摘要 | 第5-7页 |
Abstract | 第7-8页 |
0 绪论 | 第12-24页 |
0.1 选题背景及意义 | 第12-13页 |
0.2 菌落总数研究进展 | 第13-14页 |
0.3 近红外光谱技术 | 第14-17页 |
0.3.1 近红外光谱技术的理论依据 | 第14页 |
0.3.2 近红外光谱技术的化学计量学依据 | 第14-15页 |
0.3.3 近红外光谱技术的分析特点 | 第15页 |
0.3.4 近红外光谱技术的应用领域 | 第15-17页 |
0.4 神经网络系统 | 第17-22页 |
0.4.1 神经网络系统简介 | 第17-18页 |
0.4.2 遗传算法以及误差反向传播神经网络 | 第18-19页 |
0.4.3 本研究所需用的相关的 ANN 函数 | 第19-22页 |
0.5 研究目的及内容 | 第22-23页 |
0.6 技术路线图 | 第23-24页 |
1 近红外检测方法的建立以及近红外光谱的预处理 | 第24-35页 |
1.1 引言 | 第24-25页 |
1.2 实验材料与仪器 | 第25页 |
1.2.1 主要原料与试剂 | 第25页 |
1.2.2 主要仪器 | 第25页 |
1.3 实验方法 | 第25-28页 |
1.3.1 仪器设备的优化 | 第25-26页 |
1.3.2 近红外光谱数据的采集 | 第26-27页 |
1.3.3 菌落总数标准值的测定 | 第27-28页 |
1.3.4 近红外广谱的处理 | 第28页 |
1.4 结果与讨论 | 第28-34页 |
1.4.1 仪器设备优化结果 | 第28-31页 |
1.4.2 近红外光谱采集结果 | 第31-32页 |
1.4.3 菌落总数测定结果 | 第32页 |
1.4.4 近红外广谱预处理结果与讨论 | 第32-34页 |
1.5 本章小结 | 第34-35页 |
2 两种模型的建立及其评价标准 | 第35-48页 |
2.1 引言 | 第35页 |
2.2 两种模型的建立 | 第35-40页 |
2.2.1 最小偏二乘法(PLS)建立 | 第35-36页 |
2.2.3 GA+BP-ANN 建立 | 第36-40页 |
2.3 模型决定系数以及均方根误差 | 第40-41页 |
2.4 实验结果与讨论 | 第41-47页 |
2.4.1 利用最小偏二乘法建立牙鲆菌落总数预测模型及其验证模型结果: | 第41-43页 |
2.4.2 GA 与 BP 神经网络建模与验证结果 | 第43-47页 |
2.5 本章小结 | 第47-48页 |
3 模型应用及实际样本验证 | 第48-61页 |
3.1 引言 | 第48页 |
3.2 实验材料与仪器 | 第48-49页 |
3.2.1 主要原料与试剂 | 第48-49页 |
3.2.2 主要仪器 | 第49页 |
3.3 试验方法 | 第49-51页 |
3.3.1 近红外光谱的采集 | 第49页 |
3.3.2 菌落总数标准值测定 | 第49-50页 |
3.3.4 近红外光广谱预处理 | 第50页 |
3.3.5 GA+BP-ANN 系统训练 | 第50页 |
3.3.6 实际样本性能验证 | 第50-51页 |
3.4 实验结果与讨论 | 第51-59页 |
3.4.1 牙鲆实际样本性能验证结果 | 第51页 |
3.4.2 鲈鱼模型的建立,优化及实际样本验证结果与讨论 | 第51-55页 |
3.4.3 三文鱼模型的建立,优化及实际样本验证的结果与讨论 | 第55-59页 |
3.5 本章小结 | 第59-61页 |
本文结论 | 第61-63页 |
参考文献 | 第63-68页 |
致谢 | 第68-69页 |
个人简历 | 第69-70页 |
发表的学术论文 | 第70-71页 |