食源性致病菌引起的食源性疾病嚴(yán)重影響人們的生活品質(zhì)和身體健康。因此,研究一種快速、準(zhǔn)確、成本低且適用范圍廣泛的食源性致病菌檢測技術(shù)具有重要的意義。本文將高光譜技術(shù)和化學(xué)計量學(xué)相結(jié)合,以大腸桿菌、金黃色葡萄球菌和沙門氏菌三種食源性致病菌為研究對象,分別研究高光譜技術(shù)對不同培養(yǎng)時間、不同培養(yǎng)基上細(xì)菌菌落的檢測能力,主要研究成果如下:（1）確定了基于高光譜技術(shù)的不同培養(yǎng)時間下細(xì)菌菌落分類檢測的最優(yōu)方法和最佳細(xì)菌培養(yǎng)時間。研究對培養(yǎng)24±2h、48±2h和72±2h三個時間梯度的細(xì)菌菌落進(jìn)行高光譜圖像采集,利用形態(tài)學(xué)處理確定細(xì)菌菌落的感興趣區(qū)域ROI并提取細(xì)菌光譜數(shù)據(jù)。對三個時間梯度的數(shù)據(jù)和所有時間混合的數(shù)據(jù)采用不同預(yù)處理方法和不同波長選擇方法,分別建立基于偏最小二乘判別分析（PLS-DA）、遺傳算法優(yōu)化支持向量分類（GA-SVC）和粒子群算法優(yōu)化支持向量分類（PSO-SVC）的全波長和特征波段模型。結(jié)果表明,PLS-DA模型僅可以對培養(yǎng)48±2h的細(xì)菌樣本進(jìn)行較好的分類,而SVC模型能夠?qū)λ腥齻�培養(yǎng)時間的樣本進(jìn)行單獨(dú)和整體的檢測。綜合考慮細(xì)菌檢測周期和檢測精度,確定24±2h是細(xì)菌分類檢測... 

【文章來源】：華中農(nóng)業(yè)大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
縮略語表
1 緒論
    1.1 研究目的與意義
    1.2 高光譜技術(shù)在微生物檢測中的應(yīng)用
    1.3 對已有研究的思考和分析
    1.4 研究內(nèi)容
    1.5 技術(shù)路線
    1.6 本章小結(jié)
2 基于高光譜的不同培養(yǎng)時間細(xì)菌菌落的分類檢測研究
    2.1 引言
    2.2 材料
        2.2.1 試驗對象與材料
        2.2.2 微生物培養(yǎng)與樣本制備
    2.3 數(shù)據(jù)采集
        2.3.1 高光譜圖像采集
        2.3.2 高光譜圖像處理與數(shù)據(jù)提取
        2.3.3 樣本集建立
    2.4 數(shù)據(jù)分析
        2.4.1 光譜預(yù)處理
        2.4.2 模型建立與優(yōu)化
        2.4.3 特征選擇
        2.4.4 模型評價標(biāo)準(zhǔn)
    2.5 結(jié)果與分析
        2.5.1 不同培養(yǎng)時間細(xì)菌菌落的光譜分析
        2.5.2 不同培養(yǎng)時間細(xì)菌菌落的偏最小二乘判別分析模型
        2.5.3 不同培養(yǎng)時間細(xì)菌菌落的支持向量機(jī)分類模型
        2.5.4 各個模型對比
    2.6 本章小結(jié)
3 基于高光譜的不同培養(yǎng)基上細(xì)菌的分類檢測研究
    3.1 引言
    3.2 材料
        3.2.1 試驗對象與材料
        3.2.2 微生物培養(yǎng)與樣本制備
    3.3 數(shù)據(jù)采集
        3.3.1 高光譜圖像采集
        3.3.2 高光譜圖像處理與數(shù)據(jù)提取
        3.3.3 樣本集建立
    3.4 數(shù)據(jù)分析
        3.4.1 光譜分析
        3.4.2 模型建立與優(yōu)化
        3.4.3 特征選擇
        3.4.4 模型評價標(biāo)準(zhǔn)
    3.5 結(jié)果與分析
        3.5.1 不同培養(yǎng)基上細(xì)菌菌落的光譜分析
        3.5.2 不同培養(yǎng)基上細(xì)菌菌落的主成分分析
        3.5.3 不同培養(yǎng)基上細(xì)菌菌落的偏最小二乘判別分析模型
        3.5.4 不同培養(yǎng)基上細(xì)菌菌落的支持向量機(jī)分類模型
        3.5.5 菌落級模型對比
        3.5.6 不同培養(yǎng)基上細(xì)菌像素級數(shù)據(jù)的分析
    3.6 本章小結(jié)
4 總結(jié)與展望
    4.1 主要結(jié)論
    4.2 創(chuàng)新之處
    4.3 展望
參考文獻(xiàn)
攻讀學(xué)位期間的主要研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于近紅外高光譜成像技術(shù)的雞蛋污染過程中菌落總數(shù)可視化研究[J]. 趙楠,劉強(qiáng),魏康麗,潘磊慶,屠康,張偉.  南京農(nóng)業(yè)大學(xué)學(xué)報. 2019(03)
[2]應(yīng)用多維偏最小二乘結(jié)合高光譜檢測牛奶中不同致病菌[J]. 陳鶴,吳海云,衛(wèi)勇,趙紫竹,葉禹希,付雷.  農(nóng)技服務(wù). 2017(24)
[3]基于一維卷積神經(jīng)網(wǎng)絡(luò)的車載語音識別研究[J]. 朱錫祥,劉鳳山,張超,呂釗,吳小培.  微電子學(xué)與計算機(jī). 2017(11)
[4]牛奶中蠟樣芽孢桿菌高光譜檢測模型構(gòu)建與分析[J]. 趙紫竹,衛(wèi)勇,常若葵,吳海云,劉華,單慧勇,楊仁杰.  現(xiàn)代食品科技. 2017(12)
[5]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計算機(jī)應(yīng)用. 2016(09)
[6]食源性致病菌鑒定技術(shù)研究進(jìn)展[J]. 潘蘭芳,黃建飛,陳晶,賴小紅,張櫻子,蘭全學(xué).  食品安全質(zhì)量檢測學(xué)報. 2016(08)
[7]基于高光譜技術(shù)的培養(yǎng)基上細(xì)菌菌落分類方法研究[J]. 余偉,彭寬寬,陳偉,穆渴心,譚臣,王湘如,馮耀澤.  分析化學(xué). 2016(08)
[8]基于高光譜圖像技術(shù)的固態(tài)發(fā)酵中芽孢桿菌的快速識別[J]. 鄒小波,申婷婷,石吉勇,朱瑤迪,胡雪桃,周煦成.  現(xiàn)代食品科技. 2016(04)
[9]高光譜成像技術(shù)檢測冷卻羊肉表面細(xì)菌總數(shù)[J]. 鄭彩英,郭中華,金靈.  激光技術(shù). 2015(02)
[10]基于近紅外高光譜成像的冷鮮羊肉表面細(xì)菌總數(shù)檢測[J]. 郭中華,鄭彩英,金靈.  食品工業(yè)科技. 2014(20)

博士論文
[1]支持向量機(jī)分類與回歸方法研究[D]. 孫德山.中南大學(xué) 2004
[2]支持向量機(jī)及其在控制中的應(yīng)用研究[D]. 孫宗海.浙江大學(xué) 2003
[3]一種新型的智能優(yōu)化方法-人工魚群算法[D]. 李曉磊.浙江大學(xué) 2003

碩士論文
[1]寵物大腸桿菌、耶爾森菌和空腸彎曲菌熒光偏振抗體檢測方法的建立及初步應(yīng)用[D]. 王莉.吉林農(nóng)業(yè)大學(xué) 2018
[2]SVM核參數(shù)優(yōu)化研究與應(yīng)用[D]. 楊海.浙江大學(xué) 2014
[3]大腸桿菌等致病菌的近紅外光譜檢測方法研究[D]. 趙冰琳.河南科技大學(xué) 2009
[4]基于主成分分析的綜合評價研究[D]. 張鵬.南京理工大學(xué) 2004



本文編號：3204785