本論文以紅薯粉為研究對象,以可見-近紅外光譜、近紅外光譜、激光誘導(dǎo)擊穿光譜等光譜技術(shù)為手段,開展紅薯粉無損檢測的模式識別方法研究。應(yīng)用基于光譜信息的支持向量機、偏最小二乘、神經(jīng)網(wǎng)絡(luò)等建模方法,得到判別紅薯粉產(chǎn)地的分類模型和檢測紅薯粉中明礬含量的回歸模型,實現(xiàn)紅薯粉生物信息的快速檢測,對推進(jìn)食品品質(zhì)快速檢測具有重要意義。本論文主要內(nèi)容和研究成果包括:（1）基于光譜信息的紅薯粉產(chǎn)地分類方法研究。首先,利用小波濾波、SG平滑算法等方法對光譜數(shù)據(jù)進(jìn)行濾波去噪;其次,基于全譜波段,應(yīng)用支持向量機、偏最小二乘、主成分分析法-支持向量機等模型,得到了判別紅薯粉產(chǎn)地的分類模型。研究結(jié)果表明,基于可見-近紅外光譜的主成分分析法-支持向量機模型分類正確率最高。（2）基于光譜信息的紅薯粉明礬含量檢測方法研究。首先,利用SG平滑算法、去除包絡(luò)線、近鄰成分分析法等方法對光譜數(shù)據(jù)進(jìn)行特征選擇;其次,基于特征選擇后的光譜波段,應(yīng)用偏最小二乘、主成分分析法-支持向量機、神經(jīng)網(wǎng)絡(luò)等模型,得到了檢測紅薯粉明礬含量的回歸模型。研究結(jié)果表明,基于近紅外光譜和激光誘導(dǎo)擊穿光譜的神經(jīng)網(wǎng)絡(luò)模型有較好的檢測精度,得到較大的相關(guān)系數(shù)。 

【文章頁數(shù)】：94 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 相關(guān)光譜技術(shù)概述
        1.2.1 近紅外光譜技術(shù)概述
        1.2.2 可見-近紅外光譜技術(shù)概述
        1.2.3 激光誘導(dǎo)擊穿光譜技術(shù)概述
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 分類方法研究
        1.3.2 回歸方法研究
    1.4 研究目的與內(nèi)容
第二章 實驗設(shè)備
    2.1 可見-近紅外/近紅外光譜采集系統(tǒng)
        2.1.1 硬件系統(tǒng)
        2.1.2 軟件系統(tǒng)
    2.2 激光誘導(dǎo)擊穿光譜采集系統(tǒng)
        2.2.1 硬件系統(tǒng)
        2.2.2 軟件系統(tǒng)
    2.3 本章小結(jié)
第三章 研究方法介紹
    3.1 數(shù)據(jù)預(yù)處理方法
        3.1.1 均值化處理
        3.1.2 小波濾波
        3.1.3 Savitzky-Golay平滑算法
    3.2 數(shù)據(jù)降維方法
        3.2.1 近鄰成分分析
        3.2.2 主成分分析法
    3.3 建模方法
        3.3.1 偏最小二乘法
        3.3.2 支持向量機
        3.3.3 人工神經(jīng)網(wǎng)絡(luò)
    3.4 模型評估方法
    3.5 其他方法
    3.6 本章小結(jié)
第四章 基于光譜信息的紅薯粉產(chǎn)地分類方法研究
    4.1 樣本制備
    4.2 光譜采集
        4.2.1 可見-近紅外光譜采集
        4.2.2 近紅外光譜采集
        4.2.3 激光誘導(dǎo)擊穿光譜采集
    4.3 基于可見-近紅外光譜的紅薯粉產(chǎn)地分類方法
        4.3.1 光譜預(yù)處理
        4.3.2 模型建立與分析
        4.3.3 模型結(jié)果
    4.4 基于近紅外光譜的紅薯粉產(chǎn)地分類方法
        4.4.1 光譜預(yù)處理
        4.4.2 模型建立與分析
        4.4.3 模型結(jié)果
    4.5 基于激光誘導(dǎo)擊穿光譜的紅薯粉產(chǎn)地分類方法
        4.5.1 光譜預(yù)處理
        4.5.2 模型建立與分析
        4.5.3 模型結(jié)果
    4.6 三種光譜技術(shù)以及所建分類模型的分析比較
        4.6.1 模型比較
        4.6.2 光譜比較
    4.7 本章小結(jié)
第五章 基于光譜信息的紅薯粉明礬含量檢測研究
    5.1 樣本制備
    5.2 光譜采集
    5.3 基于可見-近紅外光譜的紅薯粉明礬含量檢測
        5.3.1 光譜預(yù)處理
        5.3.2 光譜特征選擇
        5.3.3 模型建立與分析
        5.3.4 模型結(jié)果
    5.4 基于近紅外光譜的紅薯粉明礬含量檢測
        5.4.1 光譜預(yù)處理
        5.4.2 光譜特征選擇
        5.4.3 模型建立與分析
        5.4.4 模型結(jié)果
    5.5 基于激光誘導(dǎo)擊穿光譜的紅薯粉明礬含量檢測
        5.5.1 光譜預(yù)處理
        5.5.2 光譜特征選擇
        5.5.3 模型建立與分析
        5.5.4 模型結(jié)果
    5.6 三種光譜技術(shù)以及所建回歸模型的分析比較
        5.6.1 模型比較
        5.6.2 光譜比較
    5.7 本章小結(jié)
第六章 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]激光誘導(dǎo)擊穿光譜技術(shù)對煙草快速分類研究[J]. 李昂澤,王憲雙,徐向君,何雅格,郭帥,柳宇飛,郭偉,劉瑞斌.  中國光學(xué). 2019(05)
[2]可見近紅外高光譜快速診斷番茄葉片含水量及其分布[J]. 王松磊,吳龍國,王彩霞,何建國.  光電子·激光. 2019(09)
[3]高光譜成像與應(yīng)用技術(shù)發(fā)展[J]. 高澤東,郝群,劉宇,朱院院,曹杰,孟合民,劉杰,程洪亮.  計測技術(shù). 2019(04)
[4]鹽池灘羊肉脂肪含量的高光譜預(yù)測模型構(gòu)建[J]. 張翀,劉貴珊,何建國,程麗娟,萬國玲.  食品工業(yè)科技. 2019(20)
[5]可見/近紅外光譜技術(shù)無損識別蘋果品種的研究[J]. 尚靜,張艷,孟慶龍.  保鮮與加工. 2019(03)
[6]近紅外光譜結(jié)合不同變量篩選方法用于黃芩提取過程中黃芩苷含量預(yù)測[J]. 劉雪松,張絲雨,趙曼茜,王鈞,李頁瑞,代軍,滕傳震,柯瀟,陳勇,吳永江.  藥學(xué)學(xué)報. 2019(01)
[7]基于近紅外光譜技術(shù)的信陽毛尖品質(zhì)判別研究[J]. 劉洋,余天星,李明璽,王敏,黃瑩捷,郭桂義,王子浩,萬春鵬.  現(xiàn)代食品科技. 2018(08)
[8]基于可見-近紅外光譜技術(shù)對市售紫薯粉的品質(zhì)評價[J]. 卜曉樸,李永玉.  食品安全質(zhì)量檢測學(xué)報. 2018(11)
[9]ICP-MS法測定市售紅薯粉條中鋁和鈦[J]. 羅誠,申磊,吳澤君.  食品工業(yè)科技. 2018(10)
[10]激光誘導(dǎo)擊穿光譜技術(shù)用于抹茶和綠茶粉的快速鑒別[J]. 於筱嵐,彭繼宇,劉飛,何勇.  光譜學(xué)與光譜分析. 2017(06)

博士論文
[1]基于激光誘導(dǎo)擊穿光譜技術(shù)的水稻鉻含量快速檢測方法研究[D]. 彭繼宇.浙江大學(xué) 2018
[2]基于近紅外光譜及成像的蘋果品質(zhì)無損檢測方法和裝置研究[D]. 郭志明.中國農(nóng)業(yè)大學(xué) 2015
[3]基于光譜和高光譜成像技術(shù)的土壤養(yǎng)分及類型檢測與儀器開發(fā)[D]. 章海亮.浙江大學(xué) 2015
[4]基于光譜和高光譜成像技術(shù)的海水魚品質(zhì)快速無損檢測[D]. 朱逢樂.浙江大學(xué) 2014

碩士論文
[1]基于光譜技術(shù)的茶葉等級判別研究[D]. 郭珍珠.溫州大學(xué) 2019
[2]基于近紅外光譜的水稻土化學(xué)性質(zhì)快速測定研究[D]. 李和昕.沈陽農(nóng)業(yè)大學(xué) 2018
[3]紅外光譜結(jié)合模式識別對不同茶類的鑒別[D]. 萬萍.安徽農(nóng)業(yè)大學(xué) 2018
[4]基于高光譜技術(shù)的水稻稻曲病監(jiān)測研究[D]. 謝亞平.杭州電子科技大學(xué) 2018
[5]近紅外光譜對石榴品種的判別及品質(zhì)的無損檢測[D]. 王瓊.西北農(nóng)林科技大學(xué) 2017
[6]基于近紅外高光譜圖像技術(shù)對板栗果實的無損檢測與品質(zhì)鑒定[D]. 丁玲玲.安徽農(nóng)業(yè)大學(xué) 2016
[7]基于高分辨率光譜圖像采集及混合模型的植物病害檢測方法[D]. 張逸.遼寧科技大學(xué) 2016
[8]葉菜中重金屬元素的激光誘導(dǎo)擊穿光譜檢測及信號增強研究[D]. 黎文兵.江西農(nóng)業(yè)大學(xué) 2015
[9]主成分分析法研究及其在特征提取中的應(yīng)用[D]. 陳佩.陜西師范大學(xué) 2014
[10]腫瘤基因表達(dá)譜維數(shù)約減與聚類集成[D]. 潘江山.福州大學(xué) 2014



本文編號：3694555