基于近红外光谱法快速检测毛涤混纺织物中的纤维含量
摘要 | 第1-5页 |
Abstract | 第5-10页 |
1 绪论 | 第10-18页 |
·近红外光谱分析技术概论 | 第10-11页 |
·近红外光谱简介 | 第10页 |
·近红外光谱分析技术简介 | 第10-11页 |
·近红外光谱分析技术的特点 | 第11页 |
·近红外光谱的基本原理 | 第11-12页 |
·近红外光谱的光谱学原理 | 第11-12页 |
·近红外光谱的测量原理 | 第12页 |
·近红外光谱分析技术的发展及研究现状 | 第12-15页 |
·近红外光谱分析技术的发展 | 第12-14页 |
·我国近红外光谱分析技术的研究现状 | 第14-15页 |
·本课题研究的内容、目的及意义 | 第15-18页 |
·本课题探究的内容 | 第15页 |
·本课题探究的目的 | 第15-16页 |
·本课题探究的意义 | 第16-18页 |
2 近红外光谱分析技术 | 第18-34页 |
·近红外光谱分析的理论基础 | 第18-21页 |
·近红外光谱分析的物理基础 | 第18-19页 |
·近红外光谱分析的化学基础 | 第19-20页 |
·近红外光谱分析的数学基础 | 第20-21页 |
·近红外光谱仪器 | 第21-27页 |
·近红外光谱仪器的基本组成与结构 | 第21-24页 |
·近红外光谱仪器的主要类型 | 第24-26页 |
·近红外光谱仪器的主要性能指标 | 第26-27页 |
·近红外光谱的定量、定性分析 | 第27-28页 |
·近红外光谱的定量分析 | 第27-28页 |
·近红外光谱的定性分析 | 第28页 |
·定量模型的多元校正方法 | 第28-32页 |
·多元线性回归 | 第28-29页 |
·主成分回归 | 第29-30页 |
·偏最小二乘法 | 第30-31页 |
·人工神经网络 | 第31-32页 |
·模型评价 | 第32页 |
·本章小结 | 第32-34页 |
3 近红外光谱毛、涤纤维测试条件分析 | 第34-42页 |
·实验方案的设计 | 第34页 |
·样品的收集 | 第34页 |
·近红外光谱仪器精密性、准确性检验 | 第34-36页 |
·光谱仪器的精密性检验 | 第34-36页 |
·光谱仪器的准确性检验 | 第36页 |
·仪器状态、扫描参数的设定 | 第36-37页 |
·光谱扫描次数的选取 | 第36-37页 |
·仪器分辨率的设定 | 第37页 |
·采集条件、校正样本对分析的影响 | 第37-41页 |
·环境温度对分析的影响 | 第37-38页 |
·环境湿度对分析的影响 | 第38-39页 |
·样品细度对分析的影响 | 第39-40页 |
·样品颜色对分析的影响 | 第40-41页 |
·本章小结 | 第41-42页 |
4 光谱采集与数据预处理 | 第42-50页 |
·近红外光谱分析仪的分析过程和原理 | 第42页 |
·近红外光谱分析仪的仪器特点 | 第42-43页 |
·近红外光谱数据的采集 | 第43-44页 |
·实验方法与过程 | 第43页 |
·光谱数据整理 | 第43-44页 |
·光谱数据预处理 | 第44-49页 |
·均值中心化 | 第45-46页 |
·标准化 | 第46-47页 |
·平滑去噪算法 | 第47页 |
·导数 | 第47-48页 |
·信号校正 | 第48-49页 |
·本章小结 | 第49-50页 |
5 近红外光谱法纤维成分定量分析 | 第50-62页 |
·近红外光谱分析的数学模型 | 第50页 |
·运用定量分析软件建立光谱分析模型 | 第50-52页 |
·样品集编辑 | 第51页 |
·建立校正模型 | 第51页 |
·模型验证 | 第51-52页 |
·未知样品预测 | 第52页 |
·模型结果分析 | 第52-58页 |
·主成分回归模型(PCR) | 第52-54页 |
·多元线性回归模型(MLR) | 第54-55页 |
·偏最小二乘法回归分析模型(PLS) | 第55-56页 |
·神经网络分析模型(ANN) | 第56-58页 |
·模型预测 | 第58-59页 |
·模型结果对比 | 第58页 |
·对未知样品的预测 | 第58-59页 |
·误差分析 | 第59-60页 |
·本章小结 | 第60-62页 |
6 结论 | 第62-64页 |
·主要结论 | 第62-63页 |
·不足与展望 | 第63-64页 |
参考文献 | 第64-70页 |
作者攻读学位期间发表论文清单 | 第70-72页 |
致谢 | 第72页 |