蜂蜜品质近红外光谱评价技术研究
摘要 | 第1-8页 |
Abstract | 第8-20页 |
第一章 文献综述 | 第20-31页 |
·蜂蜜概况 | 第20-22页 |
·蜂蜜品种及分布 | 第20页 |
·蜂蜜理化性质 | 第20-22页 |
·我国蜂蜜产业及其质量现状 | 第22-23页 |
·蜂蜜品质检测技术研究进展 | 第23-26页 |
·蜂蜜品种鉴别 | 第23-25页 |
·主要成分 | 第25页 |
·真伪鉴别 | 第25-26页 |
·近红外光谱技术在蜂蜜品质检测中的研究进展 | 第26-28页 |
·国外研究进展 | 第26-27页 |
·国内研究进展 | 第27-28页 |
·论文研究目的和意义 | 第28页 |
·研究内容和技术路线 | 第28-31页 |
第二章 蜂蜜品质近红外光谱响应特性影响因素研究 | 第31-46页 |
·引言 | 第31页 |
·蜂蜜近红外光谱采集条件和参数优化 | 第31-38页 |
·采集模式 | 第31-33页 |
·测试温度 | 第33页 |
·光程 | 第33-35页 |
·累积次数 | 第35页 |
·分辨率 | 第35-38页 |
·蜂蜜近红外光谱响应特性影响因素 | 第38-43页 |
·品种对近红外光谱响应特性影响 | 第38-40页 |
·温度对近红外光谱响应特性影响 | 第40-42页 |
·产地对近红外光谱响应特性影响 | 第42-43页 |
·模型评价指标 | 第43-44页 |
·本章小结 | 第44-46页 |
第三章 近红外光谱技术定性鉴别蜂蜜品种 | 第46-62页 |
·引言 | 第46页 |
·实验材料与方法 | 第46-51页 |
·实验材料 | 第46-47页 |
·光谱采集及预处理 | 第47-50页 |
·判别方法 | 第50-51页 |
·判别模型建立 | 第51-60页 |
·判别分析模型 | 第51-54页 |
·判别偏最小二乘模型 | 第54-56页 |
·人工神经网络判别模型 | 第56-60页 |
·判别模型识别率比较 | 第60页 |
·本章小结 | 第60-62页 |
第四章 混合品种蜂蜜组分的近红外光谱无损检测 | 第62-87页 |
·引言 | 第62页 |
·实验材料与方法 | 第62-68页 |
·实验材料与仪器 | 第62页 |
·光谱采集 | 第62-63页 |
·化学值测定 | 第63-68页 |
·建模方法及模型评价 | 第68页 |
·样本统计结果 | 第68-69页 |
·光谱分析及预处理 | 第69-72页 |
·蜂蜜组分定量预测模型 | 第72-76页 |
·偏最小二乘法定量回归模型 | 第72-75页 |
·多元线性回归模型 | 第75-76页 |
·还原糖、葡萄糖和果糖PLS 模型变量优化 | 第76-80页 |
·反向区间偏最小二乘法模型 | 第76-78页 |
·协同偏最小二乘法模型 | 第78-80页 |
·还原糖、葡萄糖和果糖人工神经网络模型 | 第80-86页 |
·ANN 网络隐含层数优化 | 第80-82页 |
·ANN 网络学习速率优化 | 第82-84页 |
·ANN 网络模型 | 第84-86页 |
·本章小结 | 第86-87页 |
第五章 近红外光谱技术在鉴别蜂蜜真伪中的应用研究 | 第87-101页 |
·引言 | 第87页 |
·实验材料和方法 | 第87-91页 |
·样品来源 | 第87页 |
·同位素法测定C-4 植物糖含量 | 第87-91页 |
·光谱数据采集 | 第91页 |
·光谱预处理及判别方法 | 第91-92页 |
·光谱预处理 | 第91-92页 |
·判别方法 | 第92页 |
·判别模型建立 | 第92-99页 |
·距离匹配判别模型 | 第92-95页 |
·马氏距离判别模型 | 第95-97页 |
·判别偏最小二乘模型 | 第97-99页 |
·不同鉴别模型判别率比较 | 第99页 |
·本章小结 | 第99-101页 |
第六章 讨论与结论 | 第101-106页 |
·讨论 | 第101-102页 |
·近红外光谱技术评价蜂蜜质量的可行性 | 第101页 |
·近红外光谱技术评价蜂蜜品种 | 第101-102页 |
·近红外光谱技术评价蜂蜜品质 | 第102页 |
·近红外光谱技术用于蜂蜜真假辨别 | 第102页 |
·研究结论 | 第102-103页 |
·创新点 | 第103-104页 |
·研究中存在的问题和不足 | 第104页 |
·展望 | 第104-106页 |
参考文献 | 第106-114页 |
致谢 | 第114-115页 |
作者简历 | 第115-116页 |