| 摘要 | 第7-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第12-26页 |
| 1.1 花椒概况 | 第12-14页 |
| 1.1.1 花椒品种及分布 | 第12-13页 |
| 1.1.2 花椒的化学成分与理化指标 | 第13-14页 |
| 1.2 我国花椒质量现状 | 第14-15页 |
| 1.3 花椒检测技术研究进展 | 第15-17页 |
| 1.3.1 花椒主要化学成分 | 第15页 |
| 1.3.2 花椒产地鉴别 | 第15-16页 |
| 1.3.3 花椒真伪鉴别 | 第16-17页 |
| 1.4 近红外光谱技术 | 第17-20页 |
| 1.4.1 近红外光谱的基本原理 | 第17-18页 |
| 1.4.2 近红外光谱分析技术的特点 | 第18-19页 |
| 1.4.3 近红外光谱定性分析过程 | 第19-20页 |
| 1.5 近红外光谱应用于农产品、食品定性鉴别的研究进展 | 第20-23页 |
| 1.5.1 酒类近红外光谱定性鉴别研究进展 | 第21页 |
| 1.5.2 食用油近红外光谱定性鉴别研究进展 | 第21-22页 |
| 1.5.3 中药近红外光谱定性鉴别研究进展 | 第22页 |
| 1.5.4 其它农产品近红外光谱定性鉴别研究进展 | 第22-23页 |
| 1.6 本文研究的目的和意义 | 第23-24页 |
| 1.7 研究内容与技术路线 | 第24-26页 |
| 1.7.1 研究内容 | 第24页 |
| 1.7.2 技术路线 | 第24-26页 |
| 第2章 近红外光谱分析方法 | 第26-40页 |
| 2.1 数据预处理方法 | 第26-30页 |
| 2.1.1 异常数据检测及不完整数据的处理 | 第26页 |
| 2.1.2 噪声数据处理 | 第26-28页 |
| 2.1.3 数据增强 | 第28-29页 |
| 2.1.4 光散射校正 | 第29-30页 |
| 2.2 波长选择方法 | 第30-31页 |
| 2.3 数据建模方法 | 第31-37页 |
| 2.3.1 定性分类识别建模方法 | 第31-35页 |
| 2.3.2 定量分析建模方法 | 第35-37页 |
| 2.4 小结 | 第37-40页 |
| 第3章 花椒样品收集、光谱采集及图谱库构建 | 第40-50页 |
| 3.1 花椒样品品种选择 | 第40页 |
| 3.2 仪器设备 | 第40-42页 |
| 3.3 花椒近红外光谱采集条件 | 第42-43页 |
| 3.3.1 采集模式 | 第42页 |
| 3.3.2 测试温度 | 第42页 |
| 3.3.3 累积次数 | 第42-43页 |
| 3.3.4 分辨率 | 第43页 |
| 3.4 花椒样品收集与近红外光谱图谱库构建 | 第43-49页 |
| 3.4.1 花椒产地鉴别近红外光谱图谱库构建 | 第43-45页 |
| 3.4.2 花椒新陈度鉴别近红外光谱图谱库构建 | 第45-46页 |
| 3.4.3 花椒粉掺假鉴别近红外光谱图谱库构建 | 第46-49页 |
| 3.5 小结 | 第49-50页 |
| 第4章 花椒产地近红外光谱鉴别研究 | 第50-74页 |
| 4.1 引言 | 第50页 |
| 4.2 材料与方法 | 第50-52页 |
| 4.2.1 实验材料 | 第50页 |
| 4.2.2 方法 | 第50-52页 |
| 4.3 主成分分析 | 第52-53页 |
| 4.4 花椒产地CNN鉴别模型的建立和验证 | 第53-61页 |
| 4.4.1 卷积神经网络理论及方法 | 第53-57页 |
| 4.4.2 光谱降维与光谱信息矩阵构造 | 第57-58页 |
| 4.4.3 模型的建立和验证 | 第58-61页 |
| 4.5 花椒产地DPLS鉴别模型的建立和验证 | 第61-63页 |
| 4.5.1 DPLS模型的建立 | 第61页 |
| 4.5.2 DPLS模型的验证 | 第61-63页 |
| 4.6 花椒产地SVM鉴别模型的建立和验证 | 第63-70页 |
| 4.6.1 SVM参数的寻优算法 | 第63-66页 |
| 4.6.2 SVM模型的建立和验证 | 第66-70页 |
| 4.7 花椒产地RBF-NN鉴别模型的建立和验证 | 第70-71页 |
| 4.8 不同建模方法花椒产地鉴别效果比较 | 第71-72页 |
| 4.9 小结 | 第72-74页 |
| 第5章 花椒新陈度近红外光谱鉴别研究 | 第74-90页 |
| 5.1 引言 | 第74页 |
| 5.2 材料与方法 | 第74-75页 |
| 5.2.1 实验材料 | 第74-75页 |
| 5.2.2 方法 | 第75页 |
| 5.3 花椒新陈度SRC鉴别模型的建立和验证 | 第75-81页 |
| 5.3.1 稀疏表示分类理论及方法 | 第75-78页 |
| 5.3.2 光谱预处理及光谱降维 | 第78-79页 |
| 5.3.3 模型的建立和验证 | 第79-81页 |
| 5.4 花椒新陈度DPLS鉴别模型的建立和验证 | 第81-83页 |
| 5.4.1 DPLS模型的建立 | 第81-82页 |
| 5.4.2 DPLS模型的验证 | 第82-83页 |
| 5.5 花椒新陈度SVM鉴别模型的建立和验证 | 第83-87页 |
| 5.5.1 网格搜索参数寻优结果 | 第83-85页 |
| 5.5.2 GA搜索参数寻优结果 | 第85-86页 |
| 5.5.3 PSO搜索参数寻优结果 | 第86-87页 |
| 5.6 花椒新陈度RBF-NN鉴别模型的建立和验证 | 第87-88页 |
| 5.7 不同建模方法的判别效果比较 | 第88页 |
| 5.8 小结 | 第88-90页 |
| 第6章 花椒粉掺假近红外光谱鉴别研究 | 第90-98页 |
| 6.1 引言 | 第90页 |
| 6.2 材料与方法 | 第90-91页 |
| 6.2.1 实验材料 | 第90页 |
| 6.2.2 方法 | 第90-91页 |
| 6.3 主成分分析及波长选择 | 第91-93页 |
| 6.4 掺假花椒粉定性鉴别模型的建立和验证 | 第93-94页 |
| 6.4.1 掺假花椒粉DPLS鉴别模型的建立和验证 | 第93页 |
| 6.4.2 掺假花椒粉SVM鉴别模型的建立和验证 | 第93-94页 |
| 6.5 掺假花椒粉定量分析模型的建立和验证 | 第94-97页 |
| 6.6 小结 | 第97-98页 |
| 第7章 结论与展望 | 第98-100页 |
| 7.1 结论 | 第98-99页 |
| 7.2 论文的创新点 | 第99页 |
| 7.3 展望 | 第99-100页 |
| 参考文献 | 第100-112页 |
| 缩略词表 | 第112-114页 |
| 致谢 | 第114-116页 |
| 在校期间科研成果 | 第116页 |
