首页--农业科学论文--农作物论文--禾谷类作物论文--稻论文

稻谷品种和品质的光谱快速无损检测研究

目录第1-10页
摘要第10-12页
Abstract第12-15页
第一章 绪论第15-25页
   ·前言第15-16页
   ·稻谷检测国内外研究现状第16-17页
   ·红外光谱技术的原理、特点及应用现状第17-23页
     ·红外光谱技术的原理第17-18页
     ·红外光谱技术的特点第18-20页
     ·红外光谱技术的应用现状第20-23页
   ·稻谷光谱检测的可行性第23-24页
   ·本文的研究内容第24-25页
第二章 试验材料与研究方法第25-43页
   ·前言第25页
   ·试验仪器设备第25-30页
     ·便携式可见-近红外光谱仪第25-27页
     ·FT/IR—4000傅立叶红外光谱仪第27页
     ·FOSS NIRSYSTEM 5000近红外光谱分析仪第27-28页
     ·Sartorius BS224S电子分析天平第28-29页
     ·奥力AK-400A小型万能粉碎机第29-30页
   ·试验材料及方法第30-42页
     ·稻谷样品的选用第30页
     ·稻谷品种、年份鉴别和辐照剂量及品质检测第30-31页
       ·稻谷品种的鉴别第30页
       ·稻谷中蛋白质含量的化学测定第30-31页
       ·稻谷中直链淀粉含量的化学测定第31页
       ·稻谷不同年份的鉴别第31页
       ·辐照稻谷的辐照剂量及内部品质检测第31页
     ·光谱检测分析方法第31-42页
       ·光谱数据预处理方法第31-34页
       ·光谱数据分析中的化学计量学方法第34-40页
       ·模型评价标准第40-42页
   ·小结第42-43页
第三章 基于可见/近红外光谱技术的水稻品种鉴别第43-52页
   ·前言第43-45页
   ·材料与方法第45-47页
     ·仪器设备第45页
     ·样品来源及光谱的获取第45-46页
     ·光谱数据预处理第46页
     ·化学计量学方法第46-47页
   ·试验结果与分析第47-50页
     ·稻谷样本的可见/近红外光谱特征第47-48页
     ·光谱数据的小波降噪第48页
     ·主成分分析对不同品种稻谷进行定性分析第48-49页
     ·应用BP神经网络建立水稻品种鉴别模型第49-50页
   ·小结第50-52页
第四章 基于近红外光谱技术的不同年份稻谷的鉴别与分析第52-59页
   ·前言第52页
   ·材料和方法第52-54页
     ·仪器设备第53页
     ·样品制备及光谱的扫描第53页
     ·光谱数据预处理第53-54页
     ·化学计量学方法第54页
   ·试验结果与分析第54-58页
     ·不同年份稻谷的可见/近红外光谱图分析第54-55页
     ·BP神经网络模型建立第55-58页
     ·晚粳谷主要成分对应的敏感波段第58页
   ·小结第58-59页
第五章 辐照稻谷的辐照剂量及内部品质检测第59-74页
   ·前言第59-62页
   ·样本预处理和光谱测定第62页
     ·样本预处理第62页
     ·光谱数据的采集第62页
   ·试验结果与分析第62-72页
     ·近红外及中红外光谱分析第63-64页
     ·谷物辐照剂量的检测第64-68页
       ·偏最小二乘(PLS)模型第64-65页
       ·最小二乘支持向量机(LS-SVM)模型第65-68页
     ·辐照谷物的直链淀粉含量检测第68-71页
       ·偏最小二乘(PLS)模型第68-70页
       ·最小二乘支持向量机(LS-SVM)模型第70-71页
     ·辐照谷物的蛋白质含量检测第71-72页
       ·偏最小二乘(PLS)模型第71页
       ·最小二乘支持向量机(LS-SVM)模型第71-72页
   ·小结第72-74页
第六章 结论与展望第74-77页
   ·结论第74-75页
   ·展望第75-77页
参考文献第77-84页
附录第84-93页
 附录一第84-88页
 附录二第88-93页
致谢第93-94页
个人简介第94页

论文共94页,点击 下载论文
上一篇:不同生长期柚果中功能性成分的分析研究
下一篇:转Bt基因水稻的抗虫性及其农艺性状的评价