首页--数理科学和化学论文--化学论文--分析化学论文

紫外—可见光谱法快速检测牛奶菌群总数研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第10-16页
    1.1 课题背景及研究意义第10-11页
    1.2 国内外研究现状分析第11-14页
        1.2.1 细菌检测的研究现状第11-13页
        1.2.2 光谱数据分析技术的研究现状第13-14页
    1.3 研究内容与技术路线第14-16页
        1.3.1 研究内容第14-15页
        1.3.2 技术路线第15-16页
第2章 紫外-可见光谱技术及数据分析原理第16-27页
    2.1 紫外-可见光吸收光谱分析技术第16-19页
        2.1.1 物质对光的吸收第16页
        2.1.2 光的吸收定律第16-18页
        2.1.3 有机化合物的紫外-可见吸收光谱第18-19页
    2.2 偏最小二乘算法第19-22页
    2.3 人工神经网络第22-25页
        2.3.1 BP神经元模型第22-23页
        2.3.2 BP神经网络结构第23-24页
        2.3.3 BP神经网络的训练过程第24-25页
    2.4 模型评价参数第25-26页
    2.5 本章小结第26-27页
第3章 牛奶菌群总数检测实验研究第27-40页
    3.1 微生物实验测定牛奶菌群总数第27-31页
        3.1.1 平板计数法实验第27-30页
        3.1.2 菌落生长趋势第30-31页
    3.2 光谱数据采集实验设计第31-34页
        3.2.1 紫外-可见光光度计第31-32页
        3.2.2 牛奶菌群光谱信息的采集第32-34页
    3.3 牛奶样品的紫外-可见光谱第34-39页
        3.3.1 带菌牛奶的紫外可见光谱采集第34-36页
        3.3.2 细菌增长的特征波段第36-39页
    3.4 本章小结第39-40页
第4章 牛奶菌群光谱数据处理方法的研究第40-52页
    4.1 模型数据集的分配第40页
    4.2 光谱数据预处理第40-43页
        4.2.1 Savitzky-Golay平滑第41页
        4.2.2 多元散射校正第41-42页
        4.2.3 标准正态变量变换第42-43页
    4.3 定量校正方法的研究第43-51页
        4.3.1 偏最小二乘校正方法第43-46页
        4.3.2 BP人工神经网络第46-51页
    4.4 本章小结第51-52页
结论第52-53页
参考文献第53-58页
攻读硕士学位期间所发表的学术论文第58-59页
致谢第59页

论文共59页,点击 下载论文
上一篇:基于Fisher判别分析的间歇过程故障诊断研究
下一篇:机械制曲仿生压曲机构关键技术研究