| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 课题研究的产业背景及意义 | 第12-13页 |
| 1.1.1 课题研究的产业背景 | 第12页 |
| 1.1.2 课题研究意义 | 第12-13页 |
| 1.2 近红外光谱检测技术及其研究进展 | 第13-18页 |
| 1.2.1 近红外光谱分析技术在果蔬品质(果汁)方面的研究进展 | 第13-16页 |
| 1.2.2 近红外光谱分析技术在食用油品质检测的研究进展 | 第16-18页 |
| 1.3 研究目的及研究内容 | 第18-21页 |
| 1.3.1 研究目的 | 第18-19页 |
| 1.3.2 研究内容 | 第19页 |
| 1.3.3 技术路线 | 第19-21页 |
| 第2章 近红外光谱检测技术 | 第21-39页 |
| 2.1 基本原理 | 第21-23页 |
| 2.2 近红外光谱检测技术特点 | 第23-24页 |
| 2.3 近红外光谱定量分析的流程及步骤 | 第24-25页 |
| 2.4 光谱具体测量方式与光程的选择 | 第25页 |
| 2.5 建模样品的挑选 | 第25-26页 |
| 2.6 异常样品的判别 | 第26-28页 |
| 2.6.1 常用的异常样本判别方法 | 第26-27页 |
| 2.6.2 剔除异常样品的算法 | 第27-28页 |
| 2.7 近红外光谱数据的预处理方法 | 第28-29页 |
| 2.8 近红外光谱数据处理及建模方法 | 第29-34页 |
| 2.8.1 常用建模方法 | 第30-33页 |
| 2.8.2 模型的验证与评价 | 第33-34页 |
| 2.9 光纤传感技术在近红外光谱分析中的应用 | 第34-37页 |
| 2.9.1 光纤结构及原理 | 第35-36页 |
| 2.9.2 光纤附件 | 第36-37页 |
| 2.10 近红外光谱仪的选择 | 第37-39页 |
| 第3章 近红外光谱技术快速检测番茄营养成分含量的研究 | 第39-78页 |
| 3.1 近红外光谱技术快速检测番茄营养成分的可行性分析 | 第39-40页 |
| 3.2 实验样本的准备 | 第40页 |
| 3.3 指标测定 | 第40-45页 |
| 3.3.1 总酸含量测定 | 第40-41页 |
| 3.3.2 可溶性糖含量测定 | 第41-42页 |
| 3.3.3 蛋白质含量测定 | 第42-44页 |
| 3.3.4 维生素C含量测定 | 第44-45页 |
| 3.4 建模样品的挑选 | 第45页 |
| 3.5 番茄近红外光谱响应特性的影响研究 | 第45-49页 |
| 3.5.1 番茄近红外光谱响应特性的影响因素 | 第45-46页 |
| 3.5.2 积分时间对番茄近红外光谱响应特性的影响 | 第46-47页 |
| 3.5.3 平均次数对番茄近红外光谱响应特性的影响 | 第47-48页 |
| 3.5.4 平滑度对番茄近红外光谱响应特性的影响 | 第48-49页 |
| 3.6 近红外光谱采集 | 第49-50页 |
| 3.7 番茄异常样本的判别和剔除结果 | 第50-60页 |
| 3.7.1 番茄样本营养成分浓度异常值判别结果 | 第50-55页 |
| 3.7.2 马氏距离的异常光谱判别 | 第55-56页 |
| 3.7.3 基于样品杠杆值和学生化残差的异常样品判别 | 第56-60页 |
| 3.8 近红外光谱数据的预处理方法 | 第60-61页 |
| 3.9 番茄总酸含量数学模型建立与优化 | 第61-65页 |
| 3.9.1 实验样本的基本情况 | 第61页 |
| 3.9.2 校正样本与验证样本的挑选 | 第61页 |
| 3.9.3 番茄总酸含量的线性数学模型建立与精度验证 | 第61-65页 |
| 3.10 番茄可溶性糖近红外光谱分析 | 第65-69页 |
| 3.10.1 实验样本的基本情况 | 第65页 |
| 3.10.2 校正样本与验证样本的挑选 | 第65页 |
| 3.10.3 番茄可溶性糖含量的线性数学模型建立与精度验证 | 第65-69页 |
| 3.11 番茄维生素C含量线性数学模型建立与优化 | 第69-73页 |
| 3.11.1 实验样本的基本情况 | 第69页 |
| 3.11.2 校正样本与验证样本的挑选 | 第69页 |
| 3.11.3 番茄维生素C含量的线性数学模型建立与精度验证 | 第69-73页 |
| 3.12 番茄蛋白质含量线性数学模型建立与优化 | 第73-77页 |
| 3.12.1 实验样本的基本情况 | 第73页 |
| 3.12.2 校正样本与验证样本的挑选 | 第73页 |
| 3.12.3 番茄蛋白质含量的线性数学模型建立与精度验证 | 第73-77页 |
| 3.13 本章小结 | 第77-78页 |
| 第4章 煎炸老油与合格食用植物油快速鉴别方法研究 | 第78-108页 |
| 4.1 引言 | 第78页 |
| 4.2 近红外光谱技术快速检测油脂的可行性分析 | 第78-79页 |
| 4.3 大豆油样本近红外光谱响应特性的影响研究 | 第79-89页 |
| 4.3.1 大豆油样本近红外光谱响应特性的影响因素 | 第79-81页 |
| 4.3.2 温度对大豆油近红外光谱响应特性的影响 | 第81-86页 |
| 4.3.3 积分时间对大豆油近红外光谱响应特性的影响 | 第86-87页 |
| 4.3.4 平均次数对大豆油近红外光谱响应特性的影响 | 第87-88页 |
| 4.3.5 平滑度对大豆油近红外光谱响应特性的影响 | 第88-89页 |
| 4.4 近红外光谱数据采集 | 第89-90页 |
| 4.5 异常样本的判别 | 第90-94页 |
| 4.5.1 煎炸老油与食用油体积比异常值判别结果 | 第90-91页 |
| 4.5.2 马氏距离的异常光谱判别 | 第91-92页 |
| 4.5.3 基于样本杠杆值和学生化残差的异常样本判别 | 第92-94页 |
| 4.6 样本基本情况及其样本划分 | 第94-95页 |
| 4.6.1 实验样本的基本情况 | 第94页 |
| 4.6.2 校正样本与验证样本的挑选 | 第94-95页 |
| 4.7 近红外光谱数据的预处理方法 | 第95页 |
| 4.8 煎炸老油含量的数学模型建立与精度验证 | 第95-105页 |
| 4.8.1 煎炸老油含量的线性数学模型建立与精度验证 | 第95-101页 |
| 4.8.2 煎炸老油含量的非线性数学模型建立与精度验证 | 第101-105页 |
| 4.9 煎炸老油与食用大豆油的定性分析 | 第105-107页 |
| 4.9.1 主成分分析法对煎炸老油与食用大豆油的鉴别 | 第105-106页 |
| 4.9.2 系统聚类分析对煎炸老油与食用大豆油的鉴别 | 第106-107页 |
| 4.10 本章小结 | 第107-108页 |
| 第5章 勾兑与发酵苹果醋快速鉴别方法研究 | 第108-124页 |
| 5.1 引言 | 第108页 |
| 5.2 实验样本的准备 | 第108-109页 |
| 5.3 苹果醋样本近红外光谱响应特性的影响研究 | 第109-118页 |
| 5.3.1 苹果醋样本近红外光谱响应特性的影响因素 | 第109-110页 |
| 5.3.2 温度对苹果醋样品近红外光谱响应特性的影响 | 第110-115页 |
| 5.3.3 积分时间对苹果醋样品近红外光谱响应特性的影响 | 第115-116页 |
| 5.3.4 平均次数对苹果醋近红外光谱响应特性的影响 | 第116-117页 |
| 5.3.5 平滑度对苹果醋近红外光谱响应特性的影响 | 第117-118页 |
| 5.4 近红外光谱数据采集 | 第118-119页 |
| 5.5 异常样品的判别 | 第119-120页 |
| 5.5.1 马氏距离的异常光谱判别 | 第119-120页 |
| 5.5.2 杠杆值的异常光谱判别 | 第120页 |
| 5.6 主成分分析法对勾兑果醋的鉴别研究 | 第120-123页 |
| 5.7 本章小结 | 第123-124页 |
| 结论 | 第124-125页 |
| 参考文献 | 第125-136页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第136-137页 |
| 致谢 | 第137-138页 |
| 个人简历 | 第138页 |
