| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 符号缩写 | 第10-11页 |
| 第1章 文献综述 | 第11-23页 |
| 1.1 燕麦概述 | 第11-15页 |
| 1.1.1 燕麦种植及分类 | 第11-12页 |
| 1.1.2 燕麦的营养价值 | 第12-14页 |
| 1.1.3 燕麦的保健作用 | 第14-15页 |
| 1.1.4 燕麦成分的常用检测方法 | 第15页 |
| 1.2 近红外光谱技术及其在燕麦成分检测中的研究进展 | 第15-20页 |
| 1.2.1 近红外光谱技术的原理 | 第15-16页 |
| 1.2.2 近红外光谱技术分析及化学计量学 | 第16-18页 |
| 1.2.3 近红外光谱技术在燕麦成分检测中的研究进展 | 第18-20页 |
| 1.3 研究目的,意义及内容 | 第20-23页 |
| 1.3.1 研究目的及意义 | 第20页 |
| 1.3.2 研究内容 | 第20-23页 |
| 第2章 近红外光谱技术检测燕麦中蛋白质含量 | 第23-31页 |
| 2.1 材料与方法 | 第23-24页 |
| 2.1.1 试验材料 | 第23页 |
| 2.1.2 主要试验仪器 | 第23页 |
| 2.1.3 方法 | 第23-24页 |
| 2.1.4 模型的验证 | 第24页 |
| 2.2 结果与分析 | 第24-30页 |
| 2.2.1 燕麦样品中蛋白质含量的分布 | 第25页 |
| 2.2.2 光谱扫描结果 | 第25-26页 |
| 2.2.3 异常样品剔除结果与样本集划分结果 | 第26页 |
| 2.2.4 不同光谱预处理及回归方法对建模效果的影响 | 第26-29页 |
| 2.2.5 验证预测模型 | 第29-30页 |
| 2.3 小结 | 第30-31页 |
| 第3章 近红外光谱技术检测燕麦中脂肪和p-葡聚糖含量 | 第31-45页 |
| 3.1 材料与方法 | 第31-33页 |
| 3.1.1 试验材料 | 第31页 |
| 3.1.2 主要试验仪器 | 第31-32页 |
| 3.1.3 试验方法 | 第32页 |
| 3.1.4 模型的验证 | 第32-33页 |
| 3.2 结果与分析 | 第33-43页 |
| 3.2.1 燕麦样品中脂肪含量和β-葡聚糖含量的分布 | 第33页 |
| 3.2.2 光谱扫描结果 | 第33-34页 |
| 3.2.3 奇异样本剔除结果与样本集划分结果 | 第34-35页 |
| 3.2.4 不同预处理及回归方法对脂肪建模效果的影响 | 第35-37页 |
| 3.2.5 燕麦中脂肪含量的BP神经网络模型的建立 | 第37-39页 |
| 3.2.6 燕麦中β-葡聚糖含量的BP神经网络模型的建立 | 第39-41页 |
| 3.2.7 模型验证 | 第41-43页 |
| 3.3 小结 | 第43-45页 |
| 第4章 近红外光谱技术-二维相关光谱技术检测燕麦中多酚含量 | 第45-55页 |
| 4.1 材料与方法 | 第45-46页 |
| 4.1.1 试验材料 | 第45页 |
| 4.1.2 主要试验仪器 | 第45-46页 |
| 4.1.3 方法 | 第46页 |
| 4.1.4 模型的验证 | 第46页 |
| 4.2 结果与分析 | 第46-54页 |
| 4.2.1 燕麦多酚含量的化学测量值 | 第47页 |
| 4.2.2 光谱扫描结果 | 第47-48页 |
| 4.2.3 二维相关光谱分析 | 第48-49页 |
| 4.2.4 燕麦多酚的定标模型建立 | 第49-53页 |
| 4.2.5 模型验证 | 第53-54页 |
| 4.3 小结 | 第54-55页 |
| 第5章 结论,创新点与展望 | 第55-57页 |
| 5.1 结论 | 第55页 |
| 5.2 创新点 | 第55-56页 |
| 5.3 展望 | 第56-57页 |
| 参考文献 | 第57-65页 |
| 致谢 | 第65-67页 |
| 攻读学位期间研究成果 | 第67页 |
