在實(shí)施食品安全戰(zhàn)略過程中,食品產(chǎn)地溯源是保障食品安全的重要途徑之一,大米居于“五谷之首”,其安全一直是人們重點(diǎn)關(guān)注內(nèi)容。我國水稻種植區(qū)域大、品種多,傳統(tǒng)的大米身份檢測方法主要停留在感官檢測和化學(xué)檢測兩方面,不僅費(fèi)時費(fèi)力,且不便于推廣,一些不法商販利用這些漏洞,用非優(yōu)質(zhì)大米充當(dāng)優(yōu)質(zhì)大米等現(xiàn)象層出不窮,同時,食品產(chǎn)地溯源技術(shù)的推進(jìn)進(jìn)一步提高了大米質(zhì)量精細(xì)管控的要求。研究單籽粒大米產(chǎn)地、品種快速、無損檢測技術(shù)對保護(hù)稻農(nóng)利益、維護(hù)交易秩序及保障“舌尖上的安全”具有重要意義。本研究以東北地區(qū)大米為研究對象,利用拉曼光譜技術(shù)結(jié)合化學(xué)計量學(xué)方法及計算機(jī)編程技術(shù),針對地域相近大米產(chǎn)地和品種無損檢測分類難的問題,研究單籽粒大米產(chǎn)地、品種檢測方法。主要研究內(nèi)容和結(jié)果如下:(1)研究了大米光譜特性。為無損識別大米品種及產(chǎn)地,首先利用拉曼光譜儀采集不同激光強(qiáng)度、不同積分時間及不同掃描位置的大米光譜;其次通過MATLAB 2010采用均值中心化、歸一化、標(biāo)準(zhǔn)化、Savitzky-Golay卷積平滑、標(biāo)準(zhǔn)正態(tài)變量變換、去趨勢、多項式擬合、自適應(yīng)迭代重加權(quán)懲罰最小二乘法、小波變換等方法對光譜進(jìn)行預(yù)處理,最后采用小波...

【文章頁數(shù)】：175 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
Abstract
縮略詞注釋表
第1章 緒論
    1.1 研究背景和意義
    1.2 研究現(xiàn)狀及發(fā)展動態(tài)
        1.2.1 基于拉曼散射的食品檢測技術(shù)
        1.2.2 大米分類識別技術(shù)
        1.2.3 光譜的建模方法
        1.2.4 研究中存在的問題
    1.3 研究目標(biāo)和主要研究內(nèi)容
        1.3.1 研究目標(biāo)
        1.3.2 主要研究內(nèi)容
    1.4 本章小結(jié)
第2章 大米拉曼光譜采集與處理方法研究
    2.1 材料與方法
        2.1.1 試驗材料
        2.1.2 儀器設(shè)備
        2.1.3 試驗方法
    2.2 結(jié)果與討論
        2.2.1 光譜采集影響因素分析
        2.2.2 拉曼光譜預(yù)處理
        2.2.3 大米拉曼光譜特征波長提取與指認(rèn)
    2.3 本章小結(jié)
第3章 大米身份識別建模方法的研究
    3.1 材料與方法
        3.1.1 試驗材料
        3.1.2 試驗儀器與方法
    3.2 結(jié)果與討論
        3.2.1 拉曼光譜預(yù)處理與波長變量選擇
        3.2.2 拉曼光譜建模方法的選擇依據(jù)
        3.2.3 身份識別建模方法的確定
    3.3 本章小結(jié)
第4章 大米身份識別模型的應(yīng)用與優(yōu)化
    4.1 數(shù)據(jù)來源
    4.2 基于特征變量的多分類大米身份識別模型應(yīng)用與優(yōu)化
        4.2.1 大米種類變化的模型應(yīng)用與分析
        4.2.2 大米多種類的模型優(yōu)化
    4.3 基于全光譜的多分類大米身份識別模型應(yīng)用與優(yōu)化
        4.3.1 大米種類變化的模型應(yīng)用與分析
        4.3.2 大米多種類的模型優(yōu)化
    4.4 基于波段的多分類大米身份識別模型應(yīng)用與優(yōu)化
        4.4.1 大米種類變化的模型應(yīng)用與分析
        4.4.2 大米多種類的模型優(yōu)化
    4.5 本章小結(jié)
第5章 大米化學(xué)成分與拉曼光譜的身份識別機(jī)理
    5.1 材料與方法
        5.1.1 試驗材料
        5.1.2 試驗設(shè)備及方法
    5.2 結(jié)果與討論
        5.2.1 大米成分化驗結(jié)果
        5.2.2 主成分分析法對測試項目影響程度分析
        5.2.3 基于主成分的余弦相似度分析方法
        5.2.4 標(biāo)準(zhǔn)物質(zhì)拉曼光譜特征譜峰與官能團(tuán)振動模式分析..
        5.2.5 基于標(biāo)準(zhǔn)物質(zhì)拉曼光譜特征峰面積的大米分類方法
    5.3 本章小結(jié)
第6章 大米身份識別系統(tǒng)的開發(fā)
    6.1 大米身份識別系統(tǒng)總體架構(gòu)
    6.2 建立指紋圖譜數(shù)據(jù)庫
        6.2.1 指紋圖譜數(shù)據(jù)庫
        6.2.2 樣本拉曼光譜說明數(shù)據(jù)表
        6.2.3 樣本拉曼光譜數(shù)據(jù)表
        6.2.4 測試?yán)庾V說明數(shù)據(jù)表
        6.2.5 測試?yán)庾V數(shù)據(jù)表
        6.2.6 樣本成分說明數(shù)據(jù)表
        6.2.7 樣本成分?jǐn)?shù)據(jù)表
        6.2.8 測試成分說明數(shù)據(jù)表
        6.2.9 測試成分?jǐn)?shù)據(jù)表
    6.3 客戶端開發(fā)語言與環(huán)境
        6.3.1 客戶端程序開發(fā)語言
        6.3.2 客戶端程序開發(fā)環(huán)境
    6.4 客戶端軟件開發(fā)
    6.5 基于拉曼光譜的大米身份識別
        6.5.1 建立樣本指紋圖譜數(shù)據(jù)庫
        6.5.2 讀取待測圖譜
        6.5.3 余弦相似度計算
        6.5.4 主成分分析—余弦相似度分類法
        6.5.5 偏最小二乘—余弦相似度分類法
        6.5.6 標(biāo)準(zhǔn)物質(zhì)峰面積偏最小二乘—余弦相似度分類法
    6.6 基于成分的大米身份識別
        6.6.1 建立樣本成分圖譜數(shù)據(jù)庫
        6.6.2 待測成分余弦相似度計算
    6.7 本章小結(jié)
第7章 總結(jié)與展望
    7.1 結(jié)論
    7.2 創(chuàng)新點(diǎn)
    7.3 研究展望
參考文獻(xiàn)
博士期間發(fā)表的學(xué)術(shù)論文及其它成果
    發(fā)表的學(xué)術(shù)論文
    參加的科研項目
致謝



本文編號：3863918