摘要 | 第5-7页 |
Abstract | 第7-8页 |
第一章 绪论 | 第15-24页 |
1.1 近红外光谱分析技术简介 | 第15-18页 |
1.1.1 近红外定量分析原理 | 第15-16页 |
1.1.2 近红外定量分析过程 | 第16-17页 |
1.1.3 近红外检测的技术优点 | 第17-18页 |
1.2 芝麻含油量的检测方法 | 第18-20页 |
1.2.1 简介 | 第18页 |
1.2.2 种子含油量的检测方法 | 第18-20页 |
1.3 研究目的意义及主要内容 | 第20-24页 |
1.3.1 研究目的 | 第20-21页 |
1.3.2 研究意义 | 第21-22页 |
1.3.3 研究内容 | 第22-24页 |
第二章 标准值测定及近红外光谱采集 | 第24-47页 |
2.1 试验材料与仪器 | 第24页 |
2.1.1 试验样品 | 第24页 |
2.1.2 试验试剂 | 第24页 |
2.1.3 试验仪器 | 第24页 |
2.2 芝麻含油率化学值测定 | 第24-26页 |
2.3 芝麻样品近红外光谱采集 | 第26-33页 |
2.3.1 FOSS NIRSystem 6500型近红外光谱仪的芝麻近红外光谱 | 第26-27页 |
2.3.2 棱光S400型近红外光谱仪的芝麻近红外光谱 | 第27-29页 |
2.3.3 NIR256-2.2T2近红外光纤光谱仪的芝麻近红外光谱 | 第29-30页 |
2.3.4 JDSU MicroNIR-1700微型光谱仪芝麻近红外光谱 | 第30-31页 |
2.3.5 HAMAMATSU C11708MA的微型光谱仪芝麻近红外光谱 | 第31-33页 |
2.4 光谱分析软件 | 第33-35页 |
2.4.1 MATLAB | 第33-34页 |
2.4.2 NIRSA | 第34-35页 |
2.5 光谱预处理方法 | 第35-38页 |
2.5.1 光谱数据增强算法 | 第35-36页 |
2.5.2 光谱平滑算法 | 第36-37页 |
2.5.3 光谱求导算法 | 第37-38页 |
2.5.4 其他光谱预处理算法 | 第38页 |
2.6 波长优选方法 | 第38-44页 |
2.6.1 区间筛选法 | 第39-40页 |
2.6.2 遗传算法 | 第40页 |
2.6.3 连续投影法 | 第40-41页 |
2.6.4 无信息变量消除法 | 第41-42页 |
2.6.5 回归系数法 | 第42-43页 |
2.6.6 竞争性自适应重加权算法 | 第43-44页 |
2.7 近红外光谱模型评价指标 | 第44-45页 |
2.8 本章小结 | 第45-47页 |
第三章 芝麻含油量模型的建立和脂肪特征波长优选 | 第47-69页 |
3.1 各光谱仪含油量模型的建立及脂肪特征波长优选 | 第47-67页 |
3.1.1 FOSS-6500光谱仪 | 第47-51页 |
3.1.2 棱光S400光谱仪 | 第51-55页 |
3.1.3 NIR256-2.2T2光纤光谱仪 | 第55-59页 |
3.1.4 JDSU MicroNIR-1700微型光谱仪 | 第59-63页 |
3.1.5 C11708MA微型光谱仪 | 第63-67页 |
3.2 各台仪器芝麻含油量模型的对比分析 | 第67页 |
3.3 芝麻脂肪近红外光谱特征波长的优选结果 | 第67-69页 |
第四章 基于LD的微型近红外光谱仪及模型的建立 | 第69-82页 |
4.1 基于LD的微型近红外光谱仪设计 | 第69-72页 |
4.1.1 光学系统 | 第69-71页 |
4.1.2 信号处理及控制系统 | 第71页 |
4.1.3 上位机软件系统 | 第71-72页 |
4.1.4 仪器整体设计 | 第72页 |
4.2 仪器稳定性试验 | 第72-74页 |
4.3 基于LD的微型近红外光谱仪扫描光谱 | 第74页 |
4.4 线性和非线性方法建模 | 第74-80页 |
4.4.1 线性回归方法建模 | 第74-76页 |
4.4.2 非线性方法建模 | 第76-79页 |
4.4.3 基于LD的微型近红外光谱仪建模结果 | 第79-80页 |
4.5 本章小节 | 第80-82页 |
第五章 总结与展望 | 第82-85页 |
5.1 内容与结论 | 第82-83页 |
5.2 论文创新点 | 第83-84页 |
5.3 研究展望 | 第84-85页 |
参考文献 | 第85-89页 |
致谢 | 第89-90页 |
攻读硕士期间发表的论文 | 第90页 |