采收后的板栗貯藏穩(wěn)定性低,自然狀態(tài)下容易霉變,但有些無(wú)法根據(jù)外觀判斷。目前常用的快速篩選霉變板栗的方法是水懸浮法,但此法費(fèi)時(shí)費(fèi)力。近紅外光譜法是一種無(wú)損檢測(cè)法,是通過(guò)分析光譜的差異進(jìn)而對(duì)樣本分類。本文應(yīng)用近紅外漫反射光譜儀分別獲得600-1100nm和1100-2500nm的近紅外光譜圖,然后采用三種不同的建模方法對(duì)光譜數(shù)據(jù)分類。通過(guò)對(duì)光譜圖進(jìn)行特征信息選擇,選出了對(duì)樣本分類貢獻(xiàn)較大的特征信息,建立模型,并對(duì)模型進(jìn)行驗(yàn)證。比較了不同波長(zhǎng)范圍的近紅外光譜圖、所使用的光譜前處理法、抽提的差異變量對(duì)模型的影響。主要研究結(jié)果如下：（1）在用主成分分析-判別分析法（PCA-DA）建模中,600-1100nm和1100-2500nm的近紅外光譜圖經(jīng)過(guò)平滑+中心化+SNV預(yù)處理后,建模效果最好。600-1100nm光譜圖的校正集和驗(yàn)證集的準(zhǔn)確率分別為99.46%、94.76%；1100-2500nm光譜圖的校正集和驗(yàn)證集的準(zhǔn)確率分別為98.53%、95.87%。（2）在簇類獨(dú)立軟模式法（SIMCA）分類模型中,針對(duì)600-1100nm和1100-2500nm兩種波段近紅外光譜,經(jīng)一階導(dǎo)數(shù)+平滑+de... 

【文章來(lái)源】：北京林業(yè)大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
英文縮寫(xiě)語(yǔ)
1 引言
    1.1 研究目的與意義
    1.2 霉變板栗的篩選方法
    1.3 近紅外光譜分析技術(shù)簡(jiǎn)介
        1.3.1 近紅外光譜分析原理
        1.3.2 近紅外光譜分析技術(shù)的特點(diǎn)
    1.4 化學(xué)計(jì)量學(xué)方法
        1.4.1 化學(xué)計(jì)量學(xué)矩陣和數(shù)理統(tǒng)計(jì)
        1.4.2 光譜前處理方法
        1.4.3 近紅外光譜波段的選擇
        1.4.4 近紅外光譜定性分析模型的建立
    1.5 近紅外光譜在食品分析中的應(yīng)用
        1.5.1 在水果品質(zhì)分析中的應(yīng)用
        1.5.2 在油脂摻假與質(zhì)量分析中的應(yīng)用
        1.5.3 在飲品質(zhì)量檢測(cè)中的應(yīng)用
        1.5.4 在其他食品分析中的應(yīng)用
    1.6 研究?jī)?nèi)容和技術(shù)路線
        1.6.1 研究?jī)?nèi)容
        1.6.2 技術(shù)路線
2 近紅外光譜結(jié)合DA判別法定性分析霉變板栗與正常板栗
    2.1 材料和方法
        2.1.1 實(shí)驗(yàn)材料
        2.1.2 實(shí)驗(yàn)儀器
        2.1.3 光譜的采集
        2.1.4 數(shù)據(jù)處理
    2.2 結(jié)果與討論
        2.2.1 板栗近紅外光譜圖分析
        2.2.2 光譜前處理
        2.2.3 PCA-DA模型的建立
        2.2.4 模型的驗(yàn)證
    2.3 本章小結(jié)
3 近紅外光譜結(jié)合SIMCA聚類分析法定性分析霉變板栗與正常板栗
    3.1 材料和方法
        3.1.1 實(shí)驗(yàn)材料
        3.1.2 實(shí)驗(yàn)儀器
        3.1.3 光譜的采集
        3.1.4 數(shù)據(jù)處理
    3.2 結(jié)果與討論
        3.2.1 光譜前處理
        3.2.2 主成分分析
        3.2.3 SIMCA分類
    3.3 本章小結(jié)
4 近紅外光譜結(jié)合LDA定性分析霉變板栗與正常板栗
    4.1 材料與方法
        4.1.1 實(shí)驗(yàn)材料
        4.1.2 實(shí)驗(yàn)儀器
        4.1.3 光譜采集
        4.1.4 數(shù)據(jù)處理
    4.2 結(jié)果與討論
        4.2.1 光譜前處理
        4.2.2 LDA模型的建立
        4.2.3 LDA模型的驗(yàn)證
    4.3 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
個(gè)人簡(jiǎn)介
導(dǎo)師簡(jiǎn)介
致謝


【參考文獻(xiàn)】：
期刊論文
[1]糧食中霉菌污染檢測(cè)方法現(xiàn)狀及發(fā)展趨勢(shì)[J]. 周玉庭,任佳麗,張紫鶯.  食品安全質(zhì)量檢測(cè)學(xué)報(bào). 2016(01)
[2]高光譜圖像技術(shù)在摻假大米檢測(cè)中的應(yīng)用[J]. 孫俊,金夏明,毛罕平,武小紅,楊寧.  農(nóng)業(yè)工程學(xué)報(bào). 2014(21)
[3]近紅外光譜技術(shù)快速無(wú)損評(píng)價(jià)羅非魚(yú)片新鮮度[J]. 陳偉華,許長(zhǎng)華,樊玉霞,胡偉,吳浩,吳娜,王錫昌,劉源.  食品科學(xué). 2014(24)
[4]基于高光譜成像技術(shù)的長(zhǎng)棗表面農(nóng)藥殘留無(wú)損檢測(cè)[J]. 劉民法,張令標(biāo),何建國(guó),賀曉光,劉貴珊,王松磊.  食品與機(jī)械. 2014(05)
[5]基于PCA與核LDA的表面肌電信號(hào)特征識(shí)別[J]. 李莉,李華,李建.  計(jì)算機(jī)測(cè)量與控制. 2014(02)
[6]基于近紅外技術(shù)快速檢測(cè)棉籽餅粉水解液中氨基氮含量[J]. 梁靜波,蘇毅,謝希賢,徐慶陽(yáng),張成林,陳寧.  食品與發(fā)酵工業(yè). 2014(01)
[7]生防真菌分生孢子抗氧化能力與多糖含量的關(guān)系[J]. 姬小平,馮明光,應(yīng)盛華.  菌物學(xué)報(bào). 2013(06)
[8]南果梨果實(shí)硬度近紅外無(wú)損檢測(cè)模型的建立[J]. 李東華,紀(jì)淑娟.  食品工業(yè)科技. 2012(21)
[9]近紅外漫反射光譜鑒別雞蛋種類[J]. 湯丹明,孫斌,劉輝軍.  光譜實(shí)驗(yàn)室. 2012(05)
[10]基于紅外熱成像樹(shù)上板栗機(jī)器識(shí)別研究[J]. 周建民,尹洪妍,張瑞豐,范麗娟,周其顯.  中國(guó)農(nóng)機(jī)化. 2012(03)

博士論文
[1]煙葉通用近紅外定量模型穩(wěn)健性研究[D]. 秦玉華.中國(guó)海洋大學(xué) 2014
[2]基于光譜/空間信息的肉骨粉近紅外顯微成像分析方法研究[D]. 姜訓(xùn)鵬.中國(guó)農(nóng)業(yè)大學(xué) 2014
[3]基于圖像處理和光譜分析技術(shù)的水果品質(zhì)快速無(wú)損檢測(cè)方法研究[D]. 馬本學(xué).浙江大學(xué) 2009
[4]西瓜品質(zhì)可見(jiàn)/近紅外光譜無(wú)損檢測(cè)技術(shù)研究[D]. 田海清.浙江大學(xué) 2006

碩士論文
[1]近紅外油頁(yè)巖含油率快速檢測(cè)方法的研究[D]. 王炳建.吉林大學(xué) 2014
[2]馬鈴薯部分品質(zhì)性狀近紅外模型的建立及育種應(yīng)用[D]. 張良.東北農(nóng)業(yè)大學(xué) 2014
[3]基于可見(jiàn)—近紅外光譜和高光譜成像的無(wú)損檢測(cè)方法研究[D]. 殷姣姣.太原科技大學(xué) 2014
[4]傅里葉變換紅外光譜技術(shù)在芝麻油真?zhèn)舞b別、摻偽與品質(zhì)分析中的應(yīng)用[D]. 楊佳.北京林業(yè)大學(xué) 2013
[5]應(yīng)用紅外光譜技術(shù)進(jìn)行食用油真?zhèn)渭皳絺蔚目焖勹b定[D]. 劉玲玲.北京林業(yè)大學(xué) 2012
[6]茉莉花茶品質(zhì)的近紅外化學(xué)計(jì)量學(xué)研究[D]. 張俊.浙江大學(xué) 2012
[7]獼猴桃、桃和梨品質(zhì)的近紅外漫反射光譜無(wú)損檢測(cè)研究[D]. 劉卉.西北農(nóng)林科技大學(xué) 2011



本文編號(hào)：3355972