基于近红外光谱技术的淀粉含水量预测
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题研究的背景和意义 | 第10页 |
| 1.2 近红外光谱技术概要介绍 | 第10-13页 |
| 1.2.1 近红外光谱技术的基本原理 | 第10-11页 |
| 1.2.2 近红外光谱技术的特点 | 第11-12页 |
| 1.2.3 近红外光谱技术的发展及现状 | 第12-13页 |
| 1.3 课题的主要研究内容 | 第13页 |
| 1.4 论文的结构安排 | 第13-15页 |
| 第二章 近红外光谱技术的化学计量学方法 | 第15-28页 |
| 2.1 光谱预处理 | 第15-20页 |
| 2.1.1 中心化 | 第15-16页 |
| 2.1.2 标准化 | 第16-17页 |
| 2.1.3 归一化 | 第17-18页 |
| 2.1.4 导数 | 第18页 |
| 2.1.5 标准正态变量变换(SNV) | 第18-19页 |
| 2.1.6 多元散射校正(MSC) | 第19-20页 |
| 2.2 定量校正模型的研究 | 第20-26页 |
| 2.2.1 多元线性回归(MLR) | 第20-21页 |
| 2.2.2 主成分回归(PCR) | 第21-22页 |
| 2.2.3 偏最小二乘回归(PLSR) | 第22-23页 |
| 2.2.4 最佳主成分数的选取 | 第23-26页 |
| 2.3 模型的评价指标 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 奇异样本的识别与验证 | 第28-35页 |
| 3.1 经典识别方法 | 第28页 |
| 3.2 稳健识别方法 | 第28-30页 |
| 3.2.1 基于稳健距离估计的识别方法 | 第29页 |
| 3.2.2 基于稳健回归估计的识别方法 | 第29-30页 |
| 3.3 基于蒙特卡罗交叉验证的识别方法 | 第30-34页 |
| 3.3.1 蒙特卡罗原理 | 第30-31页 |
| 3.3.2 蒙特卡罗奇异样本检测法 | 第31-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 运用近红外光谱技术预测淀粉含水量 | 第35-44页 |
| 4.1 实验部分 | 第35-43页 |
| 4.1.1 材料与仪器 | 第35页 |
| 4.1.2 光谱数据的采集 | 第35-36页 |
| 4.1.3 光谱数据预处理 | 第36-37页 |
| 4.1.4 确定最佳主成分数 | 第37页 |
| 4.1.5 奇异样本的识别与验证 | 第37-40页 |
| 4.1.6 淀粉含水量模型的建立与预测 | 第40-43页 |
| 4.2 本章小结 | 第43-44页 |
| 第五章 近红外光谱预测淀粉含水量软件的设计 | 第44-51页 |
| 5.1 开发工具的介绍 | 第44页 |
| 5.2 软件的特点 | 第44页 |
| 5.3 软件的总体设计 | 第44-46页 |
| 5.4 软件的子模块设计 | 第46-50页 |
| 5.4.1 导入与查看数据 | 第46-47页 |
| 5.4.2 光谱预处理 | 第47页 |
| 5.4.3 确定最佳主成分数 | 第47-48页 |
| 5.4.4 识别奇异样本 | 第48-49页 |
| 5.4.5 验证奇异样本 | 第49-50页 |
| 5.4.6 建模与预测 | 第50页 |
| 5.5 本章小结 | 第50-51页 |
| 第六章 结论与展望 | 第51-53页 |
| 6.1 结论 | 第51页 |
| 6.2 展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 在学期间的研究成果 | 第56-57页 |
| 致谢 | 第57页 |
