| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 缩写列表 | 第10-13页 |
| 1. 文献综述 | 第13-36页 |
| 1.1 近红外光谱分析技术概述 | 第13-17页 |
| 1.1.1 近红外光谱分析的原理 | 第14-15页 |
| 1.1.2 近红外光谱分析的主要特点 | 第15-17页 |
| 1.2 近红外光谱技术的分析过程 | 第17-19页 |
| 1.3 近红外光谱技术中的化学计量学方法 | 第19-33页 |
| 1.3.1 近红外光谱的预处理 | 第20-24页 |
| 1.3.2 变量选择方法 | 第24-27页 |
| 1.3.3 近红外光谱回归校正方法 | 第27-32页 |
| 1.3.4 近红外光谱定标模型的评价参数 | 第32-33页 |
| 1.4 近红外光谱技术在棉籽品质分析中的应用 | 第33-34页 |
| 1.5 本研究的研究背景和研究内容介绍 | 第34-36页 |
| 2. 材料与方法 | 第36-39页 |
| 2.1 实验材料 | 第36页 |
| 2.2 近红外光谱采集与预处理 | 第36-37页 |
| 2.3 营养成分含量的化学分析 | 第37页 |
| 2.4 近红外校正模型的构建与验证 | 第37-39页 |
| 3. 结果与分析 | 第39-68页 |
| 3.1 棉籽营养成分的化学分析与光谱分析 | 第39-44页 |
| 3.1.1 棉籽中营养成分的化学分析 | 第39-40页 |
| 3.1.2 近红外光谱分析与预处理 | 第40-42页 |
| 3.1.3 选择校正集和预测集样品 | 第42-44页 |
| 3.2 蛋白质和油分含量近红外校正模型构建 | 第44-56页 |
| 3.2.1 全光谱PLS和LS-SVM校正模型构建 | 第44-48页 |
| 3.2.2 光谱变量的选择 | 第48-51页 |
| 3.2.3 基于变量选择的校正模型构建 | 第51-54页 |
| 3.2.4 模型的分析和解释 | 第54-56页 |
| 3.3 氨基酸含量近红外校正模型的构建 | 第56-68页 |
| 3.3.1 最优建模方式选择 | 第56-64页 |
| 3.3.2 氨基酸含量最优校正模型构建 | 第64-68页 |
| 4 结论与展望 | 第68-71页 |
| 4.1 主要研究结论 | 第68-70页 |
| 4.2 进一步研究展望 | 第70-71页 |
| 5 参考文献 | 第71-82页 |
| 作者简历 | 第82页 |