摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第10-16页 |
1.1 研究背景及意义 | 第10页 |
1.2 近红外光谱技术概述 | 第10-11页 |
1.3 近红外光谱特征波长筛选方法概述 | 第11-12页 |
1.4 国内外研究现状 | 第12-14页 |
1.4.1 基于近红外光谱技术的橄榄油品质鉴别研究现状 | 第12-13页 |
1.4.2 基于近红外光谱技术的橄榄油掺杂分析研究现状 | 第13-14页 |
1.5 研究内容 | 第14-16页 |
第二章 数据采集与预处理 | 第16-20页 |
2.1 样本制备 | 第16页 |
2.2 近红外光谱采集 | 第16-17页 |
2.2.1 光谱区间的选择 | 第16页 |
2.2.2 温度和湿度的选择 | 第16-17页 |
2.2.3 扫描次数的选择 | 第17页 |
2.2.4 样本测量次数的选择 | 第17页 |
2.3 光谱预处理 | 第17-20页 |
2.3.1 标准正态变量变换预处理 | 第17-18页 |
2.3.2 多元散射校正预处理 | 第18-20页 |
第三章 基于NIRS技术的橄榄油品质鉴别方法研究 | 第20-37页 |
3.1 引言 | 第20页 |
3.2 方法原理 | 第20-25页 |
3.2.1 联合区间偏最小二乘算法原理 | 第20-21页 |
3.2.2 遗传算法算法原理 | 第21页 |
3.2.3 蒙特卡罗无信息变量消除算法原理 | 第21-22页 |
3.2.4 竞争性自适应加权抽样算法原理 | 第22页 |
3.2.5 迭代保留信息变量算法原理 | 第22-24页 |
3.2.6 主成分分析算法原理 | 第24-25页 |
3.3 结果与分析 | 第25-36页 |
3.3.1 PCA品 质鉴别模型 | 第25页 |
3.3.2 siPLS-PC A品质鉴别模型 | 第25-27页 |
3.3.3 siPLS-GA-PCA品 质鉴别模型 | 第27-29页 |
3.3.4 siPLS-M C-UVE -PCA品 质鉴别模型 | 第29-30页 |
3.3.5 siPLS-CAR S-PCA品 质鉴别模型 | 第30-32页 |
3.3.6 siPLS-IRIV-PCA品 质鉴别模型 | 第32-34页 |
3.3.7 不同模型结果比较与分析 | 第34-36页 |
3.4 本章小结 | 第36-37页 |
第四章 基于NIRS技术的橄榄油掺杂分析方法研究 | 第37-66页 |
4.0 引言 | 第37页 |
4.1 方法原理 | 第37-40页 |
4.1.1 神经网络方法原理 | 第37-40页 |
4.1.2 K折交叉验证 | 第40页 |
4.2 橄榄油掺杂定性分析 | 第40-45页 |
4.2.1 BP定性分析模型 | 第40-42页 |
4.2.2 PCA-BP定性分析模型 | 第42-45页 |
4.3 橄榄油掺杂定量分析 | 第45-65页 |
4.3.1 PLS定量分析模型 | 第45-46页 |
4.3.2 iPLS定量分析模型 | 第46-49页 |
4.3.3 siPLS定量分析模型 | 第49-51页 |
4.3.4 GA-PLS定量分析模型 | 第51-54页 |
4.3.5 GA-siP LS定量分析模型 | 第54-56页 |
4.3.6 IRIV-PLS定 量分析模型 | 第56-59页 |
4.3.7 IRIV-siPLS定 量分析模型 | 第59-61页 |
4.3.8 不同模型结果比较与分析 | 第61-65页 |
4.4 本章小结 | 第65-66页 |
第五章 总结与展望 | 第66-68页 |
5.1 研究总结 | 第66页 |
5.2 论文的主要创新点 | 第66-67页 |
5.3 研究展望 | 第67-68页 |
参考文献 | 第68-74页 |
致谢 | 第74-75页 |
攻读硕士期间取得的成果 | 第75页 |
硕士期间参与的项目 | 第75-76页 |
附录 | 第76-77页 |