| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 符号与縮略词表 | 第7-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-24页 |
| ·课题的研究背景和意义 | 第10-12页 |
| ·课题的研究背景 | 第10-11页 |
| ·国内外研究进展 | 第11-12页 |
| ·近红外光谱的应用概况 | 第12-14页 |
| ·近红外光谱技术的基本原理、特点 | 第12-13页 |
| ·近红外光谱在饲料工业中的应用概况 | 第13-14页 |
| ·NIRS在奶牛饲料品质控制中的应用概况 | 第14页 |
| ·化学计量学在近红外光谱分析中的应用 | 第14-22页 |
| ·校正集样本的划分方法 | 第15-16页 |
| ·光谱数据预处理方法 | 第16-18页 |
| ·光谱变量区间的筛选 | 第18-19页 |
| ·定量多元校正算法 | 第19-21页 |
| ·模式识别(定性)方法 | 第21-22页 |
| ·校正模型的评价参数 | 第22页 |
| ·论文研究内容 | 第22-24页 |
| 第二章 近红外光谱定性检测奶牛饲料中氨基树脂的研究 | 第24-40页 |
| ·引言 | 第24页 |
| ·材料与方法 | 第24-26页 |
| ·样品的收集与制备 | 第24页 |
| ·样品近红外光谱的采集 | 第24-25页 |
| ·建立近红外模型的方法 | 第25-26页 |
| ·结果与分析 | 第26-38页 |
| ·分析饲料颗粒度对所建模型的影响 | 第26-27页 |
| ·光谱数据的预处理及PLS-LDA模型建立 | 第27-32页 |
| ·样品近红外光谱的主成分分析 | 第32-33页 |
| ·BP神经网络判别分析模型的建立和验证 | 第33-35页 |
| ·SVM定性分析模型的建立和验证 | 第35-38页 |
| ·结论 | 第38-40页 |
| 第三章 NIRS定量检测奶牛饲料中氨基树脂的研究 | 第40-49页 |
| ·引言 | 第40页 |
| ·材料与方法 | 第40-41页 |
| ·样品的来源 | 第40页 |
| ·样品光谱的采集方法 | 第40-41页 |
| ·光谱处理方法与原理 | 第41页 |
| ·结果与分析 | 第41-47页 |
| ·PCA对光谱数据的处理结果 | 第42-43页 |
| ·数据的处理和PLS定量模型的建立 | 第43-44页 |
| ·GRNN模型的建立 | 第44-46页 |
| ·SVM分析模型的建立 | 第46-47页 |
| ·结论 | 第47-49页 |
| 第四章 奶牛饲料中土霉素及其盐酸盐的掺假识别研究 | 第49-63页 |
| ·引言 | 第49页 |
| ·材料与方法 | 第49-50页 |
| ·样品的制备 | 第49页 |
| ·样品近红外光谱的采集 | 第49页 |
| ·光谱数据预处理方法 | 第49-50页 |
| ·结果与讨论 | 第50-61页 |
| ·PCA法处理光谱数据 | 第50-51页 |
| ·CARS法选择变量 | 第51-53页 |
| ·PLS-LDA判别模型的建立及优化 | 第53页 |
| ·SVM模型的建立及优化 | 第53-61页 |
| ·结论 | 第61-63页 |
| 第五章 结论 | 第63-65页 |
| ·总结 | 第63-64页 |
| ·存在的问题和不足 | 第64-65页 |
| 参考文献 | 第65-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间主要的研究成果 | 第73页 |