首页--工业技术论文--轻工业、手工业论文--食品工业论文--乳品加工工业论文--产品标准与检验论文

电子鼻对羊奶中的蛋白质掺假及多组分混合掺假的识别研究

摘要第5-7页
Abstract第7-8页
第一章 文献综述第11-23页
    1.1 羊奶的营养价值第11页
    1.2 乳制品的掺假现状第11-12页
    1.3 电子鼻技术第12-16页
        1.3.1 电子鼻简介第12页
        1.3.2 电子鼻的工作过程第12-13页
        1.3.3 电子鼻的广泛应用第13-15页
        1.3.4 常用的数据处理方法第15-16页
            1.3.4.1 主成分分析第15页
            1.3.4.2 判别分析第15页
            1.3.4.3 线性回归拟合分析第15页
            1.3.4.4 K-最邻近值分析第15页
            1.3.4.5 多层感知器神经网络第15-16页
    1.4 国内外对乳品掺假的研究概况第16-19页
        1.4.1 电子鼻技术在鲜乳及其乳制品掺假检测中的应用第16页
        1.4.2 其它检测方法在鲜乳及其乳制品掺假检测中的应用第16-19页
            1.4.2.1 光谱技术第17页
            1.4.2.2 液相色谱法第17-18页
            1.4.2.3 气相色谱法第18页
            1.4.2.4 电泳法第18页
            1.4.2.5 PCR技术第18页
            1.4.2.6 免疫法第18-19页
            1.4.2.7 指纹图谱法第19页
    1.5 本研究的目的、内容及技术路线第19-23页
        1.5.1 研究目的第19页
        1.5.2 研究内容第19-21页
            1.5.2.1 制备不同浓度的掺假样品第19-20页
            1.5.2.2 用电子鼻进行检测第20页
            1.5.2.3 数据分析第20-21页
        1.5.3 技术路线图第21-23页
第二章 电子鼻对羊奶中的蛋白质掺假的识别第23-40页
    2.1 引言第23页
    2.2 材料与方法第23-26页
        2.2.1 材料第23页
        2.2.2 主要仪器与设备第23-24页
        2.2.3 羊奶复原乳样品的制备第24-25页
        2.2.4 电子鼻检测第25页
        2.2.5 数据分析第25-26页
    2.3 结果与分析第26-38页
        2.3.1 电子鼻对样品的响应第26页
        2.3.2 异常值的检测第26-27页
        2.3.3 电子鼻对各类蛋白质掺假羊奶的不同掺假浓度的鉴别第27-31页
            2.3.3.1 定性分析第27-28页
            2.3.3.2 定量分析第28-31页
        2.3.4 电子鼻结合多种化学计量法对原羊奶和掺假羊奶的鉴别第31-38页
            2.3.4.1 主成分分析(PCA)第31-32页
            2.3.4.2 线性判别分析(LDA)第32-33页
            2.3.4.3 线性回归分析第33-34页
            2.3.4.4 Fisher判别分析(FDA)第34-36页
            2.3.4.5 K-最邻近值分析(KNN)第36-38页
            2.3.4.6 多层感知器(MLP)第38页
    2.4 小结第38-40页
第三章 电子鼻对羊奶中的多组分混合掺假的识别第40-54页
    3.1 引言第40页
    3.2 材料与方法第40-41页
        3.2.1 材料第40页
        3.2.2 主要仪器与设备第40页
        3.2.3 羊奶复原乳样品的制备第40-41页
        3.2.4 电子鼻检测第41页
        3.2.5 数据分析第41页
    3.3 结果与分析第41-52页
        3.3.1 电子鼻对样品的响应第41-42页
        3.3.2 异常值的检测第42页
        3.3.3 主成分分析(PCA)第42-44页
        3.3.4 线性判别分析(LDA)第44-45页
        3.3.5 线性回归分析第45-47页
        3.3.6 Fisher判别分析(FDA)第47-49页
        3.3.7 K-最邻近值分析(KNN)第49-51页
        3.3.8 多层感知器(MLP)第51-52页
    3.4 小结第52-54页
第四章 结论、创新点与展望第54-56页
    4.1 主要结论第54-55页
    4.2 创新点第55页
    4.3 展望第55-56页
参考文献第56-61页
致谢第61-62页
作者简介第62页

论文共62页,点击 下载论文
上一篇:化工行业上市公司环境会计信息披露研究--以云煤能源为例
下一篇:社交网络中消失链接的可预测性研究