基于近红外光谱技术荞麦无损检测方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-21页 |
| ·课题研究的背景 | 第11-12页 |
| ·研究目的与意义 | 第12-13页 |
| ·研究目的 | 第12页 |
| ·研究意义 | 第12-13页 |
| ·无损检测技术 | 第13-16页 |
| ·无损检测 | 第13页 |
| ·无损检测方法简介 | 第13-14页 |
| ·近红外光谱技术分析原理 | 第14-15页 |
| ·近红外光谱技术特点 | 第15-16页 |
| ·近红外光谱技术研究现状 | 第16-19页 |
| ·国外研究现状 | 第16-17页 |
| ·国内研究现状 | 第17-19页 |
| ·主要研究内容 | 第19页 |
| ·本章小结 | 第19-21页 |
| 第二章 线性回归模型方法研究 | 第21-35页 |
| ·引言 | 第21页 |
| ·荞麦内在品质指标线性模型的建立 | 第21-25页 |
| ·实验仪器和材料 | 第21-23页 |
| ·试验方法 | 第23-25页 |
| ·荞麦光谱预处理 | 第25-28页 |
| ·光谱数据处理软件 | 第25-26页 |
| ·光谱预处理方法 | 第26-28页 |
| ·荞麦光谱信息预处理 | 第28页 |
| ·基于最小二乘法建立荞麦组分预测模型 | 第28-34页 |
| ·定量分析 | 第28-30页 |
| ·荞麦组分定量分析 | 第30页 |
| ·采用最小二乘法荞麦蛋白质含量预测 | 第30-32页 |
| ·采用最小二乘法荞麦淀粉含量预测 | 第32-33页 |
| ·采用最小二乘法荞麦总黄酮含量预测 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 非线性回归模型方法研究 | 第35-51页 |
| ·引言 | 第35页 |
| ·主成分分析 | 第35-38页 |
| ·主成分分析简介 | 第35-37页 |
| ·荞麦光谱主成分数提取 | 第37-38页 |
| ·BP神经网络 | 第38-44页 |
| ·人工神经网络 | 第38-39页 |
| ·BP神经网络简介 | 第39-44页 |
| ·基于BP神经网络荞麦组分预测 | 第44-49页 |
| ·基于BP神经网络荞麦蛋白质含量预测 | 第45-46页 |
| ·基于BP神经网络荞麦淀粉含量预测 | 第46-48页 |
| ·基于BP神经网络荞麦总黄酮含量预测 | 第48-49页 |
| ·小结 | 第49-51页 |
| 第四章 基于支持向量机荞麦品种鉴别 | 第51-57页 |
| ·前言 | 第51页 |
| ·实验仪器和养麦光谱采集 | 第51-52页 |
| ·实验仪器和材料 | 第51页 |
| ·荞麦光谱采集 | 第51-52页 |
| ·支持向量机 | 第52-55页 |
| ·支持向量机简介 | 第52-53页 |
| ·基于二叉树的多类SVM分类方法 | 第53-54页 |
| ·LIBSVM软件包 | 第54-55页 |
| ·基于LIBSVM荞麦光谱品种鉴别 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 采用中红外光谱荞麦组分测定方法研究 | 第57-67页 |
| ·引言 | 第57页 |
| ·中红外光谱技术 | 第57页 |
| ·荞麦组分含量测定方法 | 第57-61页 |
| ·实验仪器和方法 | 第58页 |
| ·荞麦光谱特征的采集 | 第58-59页 |
| ·荞麦组分测量 | 第59页 |
| ·荞麦光谱预处理 | 第59-60页 |
| ·荞麦光谱主成分数提取 | 第60-61页 |
| ·基于BP神经网络荞麦组分预测 | 第61-66页 |
| ·基于BP神经网络荞麦蛋白质含量预测 | 第61-62页 |
| ·基于BP神经网络荞麦淀粉模型预测 | 第62-64页 |
| ·基于BP神经网络荞麦总黄酮模型预测 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·主要研究成果 | 第67-68页 |
| ·下一步研究方向 | 第68-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 附录A 研究生期间发表的论文及专利 | 第75-77页 |
| 附录B 基于LIBSVM品种识别代码 | 第77-78页 |
