基于NIRS的油品煎炸次数检测方法研究
| 中文摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 煎炸油品质检测的国内外研究现状 | 第10-11页 |
| 1.3 近红外光谱技术在食用油品质检测中的应用 | 第11-12页 |
| 1.4 主要研究内容 | 第12-13页 |
| 第2章 近红外光谱技术概论 | 第13-18页 |
| 2.1 近红外光谱分析技术的原理 | 第13-14页 |
| 2.1.1 分子振动类型 | 第13页 |
| 2.1.2 近红外吸收光谱 | 第13-14页 |
| 2.2 近红外光谱仪器 | 第14-15页 |
| 2.3 近红外光谱技术中的化学计量学算法 | 第15-17页 |
| 2.3.1 样本集合的划分 | 第15页 |
| 2.3.2 预处理方法 | 第15-16页 |
| 2.3.3 特征变量的提取 | 第16页 |
| 2.3.4 定量预测方法 | 第16-17页 |
| 2.3.5 定性判别方法 | 第17页 |
| 2.4 本章小结 | 第17-18页 |
| 第3章 样本的制备与数据处理方法的选择 | 第18-29页 |
| 3.1 实验材料与仪器设备 | 第18-19页 |
| 3.2 样本制备与光谱数据采集 | 第19-20页 |
| 3.2.1 煎炸实验 | 第19页 |
| 3.2.2 光谱数据采集 | 第19-20页 |
| 3.3 光谱数据预处理与集合划分 | 第20-22页 |
| 3.3.1 导数处理 | 第20-21页 |
| 3.3.2 标准正态变量变换 | 第21页 |
| 3.3.3 数据标准化 | 第21页 |
| 3.3.4 SPXY算法 | 第21-22页 |
| 3.4 特征波点的提取 | 第22-23页 |
| 3.4.1 相关系数法 | 第22页 |
| 3.4.2 连续投影算法 | 第22-23页 |
| 3.5 建模方法与模型评价指标 | 第23-28页 |
| 3.5.1 支持向量机 | 第23-25页 |
| 3.5.2 偏最小二乘回归算法 | 第25页 |
| 3.5.3 径向基函数神经网络算法 | 第25-27页 |
| 3.5.4 模型的评价指标 | 第27-28页 |
| 3.6 本章小结 | 第28-29页 |
| 第4章 光谱数据预处理与特征波点提取 | 第29-38页 |
| 4.1 原始光谱分析与预处理 | 第29-33页 |
| 4.2 特征波点的提取 | 第33-36页 |
| 4.2.1 相关系数法提取特征波点 | 第33-34页 |
| 4.2.2 连续投影算法提取特征波点 | 第34-36页 |
| 4.3 本章小结 | 第36-38页 |
| 第5章 油品煎炸次数检测模型的建立 | 第38-45页 |
| 5.1 基于SVM的油品煎炸次数检测模型 | 第38-41页 |
| 5.1.1 SVM模型参数的选择 | 第38页 |
| 5.1.2 全波段光谱数据建模与模型性能分析 | 第38-39页 |
| 5.1.3 提取特征波点优化模型性能 | 第39-41页 |
| 5.2 基于PLSR的油品煎炸次数检测模型 | 第41-42页 |
| 5.3 基于RBF神经网络的油品煎炸次数检测模型 | 第42-43页 |
| 5.4 PLSR和RBF神经网络模型性能的比较 | 第43-44页 |
| 5.5 本章小结 | 第44-45页 |
| 结论 | 第45-47页 |
| 参考文献 | 第47-53页 |
| 致谢 | 第53-54页 |
| 攻读学位期间发表的论文 | 第54页 |
