光源 | 第56-57页 |
§4.2.3 波长选择装置 | 第57-58页 |
§4.2.4 探测器 | 第58-59页 |
§4.3 嵌入式系统设计方案 | 第59-61页 |
§4.3.1 嵌入式近红外光谱分析仪特点 | 第59-60页 |
§4.3.2 Windows XP Embedded | 第60-61页 |
§4.4 茶叶成份近红外光谱分析软件 | 第61-62页 |
第五章 总结和展望 | 第62-63页 |
参考文献 | 第63-66页 |
在读期间发表的相关论文和主要科研项目 | 第66-67页 |
致谢 | 第67页 |