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 |