油脂對人體來說必不可少,其質(zhì)量安全尤為重要,近年來,對油脂中反式脂肪酸（TFAs）含量超標(biāo)問題的關(guān)注度持續(xù)增高。油脂中的TFAs往往是在脫臭過程中產(chǎn)生的,但現(xiàn)有的TFAs檢測方法存在檢測速度慢、前期處理比較復(fù)雜等問題,無法達(dá)到快速現(xiàn)場檢測的要求。近紅外光譜技術(shù)便捷高效的特點(diǎn)適用于生產(chǎn)過程中的品質(zhì)監(jiān)控,因此,針對油脂脫臭過程中TFAs控制問題,本文提出一種基于近紅外光譜分析的油脂中TFAs含量快速檢測方法。制備100個(gè)不同TFAs含量的大豆油樣本,利用氣相色譜法測定樣本TFAs含量作為標(biāo)準(zhǔn)值,近紅外光譜儀掃描大豆油樣本獲得其譜圖,然后用不同方法對光譜數(shù)據(jù)進(jìn)行降噪處理,經(jīng)過對比分析發(fā)現(xiàn)多元散射校正的去噪效果最佳;為了探討TFAs在近紅外區(qū)域的吸收特性,采用多種iPLS方法對光譜數(shù)據(jù)進(jìn)行特征波段選擇,優(yōu)選出TFAs的特征吸收波段7258-7443/6502-6691/6120-6309cm^-1,在此基礎(chǔ)上再利用Kalman濾波算法進(jìn)行特征波長變量的選擇,優(yōu)選出的27個(gè)TFAs的特征波長變量。采用深度信念網(wǎng)絡(luò)（DBN）建立校正模型,通過多次對比發(fā)現(xiàn),當(dāng)?shù)螖?shù)設(shè)置為30、... 

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究目的意義
    1.2 近紅外分析技術(shù)概述
        1.2.1 近紅外光譜測量原理
        1.2.2 近紅外光譜分析流程
        1.2.3 校正模型評價(jià)標(biāo)準(zhǔn)
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 反式脂肪酸含量檢測方法的國內(nèi)外現(xiàn)狀
        1.3.2 近紅外光譜在油脂檢測方面的國內(nèi)外現(xiàn)狀
    1.4 課題來源及主要研究內(nèi)容
        1.4.1 課題來源
        1.4.2 主要研究內(nèi)容
2 光譜采集與數(shù)據(jù)處理
    2.1 樣本制備及化學(xué)值測定
    2.2 樣本近紅外光譜采集
    2.3 數(shù)據(jù)預(yù)處理
        2.3.1 異常樣本剔除
        2.3.2 光譜降噪處理
    2.4 本章小結(jié)
3 油脂中TFAs近紅外光譜特征波長變量優(yōu)選
    3.1 基于多種區(qū)間偏最小二乘的TFAs特征波段選擇
        3.1.1 區(qū)間偏最小二乘(iPLS)
        3.1.2 后向區(qū)間偏最小二乘(BiPLS)
        3.1.3 組合區(qū)間偏最小二乘(SiPLS)
        3.1.4 不同方法的波段選擇結(jié)果及分析
    3.2 基于Kalman濾波的TFAs特征波長變量優(yōu)選
        3.2.1 Kalman濾波原理
        3.2.2 基于Kalman濾波的特征波長變量選擇算法
        3.2.3 基于Kalman濾波的特征波長變量選擇結(jié)果及分析
    3.3 本章小結(jié)
4 基于DBN的油脂中TFAs含量回歸模型建立
    4.1 深度信念網(wǎng)絡(luò)(Deep Believe Net,DBN)
        4.1.1 DBN模型原理
        4.1.2 受限的玻爾茲曼機(jī)(RBM)
    4.2 DBN回歸模型參數(shù)設(shè)置
        4.2.1 隱含層層數(shù)選擇
        4.2.2 迭代次數(shù)選擇
        4.2.3 隱含層節(jié)點(diǎn)數(shù)選擇
    4.3 基于DBN回歸模型的建立及評價(jià)
        4.3.1 DBN回歸算法
        4.3.2 DBN回歸模型建立
        4.3.3 DBN模型和PLS模型預(yù)測結(jié)果比較分析
    4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]Application of a PCA-DBN-based surrogate model to robust aerodynamic design optimization[J]. Jun TAO,Gang SUN,Liqiang GUO,Xinyu WANG.  Chinese Journal of Aeronautics. 2020(06)
[2]基于Dropout深度信念網(wǎng)絡(luò)的煙葉近紅外光譜模型研究[J]. 張瑞,丁香乾,高政緒,宮會麗.  計(jì)算機(jī)與數(shù)字工程. 2019(02)
[3]基于深度信念網(wǎng)絡(luò)的煙葉部位近紅外光譜分類方法研究[J]. 王靜,丁香乾,王曉東,韓鳳,韓冬,曲曉娜.  紅外與激光工程. 2019(04)
[4]改進(jìn)相關(guān)系數(shù)算法在近紅外光譜儀器中波段選擇的應(yīng)用[J]. 肖青青,向軼,許定舟,劉彤.  儀表技術(shù). 2018(10)
[5]近紅外光譜法快速測定菜籽油酸值和過氧化值波長的優(yōu)化[J]. 馮燕玲,高瑀瓏,周建新.  糧食與油脂. 2018(10)
[6]食用植物油中反式脂肪酸的含量研究[J]. 李雙,邵仕萍,陳秀明,陳少敏.  中國檢驗(yàn)檢測. 2018(05)
[7]氣相色譜檢測食品中反式脂肪酸的方法分析[J]. 臧成遠(yuǎn).  食品安全導(dǎo)刊. 2018(21)
[8]油脂氫化過程中催化劑對反式脂肪酸影響的研究進(jìn)展[J]. 楊希,王毅梅.  現(xiàn)代食品. 2018(11)
[9]基于傅里葉變換紅外光譜的食用油質(zhì)量安全檢測技術(shù)研究進(jìn)展[J]. 陳佳,于修燭,劉曉麗,徐立榮,李孟俊,呼延宗堯.  食品科學(xué). 2018(07)
[10]基于近紅外光譜的食用植物油中反式脂肪酸含量快速定量檢測及模型優(yōu)化研究[J]. 莫欣欣,孫通,劉木華,葉振南.  分析化學(xué). 2017(11)

碩士論文
[1]糖化血清蛋白近紅外光譜分析的研究[D]. 閆怡菲.西安理工大學(xué) 2017
[2]基于THz光譜檢測大豆油中反式脂肪酸含量建模方法研究[D]. 崔月.哈爾濱商業(yè)大學(xué) 2017
[3]植物油中反式脂肪酸的測定及其受熱過程中的變化規(guī)律[D]. 孫慧珍.山東農(nóng)業(yè)大學(xué) 2016
[4]大豆油脂酸價(jià)近紅外光譜特征波長優(yōu)選[D]. 葛慧芳.哈爾濱商業(yè)大學(xué) 2016
[5]FTIR技術(shù)分析食用油的水分以及反式脂肪酸含量的研究[D]. 葉建晨.浙江工業(yè)大學(xué) 2015
[6]基于SVM的大豆油脂色澤近紅外光譜檢測算法研究[D]. 李貴濱.哈爾濱商業(yè)大學(xué) 2013
[7]神經(jīng)網(wǎng)絡(luò)在食用油質(zhì)量近紅外光譜分析中的應(yīng)用研究[D]. 孔慶明.哈爾濱商業(yè)大學(xué) 2012



本文編號：3699869