| 摘要 | 第7-9页 |
| Abstract | 第9-11页 |
| 缩略语表 | 第12-13页 |
| 1 绪论 | 第13-21页 |
| 1.1 课题来源 | 第13页 |
| 1.2 研究目的与意义 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-18页 |
| 1.3.1 近红外技术应用于农产品掺假检测的研究现状 | 第14-15页 |
| 1.3.2 生物散斑技术应用于农产品检测的研究现状 | 第15-17页 |
| 1.3.3 多源信息融合技术用于农产品检测的研究现状 | 第17-18页 |
| 1.4 对已有研究的思考和分析 | 第18页 |
| 1.5 研究内容 | 第18-19页 |
| 1.6 技术路线 | 第19-20页 |
| 1.7 本章小结 | 第20-21页 |
| 2 材料与方法 | 第21-31页 |
| 2.1 光学仪器 | 第21页 |
| 2.1.1 近红外光谱仪 | 第21页 |
| 2.1.2 生物散斑图像采集系统 | 第21页 |
| 2.2 样本制备 | 第21-22页 |
| 2.3 数据分析方法 | 第22-30页 |
| 2.3.1 样本集划分方法 | 第22页 |
| 2.3.2 基于人工鱼群算法的特征提取方法 | 第22-26页 |
| 2.3.3 预测模型的建立方法 | 第26-28页 |
| 2.3.4 模型参数优化 | 第28-29页 |
| 2.3.5 模型评判标准 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 基于近红外光谱的牛肉掺假检测模型 | 第31-39页 |
| 3.1 概述 | 第31页 |
| 3.2 材料与方法 | 第31-35页 |
| 3.2.1 样本制备 | 第31页 |
| 3.2.2 近红外光谱数据采集 | 第31-32页 |
| 3.2.3 基于近红外光谱牛肉掺假模型的建立方法 | 第32-35页 |
| 3.3 结果与分析 | 第35-38页 |
| 3.3.1 牛肉样本的近红外光谱 | 第35页 |
| 3.3.2 牛肉掺假检测模型 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 4 基于生物散斑的牛肉掺假检测模型 | 第39-51页 |
| 4.1 概述 | 第39页 |
| 4.2 材料与方法 | 第39-42页 |
| 4.2.1 样本制备 | 第39页 |
| 4.2.2 生物散斑图像数据采集 | 第39页 |
| 4.2.3 生物散斑图像处理方法 | 第39-42页 |
| 4.3 结果与分析 | 第42-50页 |
| 4.3.1 牛肉样本的原始生物散斑图像 | 第42-43页 |
| 4.3.2 惯性矩谱的分析 | 第43-44页 |
| 4.3.3 主成分分析 | 第44-46页 |
| 4.3.4 牛肉掺假检测模型的建立与验证 | 第46-49页 |
| 4.3.5 牛肉掺假检测简化模型的建立与验证 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 5 基于近红外光谱和生物散斑融合的牛肉掺假检测模型 | 第51-57页 |
| 5.1 概述 | 第51页 |
| 5.2 材料与方法 | 第51-53页 |
| 5.2.1 试验材料 | 第51页 |
| 5.2.2 试验数据采集 | 第51页 |
| 5.2.3 基于多源信息融合牛肉掺假检测模型的建立 | 第51-53页 |
| 5.3 结果与分析 | 第53-56页 |
| 5.3.1 基于特征层融合的牛肉掺假检测模型 | 第53-55页 |
| 5.3.2 基于决策层融合的牛肉掺假检测模型 | 第55-56页 |
| 5.4 本章小结 | 第56-57页 |
| 6 结论与展望 | 第57-60页 |
| 6.1 主要结论 | 第57-58页 |
| 6.2 创新之处 | 第58-59页 |
| 6.3 展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 攻读学位期间的主要研究成果 | 第66-67页 |
| 致谢 | 第67页 |
