基于近红外光谱的小麦品质参数快速检测
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-13页 |
| 1 绪论 | 第13-17页 |
| ·引言 | 第13-14页 |
| ·国内外研究现状 | 第14-15页 |
| ·本文的主要内容及技术路线 | 第15-16页 |
| ·技术路线 | 第16页 |
| ·本章小结 | 第16-17页 |
| 2 光谱技术原理 | 第17-22页 |
| ·光谱技术的简介 | 第17-21页 |
| ·近红外检测技术 | 第17-18页 |
| ·近红外光谱法的特点 | 第18页 |
| ·傅里叶漫反射 | 第18-20页 |
| ·分子振动光谱学原理 | 第20-21页 |
| ·实验条件 | 第21页 |
| ·本章小结 | 第21-22页 |
| 3 校正模型建立与评价 | 第22-28页 |
| ·训练集的选择 | 第22-24页 |
| ·光谱预处理 | 第24-25页 |
| ·近红外光谱定性分析 | 第25页 |
| ·近红外光谱模型评价 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 4 小麦蛋白质模型分析 | 第28-46页 |
| ·各种优化算法的原理 | 第28-30页 |
| ·去趋势算法 | 第28页 |
| ·归一化函数 | 第28页 |
| ·主成分分析 | 第28-29页 |
| ·小波算法 | 第29-30页 |
| ·材料和方法 | 第30-32页 |
| ·实验仪器 | 第30-31页 |
| ·实验样品 | 第31页 |
| ·光谱采集 | 第31-32页 |
| ·BP神经网络模型 | 第32-39页 |
| ·PCA结合SNV算法处理 | 第35页 |
| ·Detrended结合SNV和PCA处理 | 第35-36页 |
| ·Derivative结合PCA和SNV处理 | 第36-37页 |
| ·Wavelet结合PCA和SNV处理 | 第37-39页 |
| ·偏最小二乘法回归（PLSR）模型 | 第39-44页 |
| ·留一法 | 第40-41页 |
| ·LOO和Detrended处理 | 第41页 |
| ·LOO和Derivative处理 | 第41-42页 |
| ·LOO和Wavelet处理 | 第42-44页 |
| ·模型结果比较和分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 5 基于BP-ANN模型检测面粉面筋值和小麦水分 | 第46-51页 |
| ·材料与方法 | 第46-48页 |
| ·实验仪器 | 第46页 |
| ·实验样品 | 第46页 |
| ·光谱采集 | 第46-48页 |
| ·面筋值优化算法处理结果 | 第48-49页 |
| ·小麦水分优化算法处理 | 第49页 |
| ·结果与分析 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 6 总结与展望 | 第51-53页 |
| ·主要研究成果 | 第51页 |
| ·创新点 | 第51-52页 |
| ·展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 作者简历 | 第56页 |
