| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 引言 | 第9-18页 |
| 1.1 研究背景 | 第9页 |
| 1.2 测定混合均匀度及含水率的意义 | 第9-10页 |
| 1.3 国内外常规检测方法概述 | 第10-11页 |
| 1.3.1 混合均匀度检测方法 | 第10-11页 |
| 1.3.2 含水率检测方法 | 第11页 |
| 1.4 近红外光谱检测技术的优势 | 第11-14页 |
| 1.4.1 近红外光谱技术概述 | 第11-12页 |
| 1.4.2 近红外光谱技术的特点 | 第12-13页 |
| 1.4.3 近红外光谱分析的总体方案 | 第13-14页 |
| 1.5 近红外光谱的应用现状 | 第14-16页 |
| 1.5.1 农业物料检测的研究状况 | 第14页 |
| 1.5.2 饲料品质检测的研究状况 | 第14-16页 |
| 1.6 常规检测方法存在的问题 | 第16-17页 |
| 1.7 本研究的主要目的与意义 | 第17页 |
| 1.8 本研究的主要内容 | 第17-18页 |
| 2 光谱数据处理方法 | 第18-27页 |
| 2.1 近红外光谱分析基本原理 | 第18-19页 |
| 2.2 光谱数据预处理方法 | 第19-21页 |
| 2.2.1 平滑(Smoothing) | 第19-20页 |
| 2.2.2 多元散射校(MSC) | 第20页 |
| 2.2.3 导数法(Derivative) | 第20-21页 |
| 2.2.4 标准变量变换(Standard Normal Variate,SNV) | 第21页 |
| 2.3 光谱数据建模方法 | 第21-26页 |
| 2.3.1 模式识别定性分析过程及方法 | 第21-23页 |
| 2.3.1.1 相似性分析法(SIMCA) | 第22页 |
| 2.3.1.2 线性判别分析(LDA) | 第22-23页 |
| 2.3.1.3 支持向量机(SVM) | 第23页 |
| 2.3.2 定量分析过程及方法 | 第23-25页 |
| 2.3.2.1 主成份分析(PCA) | 第24-25页 |
| 2.3.2.2 偏最小二乘法(PLS) | 第25页 |
| 2.3.3 校正集的选择 | 第25-26页 |
| 2.3.4 模型建立过程 | 第26页 |
| 2.4 近红外光谱分析模型评价参数 | 第26-27页 |
| 3 饲料混合均匀度光谱检测 | 第27-32页 |
| 3.1 试验设备 | 第27-29页 |
| 3.2 样本采集 | 第29-31页 |
| 3.3 混合机转速对样本信息的影响 | 第31页 |
| 3.4 粒度对样本信息的影响 | 第31-32页 |
| 4 数据分析结果讨论 | 第32-40页 |
| 4.1 均匀度常规测定结果 | 第32-34页 |
| 4.2 光谱信号预处理结果 | 第34-35页 |
| 4.3 样本划分 | 第35页 |
| 4.4 SIMCA建模结果 | 第35-37页 |
| 4.5 LDA建模结果 | 第37-38页 |
| 4.6 SVM建模结果 | 第38-40页 |
| 4.7 三种模式识别方法比较 | 第40页 |
| 5 饲料含水率光谱检测 | 第40-42页 |
| 5.1 试验设备 | 第40-41页 |
| 5.2 样本采集 | 第41-42页 |
| 6 数据分析结果讨论 | 第42-47页 |
| 6.1 含水率常规测定结果 | 第42-43页 |
| 6.2 光谱信号预处理结果 | 第43-46页 |
| 6.3 PLS建模结果 | 第46页 |
| 6.4 模型验证 | 第46-47页 |
| 7 结论与展望 | 第47-49页 |
| 7.1 结论 | 第47页 |
| 7.2 展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 作者简介 | 第53页 |