發(fā)布時(shí)間：2018-03-26 08:09

  本文選題：拉曼光譜成像　切入點(diǎn)：奶粉摻雜檢測(cè)　出處：《天津大學(xué)》2016年碩士論文

【摘要】：乳制品作為人類的重要食品來(lái)源之一,其消費(fèi)量十分巨大。近年來(lái),不法分子在經(jīng)濟(jì)利益的驅(qū)動(dòng)下,以次充好并大肆造假,嚴(yán)重危及消費(fèi)者生命健康。如何高效識(shí)別并檢測(cè)奶粉中的摻假物質(zhì),成為當(dāng)前乳制品安全領(lǐng)域的研究熱點(diǎn),在我國(guó)當(dāng)前的國(guó)情下具有至關(guān)重要的意義。奶粉是一種復(fù)雜多組分的非均勻固體粉末,由于摻假物范圍很廣且濃度分布不均,在奶粉中檢測(cè)低濃度的摻假物,對(duì)分析技術(shù)提出了很高的要求,既需要高效的微區(qū)分析技術(shù),又需要快速的大面積掃描技術(shù)。在各種檢測(cè)技術(shù)中,拉曼光譜成像技術(shù)是為數(shù)不多能同時(shí)滿足微區(qū)分析和大面積掃描的快速檢測(cè)技術(shù)之一,并以其特有的高分辨、高通量等優(yōu)點(diǎn),在奶粉的摻假物質(zhì)分析中具備較大的應(yīng)用潛力。因此,本論文嘗試采用拉曼光譜成像技術(shù)對(duì)奶粉體系進(jìn)行摻假檢測(cè)。在拉曼光譜成像檢測(cè)過(guò)程中,其成像信號(hào)尚存在重疊嚴(yán)重、背景干擾強(qiáng)等問(wèn)題。因此,本論文針對(duì)不同奶粉摻假物質(zhì)所帶來(lái)的額外波動(dòng)性,發(fā)展了一種新型數(shù)據(jù)驅(qū)動(dòng)的多尺度建模方法(Data-Driven Multiscale Modeling,DDMM)。該算法將自適應(yīng)調(diào)整拉曼信號(hào)的小波分解函數(shù),使其局部動(dòng)態(tài)地逼近信號(hào)本征信息,進(jìn)而最大限度地克服樣本的波動(dòng)性,以避免模型失效。在此基礎(chǔ)上,本論文還發(fā)展了一種基于最小二乘支持向量回歸的非線性算法(Modified discrete wavelet transform Elimination of uninformative variables Least square support vector regression,MDWT-UVE-LSSVR),用于復(fù)雜體系分析。該算法有機(jī)結(jié)合了改進(jìn)小波變換、無(wú)用信息變量刪除法、及最小二乘支持向量回歸,用于分別扣除復(fù)雜光譜體系中的熒光背景、基質(zhì)及非線性干擾。該算法被應(yīng)用于奶粉摻假檢測(cè),結(jié)果表明,該算法能夠?qū)崿F(xiàn)的對(duì)不同摻雜物質(zhì)的判別與區(qū)分,模型總體識(shí)別正確率為99.74%,并且進(jìn)行半定量分析效果。本論文嘗試?yán)美庾V成像技術(shù)對(duì)奶粉摻假體系進(jìn)行快速檢測(cè),并發(fā)展了DDMM和MDWT-UVE-LSSVR算法對(duì)其成像信息進(jìn)行準(zhǔn)確解析。結(jié)果表明,復(fù)雜體系的光譜解析往往需要有效結(jié)合不同的算法以克服不同來(lái)源的干擾。而本論文發(fā)展的這兩種算法可以有效克服不同摻假物質(zhì)帶來(lái)的額外波動(dòng)信息,顯著提升拉曼光譜成像技術(shù)預(yù)測(cè)的穩(wěn)定性和預(yù)測(cè)精度,并且無(wú)需對(duì)光譜數(shù)據(jù)結(jié)構(gòu)進(jìn)行預(yù)定假設(shè),為奶粉摻假快速檢測(cè)提供了一種有力工具。
[Abstract]:Dairy products are one of the most important food sources for human beings, and their consumption is very great. How to efficiently identify and detect adulterated substances in milk powder has become a hot research topic in the field of dairy products safety. Milk powder is a kind of complex multicomponent nonuniform solid powder. Because of the wide range of adulterants and uneven concentration distribution, milk powder is used to detect low concentration adulterates in milk powder. High requirements are put forward for analytical techniques, which require both efficient micro-area analysis technology and rapid large area scanning technology. In all kinds of detection technologies, Raman spectroscopy imaging is one of the few rapid detection techniques that can satisfy both microanalysis and large area scanning, and has the advantages of high resolution and high throughput. Therefore, this paper attempts to use Raman spectroscopy imaging technology to detect adulteration of milk powder system. In the process of Raman spectrum imaging detection, the imaging signals of milk powder are still overlapped seriously. Therefore, this paper aims at the additional volatility caused by different milk powder adulterated substances. A new data-driven multi-scale modeling method, Data-Driven Multiscale Modeling, is developed. The algorithm adaptively adjusts the wavelet decomposition function of the Raman signal to make it approach the intrinsic signal information dynamically and overcome the volatility of the sample to the maximum extent. To avoid model failure. On this basis, This paper also develops a nonlinear algorithm based on least squares support vector regression (LS-SVM), which is modified discrete wavelet transform Elimination of uninformative variables Least square support vector regression MDWT-UVE-LSS VRV for complex system analysis. And least squares support vector regression (LSVR), which is used to deduct fluorescence background, matrix and nonlinear interference from complex spectral system respectively. The algorithm is applied to the detection of milk powder adulteration. The results show that, The recognition accuracy of the model is 99.74, and the effect of semi-quantitative analysis is achieved. In this paper, Raman spectroscopy imaging is used to detect the adulteration system of milk powder. DDMM and MDWT-UVE-LSSVR algorithms are developed to accurately analyze the imaging information. The results show that, Spectral analysis of complex systems often requires effective combination of different algorithms to overcome interference from different sources, and the two algorithms developed in this paper can effectively overcome the additional wave information brought by different adulterated substances. The prediction stability and prediction accuracy of Raman spectroscopy imaging technology are improved significantly, and the spectral data structure is not presupposed, which provides a powerful tool for rapid detection of milk powder adulteration.
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TS252.7;O657.37

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡軍,胡繼明;拉曼光譜在分析化學(xué)中的應(yīng)用進(jìn)展[J];分析化學(xué);2000年06期

2 ;國(guó)際表面拉曼光譜會(huì)議在廈門(mén)大學(xué)舉行[J];電化學(xué);2000年04期

3 田中群;參加第18屆國(guó)際拉曼光譜會(huì)議總結(jié)報(bào)告[J];光散射學(xué)報(bào);2002年04期

4 徐怡莊,吳瑾光,孫文秀,陶棟梁,宋增福,翁詩(shī)甫,許振華,徐端夫,徐光憲;釹的電子拉曼光譜和一種新的拉曼增強(qiáng)機(jī)理[J];高等學(xué)�；瘜W(xué)學(xué)報(bào);2003年02期

5 劉剛,張林,俞帆,劉劍虹,孫世中;低溫冰箱冷凍對(duì)人體組織拉曼光譜的影響[J];光譜實(shí)驗(yàn)室;2004年05期

6 王吉有;王閔;劉玲;郝偉;;拉曼光譜在考古中的應(yīng)用[J];光散射學(xué)報(bào);2006年02期

7 田國(guó)輝;陳亞杰;馮清茂;;拉曼光譜的發(fā)展及應(yīng)用[J];化學(xué)工程師;2008年01期

8 高卓;;中美科學(xué)家發(fā)明增強(qiáng)拉曼光譜檢測(cè)新技術(shù)[J];化學(xué)分析計(jì)量;2010年03期

9 李自達(dá);陳亮;孟令晶;劉軍賢;王桂文;;拉曼光譜結(jié)合光學(xué)操控分選油脂酵母[J];光譜學(xué)與光譜分析;2011年04期

10 楊麗萍;薛紹秀;;拉曼光譜在磷礦加工過(guò)程中的應(yīng)用[J];礦冶;2013年02期

相關(guān)會(huì)議論文 前10條

1 汪安;任斌;田中群;;線聚焦模式提高拉曼光譜的檢測(cè)靈敏度[A];中國(guó)化學(xué)會(huì)第27屆學(xué)術(shù)年會(huì)第18分會(huì)場(chǎng)摘要集[C];2010年

2 張鵬翔;;新科學(xué)和新拉曼光譜[A];第十四屆全國(guó)光散射學(xué)術(shù)會(huì)議論文摘要集[C];2007年

3 王紅球;張麗;王璐;程廣衛(wèi);葉光林;張士新;朱鵬;易裕民;;拉曼光譜在安檢領(lǐng)域中的應(yīng)用[A];第十六屆全國(guó)光散射學(xué)術(shù)會(huì)議論文摘要集[C];2011年

4 凌宗成;;行星表面物質(zhì)研究中的拉曼光譜應(yīng)用[A];第十七屆全國(guó)光散射學(xué)術(shù)會(huì)議摘要文集[C];2013年

5 胡繼明;沈愛(ài)國(guó);謝微;;拉曼光譜在生物醫(yī)學(xué)分析中的應(yīng)用[A];中國(guó)化學(xué)會(huì)第十五屆全國(guó)有機(jī)分析及生物分析學(xué)術(shù)研討會(huì)論文集[C];2009年

6 任斌;劉鄭;王翔;莊目德;曾智聰;王喜;田中群;;針尖增強(qiáng)拉曼光譜方法建立及其在納米間隔體系研究中的應(yīng)用[A];第十五屆全國(guó)分子光譜學(xué)術(shù)報(bào)告會(huì)論文集[C];2008年

7 李開(kāi)開(kāi);曾光;壽晶晶;張韞宏;;聚焦深度對(duì)共聚焦拉曼光譜影響的研究[A];第十五屆全國(guó)光散射學(xué)術(shù)會(huì)議論文摘要集[C];2009年

8 龐然;吳德印;田中群;;水合離子簇的氫鍵作用和振動(dòng)拉曼光譜[A];第十五屆全國(guó)光散射學(xué)術(shù)會(huì)議論文摘要集[C];2009年

9 謝黎明;凌曦;方源;張錦;劉忠范;;石墨烯作為共振拉曼光譜測(cè)量中的熒光抑制基底[A];第十五屆全國(guó)光散射學(xué)術(shù)會(huì)議論文摘要集[C];2009年

10 劉鈺;徐抒平;唐彬;王燁;周吉;鄭先亮;徐蔚青;;表面等離子體共振增強(qiáng)拉曼光譜的研究[A];第十五屆全國(guó)光散射學(xué)術(shù)會(huì)議論文摘要集[C];2009年

相關(guān)重要報(bào)紙文章 前2條

1 記者 張建琛;中美科學(xué)家發(fā)明增強(qiáng)拉曼光譜檢測(cè)新技術(shù)[N];科技日?qǐng)?bào);2010年

2 黃愛(ài)群;荷蘭發(fā)明智能手術(shù)探針[N];中國(guó)醫(yī)藥報(bào);2001年

相關(guān)博士學(xué)位論文 前10條

1 董學(xué)鋒;拉曼光譜傳遞與定量分析技術(shù)研究及其工業(yè)應(yīng)用[D];浙江大學(xué);2013年

2 趙秀明;幾個(gè)影響表面增強(qiáng)拉曼散射的因素的理論研究[D];大連理工大學(xué);2015年

3 胡偉;金屬界面分子構(gòu)型的振動(dòng)識(shí)別[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

4 李雪;低維MoS_2的制備及光學(xué)特性研究[D];長(zhǎng)春理工大學(xué);2016年

5 肖令平;碳?xì)浠衔镌诟邏合碌奈镄匝芯縖D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

6 張海鵬;乳腺癌切緣判斷新方法探索：拉曼光譜與熒光納米材料[D];吉林大學(xué);2017年

7 賈麗華;共振拉曼光譜方法探測(cè)水溶液中生物分子的研究[D];吉林大學(xué);2011年

8 董濵;納米銀增強(qiáng)基底制備及分子的拉曼光譜解析[D];昆明理工大學(xué);2011年

9 李津蓉;拉曼光譜的數(shù)學(xué)解析及其在定量分析中的應(yīng)用[D];浙江大學(xué);2013年

10 胡成旭;乳腺疾病的拉曼光譜檢測(cè)及研究[D];吉林大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 董濵;拉曼光譜數(shù)據(jù)庫(kù)[D];昆明理工大學(xué);2008年

2 楊秋寶;基于拉曼光譜的易燃易爆品檢測(cè)技術(shù)的研究[D];沈陽(yáng)理工大學(xué);2012年

3 張瑞琦;琥珀的寶石學(xué)特征和譜學(xué)特征研究[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

4 李俊平;拉曼光譜在三種鎮(zhèn)痛類藥物研究上的應(yīng)用[D];西南大學(xué);2015年

5 王亞平;沖擊壓縮下液態(tài)硝基甲烷的拉曼光譜研究[D];西南交通大學(xué);2015年

6 陳輝;拉曼光譜儀器標(biāo)準(zhǔn)化的算法研究及其在藥品快檢中的應(yīng)用[D];福建中醫(yī)藥大學(xué);2015年

7 徐瑛;拉曼光譜在淀粉結(jié)構(gòu)分析中的應(yīng)用研究[D];鄭州輕工業(yè)學(xué)院;2015年

8 魏有超;有機(jī)薄膜中納秒激光沖擊波的時(shí)間分辨拉曼光譜實(shí)驗(yàn)研究[D];哈爾濱工業(yè)大學(xué);2015年

9 郭利斌;基于支持向量機(jī)算法的癌癥組織拉曼光譜數(shù)據(jù)分析[D];福建師范大學(xué);2015年

10 陳茂文;急性心肌梗塞患者血液與唾液拉曼光譜研究[D];福建師范大學(xué);2015年

，

本文編號(hào)：1667105