近红外光谱分析技术快速检测液态乳制品品质的研究
| 提要 | 第1-8页 |
| 第一章 绪论 | 第8-18页 |
| ·液态乳制品的组成及分类 | 第9-10页 |
| ·液态乳的组成 | 第9页 |
| ·液态乳的分类 | 第9-10页 |
| ·液态乳制品现有检测方法和应用现状 | 第10-12页 |
| ·蛋白质的常用测定方法 | 第10-11页 |
| ·脂肪常用测定方法 | 第11-12页 |
| ·常规检测方法的应用现状 | 第12页 |
| ·近红外光谱分析技术简介 | 第12-16页 |
| ·近红外光谱分析技术概述 | 第12-13页 |
| ·近红外光谱分析技术的特点 | 第13-14页 |
| ·近红外光谱分析技术的发展历程 | 第14-15页 |
| ·近红外光谱分析技术在各领域的应用现状 | 第15-16页 |
| ·本课题的目的、内容及意义 | 第16-18页 |
| ·研究的目的及意义 | 第16-17页 |
| ·研究的主要内容 | 第17-18页 |
| 第二章 近红外光谱分析的基本原理 | 第18-25页 |
| ·分子与光谱 | 第18-19页 |
| ·基于朗伯－比尔定律的近红外光谱定量分析 | 第19-20页 |
| ·近红外光谱分析技术 | 第20-25页 |
| ·近红外光谱定量分析的一般步骤 | 第20-21页 |
| ·常用化学计量学方法在近红外光谱分析中的应用 | 第21-25页 |
| 第三章 试验方法与试验过程 | 第25-36页 |
| ·试验材料 | 第25页 |
| ·化学方法测定液态乳制品主要指标 | 第25-31页 |
| ·蛋白质的化学检测方法 | 第25-28页 |
| ·脂肪的化学检测方法 | 第28-30页 |
| ·试验结果 | 第30-31页 |
| ·近红外光谱的采集及试验参数的选择 | 第31-34页 |
| ·仪器 | 第31-32页 |
| ·光谱区间的选择 | 第32页 |
| ·光谱能量的选择 | 第32-33页 |
| ·采样分辨率的选择 | 第33页 |
| ·采样次数的选择 | 第33页 |
| ·光程长度（比色皿厚度）的选择 | 第33-34页 |
| ·样品光谱的采集 | 第34-36页 |
| 第四章 数学模型的建立 | 第36-48页 |
| ·近红外光谱的预处理 | 第36-41页 |
| ·模型评价指标 | 第41-42页 |
| ·全波段定量模型的建立及预测 | 第42-48页 |
| ·数据的样品集划分 | 第42-43页 |
| ·主成分数的选择 | 第43-45页 |
| ·蛋白质模型的建立 | 第45-46页 |
| ·脂肪模型的建立 | 第46-48页 |
| 第五章 模型的优化与对比 | 第48-68页 |
| ·波长优选对近红外光模型的优化 | 第48-52页 |
| ·波长优选对蛋白质模型的优化 | 第49-50页 |
| ·波长优选对脂肪模型的优化 | 第50-52页 |
| ·剔除异常值对近红外光模型的优化 | 第52-58页 |
| ·奇异样品的检测 | 第52页 |
| ·聚类分析法剔除异常样品 | 第52-56页 |
| ·剔除异常值对蛋白质模型的优化 | 第56-57页 |
| ·剔除异常值对脂肪模型的优化 | 第57-58页 |
| ·最终PLS 模型的建立 | 第58-60页 |
| ·人工神经网络在蛋白质和脂肪模型建立中的应用 | 第60-67页 |
| ·人工神经网络法 | 第60-62页 |
| ·蛋白质PLS+ANN 模型的建立 | 第62-64页 |
| ·脂肪PLS+ANN 模型的建立 | 第64-67页 |
| ·两种方法建模效果的对比及结果分析 | 第67-68页 |
| 第六章 结论与展望 | 第68-70页 |
| ·主要结论和创新点 | 第68-69页 |
| ·本研究的展望 | 第69-70页 |
| 参考文献 | 第70-77页 |
| 附录 | 第77-87页 |
| 摘要 | 第87-88页 |
| ABSTRACT | 第88-90页 |
| 致谢 | 第90页 |
